常见限流算法
常见的限流算法包括 固定时间窗口计数器算法，滑动时间窗口计数器算法，漏桶算法，令牌桶算法。下面我将介绍一下这几种算法的优劣性及适用场景。
固定时间窗口计数器算法：
原理：按照时间划分窗口，每个窗口内维护一个计数器，当计数器的值小于限流阈值时，拒绝请求，否则放行。
优点：空间消耗低，算法复杂度低
缺点：尖刺问题，就是说在窗口边界的地方，可能会有大流量，压垮系统。例如时间窗口为1s,限流为5qps,那么假设在0.9s时，来了4个请求，放行。在1.1s的时候又来了4个请求，也放行。这会导致实际上在这0.2s内，实际放行了8个请求，这个可能会对系统造成一些破坏。
适用场景：流量平稳的系统。例如登陆尝试次数限制
滑动时间窗口计数器算法：
原理：同上面的固定时间窗口类似，也会有时间窗口的概念，只是它将时间窗口划分成了更小的粒度，窗口是可以移动的。例如当来到了0.1s时，此时的窗口就是0.1s-1.1s。
优点：解决了固定时间窗口的边界问题，流量比较平稳
缺点：因为维护了更小力度的窗口及统计，所以空间和时间复杂度更高，而且会直接拒绝超过阈值的请求，没法儿让请求排队。
适用场景：qps限流，例如sentinel中的qps限流直接拒绝策略就是使用的滑动时间窗口
漏桶算法
原理：有一个维护请求的桶，相当于一个缓冲区，然后桶以一定的速率放行请求。
优点：流量整形，使请求以平缓的速率进来，可以缓冲流量。
缺点：无法面对突发流量
适用场景：需要流量整形的地方，流量缓冲的场景。例如sentinel的qps限流的排队等待策略
令牌桶算法
原理：有一个维护令牌的桶，按照一定的速率生成令牌，放入桶中，如果请求获得了令牌就放行，否则就拒绝
优点：可以面对一定的突发流量
缺点：放行的流量不平缓，无法起到流量缓冲的目的
适用场景：需要接受一些突发的流量的场景。sentinel的warm up就是用的这种，还有一些开放平台的api调用次数限制也适用用这个。