写在前面的话：

最近在学习架构方面的知识，为了强制让自己能够多思考，就决定对相关内容进行整理一下，一方面希望通过分享文章的方式能够得到一些指点，同时也希望可以给有需要的同学提供一点帮助。由于自己的段位不够，文中难免会有理解不到位的地方，还请大家不吝指教！

流量控制算法也叫流控算法、限流算法，主要是为了解决在面对不确定的和不稳定的流量冲击下，能够保障系统的稳定运行，如果系统对流量不进行控制，系统很可能会因为大流量的冲击影响系统的稳定性，情况严重时还会导致系统瘫痪。

流量的不确定性：是指无法预测到的突发流量，例如恶意攻击

流量的不稳定性：是指流量本身存在一定的规律性，例如系统使用情况存在一定的周期性

当无法控制流量入口时，我们就需要考虑流量控制，我们可以对系统整理进行流量控制，也可以对系统接入用户进行独立的流量控制，我们要结合实际业务场景选择合适的流控策略。

本篇文章就主要的流控算法做一个简单的梳理：

• 固定窗口算法

• 滑动窗口算法

• 漏桶算法

• 令牌桶算法

1. 固定窗口算法

目前处于疫情控制期间，无论走到哪都要进行检查，医院也不例外。前两天带孩子去口腔医院看牙（需提前网上预约），在进入门诊前医院对人流进行了控制，根据预约时间提前30分钟放一批人进去。说实话，这么做了以后就是排队的时候有点难熬（不过可以赶点过去哦），看病的环境和秩序比以前好多了。

我们来分析一下这个过程（暂且忽略顺序的问题，就假设大家都是按照预约时间的先后顺序排队的）：

• 首先：医院每个时段的号源是确定的，号源的个数就是我们的窗口大小

• 其次：医院门口每30分钟放一批人进入，30分钟就是窗口的有效时间

• 结果就是医院内部环境和秩序良好，达到了流量控制的目的

固定窗口算法，就是指在固定的时间窗口内按照阈值进行流量控制的算法。这个算法具有以下特点：

• 原理简单，实现容易

• 当在时间窗口内突发流量，在时间窗口切换时阻塞请求同时涌入，产生流量踩踏，系统稳定性收到考验

2. 滑动窗口算法

为了能够解决固定窗口算法在时间窗口切换时流量冲击的问题，我们可以将时间窗口划分成多个小的时间片段，每个小的时间片段有独立的计数器，当请求的时间点大于时间窗口的最大时间点时，整个窗口向右移动一个小的时间片段（丢弃最前面的时间片段，请求放在最新的时间片段上），这就是滑动窗口。时间片段划分的越多，滑动窗口的滑动就会越平滑，流量控制的也就越精确。

3. 漏桶算法

漏桶算法是定义一个有一定容量的桶，如果桶的容量未满，新的请求就被放入桶内，如果桶的容量满了，新的请求就会被丢弃，漏桶算法通过控制输出速率，平滑网络流量，起到消峰填谷的作用。

漏桶算法由于漏出的速率是固定的，所以在突发流量的情况下，并不能够有效地使用网络资源，这种情况下对于请求的处理就缺乏效率。

4. 令牌桶算法

在某些场景下除了能够限制数据的传输速率外，还要能够处理一定突发流量的情况，这时漏桶算法就不太合适了。

令牌桶算法：系统以一个恒定的频率生成令牌（token）放入桶内，当有请求需要被处理时，需要从桶里拿出一个或多个令牌（token），当桶里的令牌不足时，则新的请求将会被拒绝。与漏桶不同的是，桶里放入的是令牌，而漏桶放入的是请求，当出现突发流量时，只要桶内的令牌足够时请求就可以得到处理的机会（这里说机会，主要还是要看系统的处理能力）。