在高并发的场景下，我们的优化和保护系统的方式通常有：多级缓存、资源隔离、熔断降级、限流等等。
今天我们来聊聊限流。
引子
我们为什么需要限流？
举个比较简单的例子，正常来说，一个员工A他每天能够处理的工作是10个，突然某一天来了100个工作量，这时候，如果员工A还处理100个，只有一种可能，这个员工被压垮。
如果我们能预先知道会有100个任务回来，我们可以做加员工数或定义消息队列等等。但是我们很多时候无法预料这些意外的。根据墨菲定律，坏事往往会接踵而来，有可能某个点挂了会引起全局的挂掉（雪崩）。因此我们不得不对我们的系统做一些保护措施。限流是其中之一。
针对秒杀这类场景，我们也可以做一些限流措施，而不影响到系统全局。
限流方式之计数器(滑动窗口协议)
思路：限速，我们可能第一个想到的应该是，我通过一个计数器，进行技术，如果超过了计数器阀值，表示速度太快了。一秒一个计数器。
为了便于阅读，我只截图了主要的代码片段。
这样有个问题就是：粒度太大了，不均匀，针对1秒一下的，没法辨析。
我们能不能把粒度拆细了，1秒拆成10个100毫秒。每一个100毫秒有一个计数器。了解TCP/IP的应该知道，TCP/IP为了增加传输速度和控制传输速度，有个叫“滑动窗口协议”。
就算拆得再细，也无法解决匀速限制速度的问题。
而且还有个临界点问题，比如假如，一秒限制10个请求，在第1秒钟，第2秒 之间，第1秒后半段时间10个请求，第2秒前半段10个请求，那第1秒后半段+第2秒前半段时间组成的一秒钟里就有20个请求，没有起到限速的作用。
有没有更好的办法呢？
限速方式之漏桶算法
在生活中，如果一桶有一个细眼，我们往里面装水，可以看到水是一滴一滴匀速的下落的，哪我们能不能通过程序来实现这种方式呢。
思路：桶为容器，一滴水为一请求。如果桶满了就拒绝请求，没满处理请求。
代码片段
在段代码中
- 首先计算这次请求与上次请求来的时候，总共漏了多少水。
- 看一下桶里面还剩多少水，有没有溢出。
- 如果溢出了拒绝请求，如果没有添加当前一滴水。处理请求。
对于很多应用场景来说，除了要求能够限制数据的平均传输速率外，还要求允许某种程度的突发传输。这时候漏桶算法可能就不合适了，令牌桶算法更为适合。
什么意思呢？就是说我服务前面闲了很久，突然来了很多请求（在桶的容量内），我得快速的把这些处理了。
限速方式之令牌桶算法
思路：匀速的产生令牌，往桶里面丢，每次请求来，看是否有多余的令牌。如果有获取令牌执行正常业务，偌没有限速。
代码片段
通过这种方式可以允许瞬时的大量处理，然后做限速处理。
- 请求来的时候先计算目前放入桶中的令牌数，这里计算，就可以不用启动一个线程匀速放置令牌了，这个叫惰性计算。
- 然后计算桶拥有的令牌数。然后获取令牌。做拒绝还是处理动作。
以上代码，你均可以在
https://github.com/hirudy/java_lib/tree/master/src/main/java/com/hirudy/limiter
找到。
单机限速器RateLimiter
安利大家一个高效的限速器。
google的基础库guava中包含了一个基于令牌桶的限速器RateLimiter。使用也很简单。
