当前位置：首页 > news >正文

Java面试绝杀！令牌桶漏桶别再只会背概念！高阶答题+源码实战碾压面试官

news 2026/5/22 15:31:18

📝 前言（博主真心话）

大家好，我是直奔標竿✨

限流是Java后端面试必问高频题，10场面试8场考令牌桶、漏桶。绝大多数求职者只会死记硬背：漏桶匀速、令牌桶允许突发，面试官一听就判定基础水平，直接压薪资。

很多面试官深挖追问：

为什么Nginx用漏桶，网关限流多用令牌桶？
两个算法底层核心瓶颈是什么？
手写算法如何解决时间戳漂移问题？
生产环境怎么选型，秒杀、接口防护分别用哪个？

本篇文章拒绝无脑堆砌概念，通俗原理+可运行Java源码+面试高阶对比+真实业务场景+八股文满分话术，看完直接甩开80%的面试者，面试全程高阶输出，拿捏面试官！

💡 适合人群：备战秋招/社招、想要拔高面试回答、想要吃透限流底层原理的Java开发者

一、限流核心作用（面试开篇必说）

高并发系统中，流量突增会导致服务卡顿、线程打满、数据库宕机，甚至引发服务雪崩。限流就是牺牲部分非核心请求，保护核心服务稳定运行，常见位置：网关层、业务接口层、中间件层。

主流限流算法：固定窗口、滑动窗口、漏桶、令牌桶。其中漏桶、令牌桶是面试重中之重。

二、漏桶算法（Leaky Bucket）——匀速限流王者

2.1 通俗原理

把桶想象成底部带小孔的水桶：

请求是水流，从桶顶部流入；
桶底小孔固定速率匀速漏水（处理请求）；
水流过大、桶存满后，多余水直接溢出（拒绝请求）。

核心本质：控制请求流出速率，强制流量绝对平滑，拒绝一切突发流量。

2.2 核心优缺点（面试必背）

✅ 优点：

流量极致平滑，输出速率恒定；
抗冲击能力强，杜绝流量毛刺，保护后端服务。

❌ 缺点：

无法应对突发流量，瞬时大量请求直接被拦截；
吞吐量固定，无法利用系统空闲资源。

2.3 Java极简手写代码（生产简易版）

采用时间戳计算漏水数量，无需定时任务，性能更高，规避线程调度开销：

/** * @author 直奔標竿 * 漏桶算法实现 */ public class LeakyBucketRateLimiter { // 桶容量（最大存储请求数） private final int capacity; // 每秒漏水个数（固定处理速率） private final long leakRate; // 当前桶内请求数量 private int currentWater; // 上一次刷新时间戳 private long lastRefreshTime; public LeakyBucketRateLimiter(int capacity, long leakRate) { this.capacity = capacity; this.leakRate = leakRate; this.currentWater = 0; this.lastRefreshTime = System.currentTimeMillis(); } // 判断请求是否放行 public synchronized boolean allowRequest() { // 1.计算时间差，流出对应数量的请求 long now = System.currentTimeMillis(); long passTime = now - lastRefreshTime; int leakWater = (int) (passTime / 1000 * leakRate); // 更新桶内水量（不能小于0） currentWater = Math.max(0, currentWater - leakWater); lastRefreshTime = now; // 2.判断桶是否装满 if (currentWater < capacity) { currentWater++; return true; } // 桶满，拒绝请求 return false; } // 测试演示 public static void main(String[] args) throws InterruptedException { LeakyBucketRateLimiter limiter = new LeakyBucketRateLimiter(10, 2); for (int i = 1; i <= 20; i++) { System.out.println("第"+i+"个请求："+(limiter.allowRequest() ? "放行" : "拒绝")); Thread.sleep(100); } } }

2.4 真实业务场景

Nginx限流：底层采用漏桶，平滑流量，防止后端被突发流量打垮；
日志上报、心跳上报：要求流量均匀，不允许瞬时大量请求。

三、令牌桶算法（Token Bucket）——突发流量克星

3.1 通俗原理

桶中存放令牌，系统固定速率往桶内投放令牌：

请求到来必须获取令牌，无令牌直接拒绝；
桶有最大容量，令牌满了就停止投放；
系统空闲时囤积令牌，流量突增时消耗囤积令牌，允许合理突发流量。

核心本质：控制请求流入速率，保留突发流量能力，灵活适配业务峰值。

3.2 核心优缺点（面试高频）

✅ 优点：

支持突发流量，空闲囤积令牌，瞬时高并发可放行；
流量管控灵活，适配大部分互联网业务。

❌ 缺点：

流量平滑性差，瞬时峰值高，对后端抗压能力有要求；
实现逻辑比漏桶复杂。

3.3 Java手写令牌桶（极简无依赖）

同样采用时间戳增量计算，不开启定时任务，高并发下性能优异：

/** * @author 直奔標竿 * 令牌桶算法实现 */ public class TokenBucketRateLimiter { // 桶最大容量（最大令牌数） private final int capacity; // 每秒生成令牌数量 private final long tokenRate; // 当前剩余令牌数 private int currentToken; // 上一次生成令牌时间 private long lastGenerateTime; public TokenBucketRateLimiter(int capacity, long tokenRate) { this.capacity = capacity; this.tokenRate = tokenRate; this.currentToken = capacity; this.lastGenerateTime = System.currentTimeMillis(); } // 请求获取令牌 public synchronized boolean acquireToken() { long now = System.currentTimeMillis(); // 计算时间差，补充令牌 long passTime = now - lastGenerateTime; int addToken = (int) (passTime / 1000 * tokenRate); // 令牌不能超过最大容量 currentToken = Math.min(capacity, currentToken + addToken); lastGenerateTime = now; // 有令牌则放行 if (currentToken > 0) { currentToken--; return true; } return false; } // 测试：模拟突发流量 public static void main(String[] args) throws InterruptedException { TokenBucketRateLimiter limiter = new TokenBucketRateLimiter(20, 2); // 前20个请求瞬间发送（模拟突发流量） for (int i = 1; i <= 30; i++) { System.out.println("第"+i+"个请求："+(limiter.acquireToken() ? "放行" : "拒绝")); Thread.sleep(50); } } }

3.4 真实业务场景

秒杀、抢购活动：瞬时流量暴增，需要允许突发请求；
网关层限流（Spring Cloud Gateway）、OpenFeign接口限流；
用户登录、下单接口：日常流量低，峰值流量高。

四、面试高阶对比（面试官最爱追问）

4.1 核心区别对照表（直接背）

对比维度	漏桶算法	令牌桶算法
管控方向	控制流出速率（匀速处理）	控制流入速率（按需放行）
突发流量	不支持，直接拦截	支持，可囤积令牌
流量平滑度	极高，无流量毛刺	一般，存在瞬时峰值
典型应用	Nginx、数据上报	网关、秒杀、业务接口
系统利用率	低，空闲资源无法利用	高，空闲囤积令牌