本篇文章为你整理了限流（限流保护器）的详细内容，包含有限流孔板 限流保护器 限流了怎么办怎么恢复限流 限流式电气防火保护器 限流，希望能帮助你了解 限流。
系统存在服务上限，流量超过服务上限会导致系统卡死、崩溃。
限流：为了在高并发时系统稳定可用，牺牲或延迟部分请求流量以保证系统整体服务可用。
限流算法
固定窗口计数
将时间划分为多个窗口；
在每个窗口内每有一次请求就将计数器加一；
如果计数器超过了限制数量，则本窗口内所有的请求都被丢弃，当时间到达下一个窗口时，计数器重置。
将时间划分为多个区间；
在每个区间内每有一次请求就将计数器加一维持一个时间窗口，占据多个区间；
每经过一个区间的时间，则抛弃最老的一个区间，并纳入最新的一个区间；
如果当前窗口内区间的请求计数总和超过了限制数量，则本窗口内所有的请求都被丢弃。
将每个请求视作"水滴"放入"漏桶"进行存储；
"漏桶"以固定速率向外"漏"出请求来执行如果"漏桶"空了则停止"漏水"；
如果"漏桶"满了则多余的"水滴"会被直接丢弃。
令牌以固定速率生成；
生成的令牌放入令牌桶中存放，如果令牌桶满了则多余的令牌会直接丢弃，当请求到达时，会尝试从令牌桶中取令牌，取到了令牌的请求可以执行；
如果桶空了，那么尝试取令牌的请求会被直接丢弃。
在实现上是相同的基本算法，描述不同。
给定等效参数的情况下，这两种算法会将完全相同的数据包视为符合或不符合。
两者实现的属性和性能差异完全是由于实现的差异造成的，即它们不是源于底层算法的差异。
漏桶算法在用作计量时，可以允许具有抖动或突发性的一致输出数据包流，可用于流量管制和整形，并且可以用于可变长度数据包。
漏桶 - wikipedia
令牌桶 - wikipedia
利用 Spring 拦截器实现
使用方式：Controller 方法或类加上限流注解，请求到达拦截器时进行拦截处理
使用 Redis 记录数据，Lua 保证多个命令原子性执行。
@RequestMapping("/ratelimit/custom")
@RateLimit(threshold = 10, rateLimiter = RateLimiterEnum.FIXED_WINDOW, time = 10, timeUnit = TimeUnit.SECONDS)
public class RateLimitController {
@GetMapping("/fixed/window")
@RateLimit(threshold = 10, rateLimiter = RateLimiterEnum.FIXED_WINDOW, time = 10, timeUnit = TimeUnit.SECONDS)
public ResponseResult String fixedWindow(Long id) {
id += RandomUtil.randomLong();
log.info("custom:fixedWindow:{}", id);
return ResponseResult.success("custom:fixedWindow:" + id);
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
if (!(handler instanceof HandlerMethod)) {
return true;
HandlerMethod handlerMethod = ((HandlerMethod) handler);
// 从方法和类上获取注解
RateLimit annotation = AspectUtil.findMethodOrClassAnnotation(handlerMethod.getMethod(),
RateLimit.class);
if (annotation == null) {
return true;
AspectKeyTypeEnum.KeyTypeData data = AspectKeyTypeEnum.KeyTypeData.builder()
.prefix("rate:limit").key(annotation.key()).build();
String limitKey = annotation.keyType()
.obtainTypeKey(handlerMethod.getMethod(), handlerMethod.getMethodParameters(), data);
RateLimiterEnum limiterEnum = annotation.rateLimiter();
// 执行限流脚本
Long isLimit = redisUtil.execute(limiterEnum.obtainScript(),
Lists.newArrayList(limitKey), limiterEnum.obtainArgvs(annotation).toArray());
if (isLimit != null isLimit != 0L) {
return true;
throw new ResponseException(ResponseEnum.RATE_LIMITED);
if (count capacity) then
-- 往 zset 中添加一个值、得分均为当前时间戳的元素，[value,score]
redis.call("ZADD", key, now, ukid);
-- 重置 zset 的过期时间，单位毫秒
redis.call("PEXPIRE", key, ttl);
res = 1;
-- 被限流返回0，未被限流返回1
return res;
-- 当前存储的水量，默认为0，存在保存值使用保存值
local stored_water = tonumber(info[2]);
if (stored_water == nil) then
stored_water = 0;
if (last_time ~= nil) then
-- 根据上次处理时间和当前时间差，计算流出后的水量
local leaked_water = math.floor((now - last_time) * rate);
stored_water = math.max(stored_water - leaked_water, 0);
if (leaked_water 0) then
last_time = nil;
-- 首次访问、泄露了水 设置上次处理时间
if (last_time == nil) then
redis.call("HSET", key, "last_time", now);
-- 被限流返回0，未被限流返回1
local res = 0;
if (capacity stored_water) then
redis.call("HSET", key, "stored_water", stored_water + 1);
res = 1;
redis.call("PEXPIRE", key, ttl);
return res;
local last_time = tonumber(info[1]);
-- 令牌数量，默认为最大访问量，存在保存值使用保存值
local stored_tokens = tonumber(info[2]);
if (stored_tokens == nil) then
stored_tokens = capacity;
if (last_time ~= nil) then
-- 根据上次处理时间和当前时间差，触发式往桶里添加令牌
local add_tokens = math.floor((now - last_time) * rate);
stored_tokens = math.min(add_tokens + stored_tokens, capacity);
if (add_tokens 0) then
last_time = nil;
-- 首次访问、添加了令牌 设置上次处理时间
if (last_time == nil) then
redis.call("HSET", key, "last_time", now);
-- 被限流返回0，未被限流返回1
local res = 0;
if (stored_tokens 0) then
redis.call("HSET", key, "stored_tokens", stored_tokens - 1);
res = 1;
redis.call("PEXPIRE", key, ttl);
return res;
以上就是限流（限流保护器）的详细内容，想要了解更多 限流的内容，请持续关注盛行IT软件开发工作室。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。