分布式学习笔记-限流算法

计数器算法

计数器算法: 指定时间内，累计访问次数，达到设定的阈值时，触发限流策略，下个时间周期进行访问试，统计访问数清零。可以利用redis的incr 原子自增性，再结合过期时间实现

计时器算法无法解决临界问题，相邻周期之间时间段出现大并发，如第一个周期最后10秒和第二个周期前十秒，出现超过100限流阈值。

滑动时间窗口算法

为了解决计算器算法的临界值问题，发明了滑动窗口算法，在TCP网络通信协议中，就是采用这种算法解决网络拥堵问题

    滑动时间窗口就是将计算器中的实际周期切分为多个小的时间窗口，分表在每个时间窗口中记录访问次数，然后根据时间将窗口往前移动，并删除过期的时间窗口，最终只需要统计滑动范围内小时间窗口的总的访问数

漏桶限流算法

    漏桶算法的原理:我们维持一个漏斗，它有恒定的流出速度，不管水流流入的速度有多快，漏斗出水的速度保持不变，类似消息中间件，不管消息生产者请求量多大，消息处理能力取决于消费者

   漏桶容量 = 漏桶的流出速度 * 可接受等待时长。容量范围内的请求可以排队等待处理，超过这个容量的请求才会被抛弃

漏桶限流算法存在下面情况

1.请求请求速度大于漏桶流出速度，也就是请求量大于服务能处理的最大极限值，触发限流策略

2，请求速度小于或等于漏桶的流出速度，也就是服务处理能力等于或是大于请求量，正常执行

缺点：当系统在短期突发大流量，漏桶算法无法处理

令牌桶算法

令牌桶，在一个桶容器中，装有一定数量的令牌，系统恒定速率投递令牌到桶中。客户端连接后需要拿到一个令牌才能有访问系统的资格。令牌桶满的时候，系统投递的新令牌将被抛弃，不能放入桶内

令牌桶算法存在下面情况

1.请求速度快于令牌生成速度，当桶内令牌被拿完，就会限流

2.请求速度等于令牌生成速度，系统处于平稳，也就是最近的并发状态

3.请求速度小于令牌生成速度，系统处理能力高于请求数量，系统正常

优点：由于有一个桶的存在，能处理短时间大量流量的场景