1叽奥、漏桶限流算法

漏桶限流算法是一種常見的限流算法鉴裹，它的基本思想是模擬一個漏桶來控制流量。這個漏桶可以看作一個固定容量的桶廷没，所有的請求都先進(jìn)入到這個桶里糊饱，然后按照一定的速率流出，如果請求進(jìn)來的速度過快颠黎，超過了桶的容量另锋，那么多余的請求就會被直接丟棄或者排隊(duì)等待處理。

漏桶限流算法的實(shí)現(xiàn)方式也很簡單狭归，大致可以分為以下幾個步驟：

初始化一個固定容量的漏桶夭坪，并設(shè)置流出速率。
當(dāng)有請求進(jìn)來時过椎，先將其放入漏桶中室梅。
如果漏桶還有剩余容量，那么這個請求就可以被處理潭流，同時從漏桶中流出一個請求竞惋。
如果漏桶已經(jīng)滿了，那么這個請求就被丟棄或者排隊(duì)等待處理灰嫉。
在實(shí)際編程中，我們可以使用一個定時任務(wù)來模擬漏桶的流出速率嗓奢，每次定時任務(wù)執(zhí)行時讼撒，從漏桶中流出一個請求進(jìn)行處理。

以下是一個簡單的Java實(shí)現(xiàn)漏桶限流算法的示例代碼：

public class LeakyBucket {
    private final int capacity;  // 漏桶容量
    private final int rate;      // 流出速率股耽，單位為請求數(shù)/秒
    private int water;           // 當(dāng)前水量
    private long timestamp;      // 上次流出時間

    public LeakyBucket(int capacity, int rate) {
        this.capacity = capacity;
        this.rate = rate;
        this.water = 0;
        this.timestamp = System.currentTimeMillis();
    }

    public boolean allowRequest() {
        // 先計算當(dāng)前漏桶中的水量
        long now = System.currentTimeMillis();
        int out = (int) ((now - timestamp) / 1000 * rate);
        water = Math.max(0, water - out);

        // 檢查漏桶是否已經(jīng)滿了
        if (water >= capacity) {
            return false;  // 漏桶已滿根盒，拒絕請求
        }

        // 漏桶還有剩余容量，將請求放入漏桶中物蝙，并更新時間戳和水量
        timestamp = now;
        water++;
        return true;
    }
}

在上面的代碼中炎滞，LeakyBucket類表示一個漏桶限流器，它包含漏桶的容量诬乞、流出速率册赛、當(dāng)前水量以及上次流出時間等屬性钠导。allowRequest方法用于處理請求，如果漏桶還有剩余容量森瘪，那么這個請求就可以被處理牡属，同時從漏桶中流出一個請求。否則扼睬，漏桶已滿逮栅，拒絕請求。

2窗宇、滑動窗口限流算法

滑動窗口限流算法是一種常見的限流算法措伐，用于控制請求流量，防止系統(tǒng)被過多的請求壓垮军俊。

該算法的基本思想是侥加，將時間劃分成固定大小的多個時間段，每個時間段稱為一個桶蝇完，將請求分配到不同的桶中官硝。如果某個桶中的請求數(shù)量超過了閾值，就拒絕該桶中多余的請求短蜕。

具體實(shí)現(xiàn)中氢架，我們可以使用一個固定大小的隊(duì)列來表示滑動窗口，隊(duì)列中的每個元素表示一個時間段對應(yīng)的桶朋魔。每當(dāng)有請求到來時岖研，就將其放入當(dāng)前時間段對應(yīng)的桶中，并計算當(dāng)前滑動窗口中所有桶的請求數(shù)量警检。如果總請求數(shù)量超過了閾值孙援，就拒絕該請求。同時扇雕，我們需要定期移除隊(duì)列中最老的元素拓售，以保證滑動窗口能夠不斷向前移動。

滑動窗口限流算法簡單易懂镶奉，適用于大多數(shù)場景础淤，但需要根據(jù)具體業(yè)務(wù)場景調(diào)整桶的大小和閾值的設(shè)定，以達(dá)到最佳的限流效果哨苛。

import java.util.LinkedList;
import java.util.Queue;

public class SlidingWindowRateLimiter {
    private Queue<Long> window;
    private final int limit;
    private final long windowSize;

    public SlidingWindowRateLimiter(int limit, long windowSize) {
        this.window = new LinkedList<>();
        this.limit = limit;
        this.windowSize = windowSize;
    }

    public synchronized boolean tryAcquire() {
        long now = System.currentTimeMillis();
        if (window.size() >= limit) {
            long oldest = window.peek();
            if (now - oldest < windowSize) {
                return false; // Reject request
            }
            window.poll();
        }
        window.offer(now);
        return true; // Accept request
    }
}