本文目录一览：
- 1、java如何进行限流?
- 2、如何实现限流功能?
- 3、常见限流算法:计数器、滑动窗口、漏桶、令牌桶
- 4、java锁之RateLimiter(限制访问速率)
- 5、面试官:Sentinel是如何实现限流的?
java如何进行限流?
滑动日志算法在每次请求时记录时间点，通过判断指定时间范围内的请求数量来实现限流，虽然能够避免时间窗口问题，但对内存占用较多。漏桶算法通过队列和固定速率的令牌生成来实现限流。请求以恒定速率消费令牌，超过阈值会触发拒绝策略。此方法能够有效防止突发流量的冲击，但处理请求时有顺序限制。
Java限流接口实现方式主要包括以下几种：固定窗口算法：实现方式：在指定周期内限制访问次数。优点：实现简单。缺点：在窗口切换时可能引发突发流量问题。滑动窗口算法：实现方式：通过动态调整时间窗口，改进固定窗口算法的缺陷。优点：较好地处理了窗口边界问题。缺点：限流不够平滑。
实现限流功能，可以***取以下几种方法：使用Semaphore：实现方式：通过Java的java.util.concurrent.Semaphore类，允许限定同时访问特定资源的线程数量。适用场景：适用于需要限制同时访问某个资源的并发线程数的场景，如在线票务系统限制同时访问票务数据库的线程数。
控制台实现限流则依赖于Sentinel控制台，通过下载并运行控制台实现限流规则的保存与配置。
Java并发库中的Semaphore主要用于控制资源访问，实现限流功能。以下是关于Semaphore的详细解基本概念：Semaphore是一种共享锁，用于控制对共享资源的访问。它通过令牌的机制来管理资源的访问，访问资源前需先获取令牌，处理完毕后需归还令牌。
除了两者各自有各自的功能外，我们通过组合使用，可以实现其它功能。例如，可以将***类如List的subList（）方法转换为skip（startIndex）.limit（endIndex - startIndex）。还可以通过组合使用skip（）和limit（）进行分页。在组合应用中，需要注意的是，如果Stream过大或是无限流，小心skip（）会有性能问题。
如何实现限流功能?
1、实现限流功能，可以***取以下几种方法：使用Semaphore：实现方式：通过Java的java.util.concurrent.Semaphore类，允许限定同时访问特定资源的线程数量。适用场景：适用于需要限制同时访问某个资源的并发线程数的场景，如在线票务系统限制同时访问票务数据库的线程数。
2、实现方式：在指定周期内限制访问次数。优点：实现简单。缺点：在窗口切换时可能引发突发流量问题。滑动窗口算法：实现方式：通过动态调整时间窗口，改进固定窗口算法的缺陷。优点：较好地处理了窗口边界问题。缺点：限流不够平滑。漏桶算法：实现方式：以固定速率处理请求，平滑流量并防止过载。
3、在Redis+Lua实现中，首先引入Lua脚本，用于读取和执行代码。Lua脚本判断是否需要执行限流操作。通过配置，可以实现基于请求速率的限流，确保在指定时间内仅允许一定数量的请求通过。Nginx提供了限制访问频率和连接数的功能，通过ngx_http_limit_req_module和ngx_http_limit_conn_module模块实现。
4、判断自己的账号是否被限流方法：***播放量为0，长时间不超过100甚至个位数；用另一个账号点击下载你的***，如果显示审核中，说明该作品正在被限流中；如果同时多个作品均显示审核中，说明账号被限流中；***播放量远低于平均水平，那么这个作品很有可能就是被限流了。抖音于2016年9月上线。
常见限流算法:计数器、滑动窗口、漏桶、令牌桶
常见的限流算法包括计数器、滑动窗口、漏桶与令牌桶。每种算法根据业务需求、统计精度与限流维度有所不同。计数器算法是简单且易于实现的限流方法，主要限制一定时间内的总并发数。其优点在于实现简单，单机环境下利用Java的原子类或分布式环境下的Redis incr即可。
令牌桶算法：令牌桶算法是网络流量整形和速率限制中最常用的一种算法，用来控制发送到网络上的数据的数目，并允许突发数据的发送。总结：计数器、漏桶、令牌桶算法限流各有特点和应用场景，不能单一维度地判断哪个算法最好。
令牌桶算法使用一个容量固定的桶来存储令牌，请求前需从桶中获取令牌。桶持续以固定速率填充令牌，允许快速响应突发流量，同时控制总体吞吐量。实现通过一个令牌计数器和一个时间线程来实现动态令牌发放。优点：灵活的流量控制，对突发流量响应迅速。缺点：令牌消耗策略需要精心设计，以平衡资源使用。
常用限流算法有计数器、滑动窗口、漏桶和令牌桶。计数器算法简单直接，每收到一次请求就增加计数，判断是否超过设定的请求数量限制。但该方法在时间临界点容易出现“突刺现象”，即短时间内大量请求涌入，超过限制。滑动窗口算法通过将时间划分为多个“窗口”，每个窗口内独立计数，有效缓解了这个问题。
滑动窗口计数器 这个解决了 1 的问题，但是时间区间的精度划分越高，算法所需的空间容量就越大。漏桶算法 漏桶算法多使用队列实现，服务的请求会存到队列中，服务的提供方则按照固定的速率从队列中取出请求并执行，过多的请求则放在队列中排队或直接拒绝。
java锁之RateLimiter(限制访问速率)
与Semaphore不同，RateLimiter通过设置许可证的分配速率来控制访问。默认情况下，许可证以每秒特定数量的速率分配，单位时间内资源的使用得到平滑控制，以避免过载。为应对高峰流量，RateLimiter还支持预热期，在此期间分配速率逐渐增长至稳定值。
RateLimiter的实现简单，只需要引入guava jar，适用于各种场景。本文介绍的源码基于版本31-jre。使用时，RateLimiter提供直观的示例，帮助用户快速上手。例如，控制任务列表的提交速率不超过每秒2个，或者以不超过5kb/s的速率产生数据流。RateLimiter的核心功能是限速，通过令牌桶算法实现。
RateLimiter，即速率限流器，其核心功能就是控制流量或访问量的速率限制。它在实际应用中发挥着重要作用，尤其在需要管理流量峰值的场景下。首先，我们来看看两种常见的限流算法：漏桶算法。
Google的guava库提供了一款名为RateLimiter的限流工具。它与Semaphore不同，Semaphore侧重于并发访问的数量限制，而RateLimiter则是通过设置许可证速率来限制访问速率。默认情况下，许可证按照预设速率平稳分配，保证系统的稳定运行。RateLimiter是线程安全的，但不保证公平性。
实现方式：利用Google Guava库中的RateLimiter类，通过配置每秒生成的令牌数来限制访问频率。适用场景：适用于需要保证资源均匀使用的场景，如API服务器。使用Bucket4j：实现方式：Bucket4j是一个基于Java的限流库，支持令牌桶和漏桶算法，易于在Spring Boot应用中集成。
面试官:Sentinel是如何实现限流的?
1、控制台实现限流则依赖于Sentinel控制台，通过下载并运行控制台实现限流规则的保存与配置。
2、在Sentinel中，限流、熔断逻辑主要在SphU.entry方法中实现。该方***在请求进入Sentinel时，对资源进行限流和熔断的逻辑处理。如果触发熔断或限流，会抛出BlockException，开发者可以自定义处理逻辑。对于业务异常，也有相应的fallback方法处理。
3、Sentinel在单机模式下的限流算***引入“资源”的概念，实现细粒度的限流策略。Sentinel集群模式则支持服务端的两种启动方式，集群限流模式下，Sentinel的规则加载和持久化方式包括使用Sentinel-dashboard功能、中间件（如zookeeper、nacos等）以及组件热部署。京东版的最佳实践包括使用方式和应用场景。
4、在 Sentinel 中，限流主要由 FlowSlot 和 FlowRuleChecker 负责。FlowSlot#entry 和 FlowRuleChecker#checkFlow 方法通过 FlowRule 设定，检查资源是否需要限流。集群限流在没有集群限流之前，存在流量分配不均导致部分实例过早限流的问题。
5、Sentinel 的核心功能通过 7 种不同的 Slot 形成的链表实现，每个 Slot 拥有特定的责任和执行逻辑，它们依次执行直至触发限流、降级等事件。每个 Slot 节点负责执行自己的业务逻辑，并调用 `fireEntry` 方法来触发下一个节点的 `entry` 方法。
