当前位置：首页 > news >正文

02-限流熔断详解

news 2026/4/15 0:43:58

限流熔断详解

一、知识概述

限流和熔断是系统自我保护的两大核心机制。限流防止系统过载，熔断防止级联故障。两者结合，构建系统的"免疫系统"。

核心目标：

保护系统不被压垮
防止故障扩散
保证核心服务可用
提供友好的降级体验

适用场景：

流量突增（营销活动、热点事件）
下游服务故障
资源耗尽（CPU、内存、连接池）
第三方服务不可用

二、知识点详细讲解

2.1 限流算法

2.1.1 固定窗口算法

原理：在固定时间窗口内限制请求数量 ┌─────────────────────────────────────┐ │ 时间窗口（1秒） │ │ │ │ ▓▓▓▓▓▓▓▓▓▓░░░░░░░░░░ │ │ 10个请求（限制） │ │ │ │ T0 ──────────────── T1 │ └─────────────────────────────────────┘ 优点：实现简单，内存占用小 缺点：边界问题（窗口边界可能突发2倍流量）

/** * 固定窗口限流器 */publicclassFixedWindowRateLimiter{privatefinalintlimit;// 限制数量privatefinallongwindowSize;// 窗口大小（ms）privatefinalAtomicIntegercounter=newAtomicInteger(0);privatefinalAtomicLongwindowStart=newAtomicLong(System.currentTimeMillis());publicFixedWindowRateLimiter(intlimit,longwindowSizeMs){this.limit=limit;this.windowSize=windowSizeMs;}publicbooleantryAcquire(){longnow=System.currentTimeMillis();longcurrentWindowStart=windowStart.get();// 检查是否需要重置窗口if(now-currentWindowStart>=windowSize){// CAS更新窗口起始时间if(windowStart.compareAndSet(currentWindowStart,now)){counter.set(0);}}// 计数器增加returncounter.incrementAndGet()<=limit;}}

2.1.2 滑动窗口算法

原理：将窗口划分为多个小格，滑动计算 ┌─────────────────────────────────────┐ │ 滑动窗口（1秒 = 10格，每格100ms） │ │ │ │ ┌───┬───┬───┬───┬───┬───┬───┬───┬───┬───┐ │ │ 1 │ 2 │ 1 │ 3 │ 2 │ 1 │ 0 │ 0 │ 0 │ 0 │ │ └───┴───┴───┴───┴───┴───┴───┴───┴───┴───┘ │ ↑ 当前位置 │ │ │ │ 总计: 1+2+1+3+2+1 = 10 (限制) │ └─────────────────────────────────────┘ 优点：解决了固定窗口的边界问题 缺点：内存占用较大

/** * 滑动窗口限流器 */publicclassSlidingWindowRateLimiter{privatefinalintlimit;// 总限制privatefinalintwindowSize;// 窗口大小（ms）privatefinalintsubWindowCount;// 子窗口数量privatefinalint[]counters;// 每个子窗口的计数privatefinallongsubWindowSize;// 子窗口大小privatelonglastTime;publicSlidingWindowRateLimiter(intlimit,intwindowSize,intsubWindowCount){this.limit=limit;this.windowSize=windowSize;this.subWindowCount=subWindowCount;this.subWindowSize=windowSize/subWindowCount;this.counters=newint[subWindowCount];this.lastTime=System.currentTimeMillis();}publicsynchronizedbooleantryAcquire(){longnow=System.currentTimeMillis();// 计算当前子窗口索引intcurrentIndex=(int)((now/subWindowSize)%subWindowCount);// 重置过期的子窗口longelapsed=now-lastTime;if(elapsed>0){intexpiredCount=(int)Math.min(elapsed/subWindowSize,subWindowCount);for(inti=0;i<expiredCount;i++){intindex=(currentIndex-i+subWindowCount)%subWindowCount;counters[index]=0;}lastTime=now;}// 计算当前总请求数inttotalCount=0;for(intcount:counters){totalCount+=count;}// 判断是否允许if(totalCount<limit){counters[currentIndex]++;returntrue;}returnfalse;}}

2.1.3 令牌桶算法

原理：以固定速率生成令牌，请求消耗令牌 ┌─────────────────────────────────────┐ │ 令牌桶 │ │ │ │ ┌─────────────────────┐ │ │ │ ▣ ▣ ▣ ▣ ▣ ▣ ▣ ▣ ░ ░ │ │ │ │ 桶中令牌（容量100） │ │ │ └─────────────────────┘ │ │ ↑ │ │ 固定速率补充 │ │ (如100个/秒) │ │ │ │ 请求 → 取令牌 → 有则通过 │ │ → 无则拒绝 │ └─────────────────────────────────────┘ 优点：允许一定程度的突发流量 适用：需要应对突发流量的场景

/** * 令牌桶限流器 */publicclassTokenBucketRateLimiter{privatefinallongcapacity;// 桶容量privatefinallongrate;// 令牌生成速率（个/秒）privatefinalAtomicLongtokens=newAtomicLong(0);privatefinalAtomicLonglastRefillTime=newAtomicLong(System.currentTimeMillis());publicTokenBucketRateLimiter(longcapacity,longrate){this.capacity=capacity;this.rate=rate;this.tokens.set(capacity);// 初始满桶}publicbooleantryAcquire(){returntryAcquire(1);}publicbooleantryAcquire(longpermits){// 补充令牌refillTokens();// 尝试获取令牌while(true){longcurrent=tokens.get();longtarget=current-permits;if(target<0){returnfalse;// 令牌不足}if(tokens.compareAndSet(current,target)){returntrue;}}}/** * 补充令牌 */privatevoidrefillTokens(){longnow=System.currentTimeMillis();longlastTime=lastRefillTime.get();if(now>lastTime){// 计算应该补充的令牌数longelapsed=now