限流算法

1、漏桶限流算法

漏桶限流算法是一种常见的限流算法,它的基本思想是模拟一个漏桶来控制流量。这个漏桶可以看作一个固定容量的桶,所有的请求都先进入到这个桶里,然后按照一定的速率流出,如果请求进来的速度过快,超过了桶的容量,那么多余的请求就会被直接丢弃或者排队等待处理。

漏桶限流算法的实现方式也很简单,大致可以分为以下几个步骤:

初始化一个固定容量的漏桶,并设置流出速率。
当有请求进来时,先将其放入漏桶中。
如果漏桶还有剩余容量,那么这个请求就可以被处理,同时从漏桶中流出一个请求。
如果漏桶已经满了,那么这个请求就被丢弃或者排队等待处理。
在实际编程中,我们可以使用一个定时任务来模拟漏桶的流出速率,每次定时任务执行时,从漏桶中流出一个请求进行处理。

以下是一个简单的Java实现漏桶限流算法的示例代码:

public class LeakyBucket {
    private final int capacity;  // 漏桶容量
    private final int rate;      // 流出速率,单位为请求数/秒
    private int water;           // 当前水量
    private long timestamp;      // 上次流出时间

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

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

        // 检查漏桶是否已经满了
        if (water >= capacity) {
            return false;  // 漏桶已满,拒绝请求
        }

        // 漏桶还有剩余容量,将请求放入漏桶中,并更新时间戳和水量
        timestamp = now;
        water++;
        return true;
    }
}

在上面的代码中,LeakyBucket类表示一个漏桶限流器,它包含漏桶的容量、流出速率、当前水量以及上次流出时间等属性。allowRequest方法用于处理请求,如果漏桶还有剩余容量,那么这个请求就可以被处理,同时从漏桶中流出一个请求。否则,漏桶已满,拒绝请求。

2、滑动窗口限流算法

滑动窗口限流算法是一种常见的限流算法,用于控制请求流量,防止系统被过多的请求压垮。

该算法的基本思想是,将时间划分成固定大小的多个时间段,每个时间段称为一个桶,将请求分配到不同的桶中。如果某个桶中的请求数量超过了阈值,就拒绝该桶中多余的请求。

具体实现中,我们可以使用一个固定大小的队列来表示滑动窗口,队列中的每个元素表示一个时间段对应的桶。每当有请求到来时,就将其放入当前时间段对应的桶中,并计算当前滑动窗口中所有桶的请求数量。如果总请求数量超过了阈值,就拒绝该请求。同时,我们需要定期移除队列中最老的元素,以保证滑动窗口能够不断向前移动。

滑动窗口限流算法简单易懂,适用于大多数场景,但需要根据具体业务场景调整桶的大小和阈值的设定,以达到最佳的限流效果。

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
    }
}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335