Sentinel 的限流原理基于 流量统计 和 流量控制策略，通过动态规则对系统资源进行保护。其核心设计包括以下几个关键点：

1. 流量统计模型：滑动时间窗口
   Sentinel 使用 滑动时间窗口算法 统计单位时间内的请求量，相比传统的固定时间窗口，能更精确地反映实时流量特征。

窗口划分：将时间划分为多个小的时间片段（如1秒划分为2个500ms的窗口），窗口之间部分重叠。

滑动统计：随着时间推移，窗口动态滑动，统计最近的请求量，避免固定窗口的临界突变问题。

示例：若设置 QPS=100，Sentinel 会实时统计最近1秒内的请求量，超过阈值时触发限流。

2. 流量控制策略
   根据不同的场景，Sentinel 提供多种流量控制策略：

(1) 直接拒绝（默认策略）
当请求量超过阈值时，立即拒绝请求（抛出 FlowException）。

适用场景：对实时性要求高，允许快速失败的系统。

(2) 匀速排队（Rate Limiter）
将突发的请求以固定间隔（如 QPS=100 → 间隔10ms）匀速放行，避免突发流量压垮系统。

实现原理：类似漏桶算法，通过排队平滑流量。

适用场景：需要处理突发流量但希望系统压力平稳的场景（如消息队列消费）。

(3) Warm Up（冷启动）
系统冷启动时逐步增加阈值，避免瞬时流量超过系统承载能力。

实现原理：结合令牌桶算法，初始阶段阈值较低，随时间逐步提升至预设值。

适用场景：长期低负载的系统突然面临流量激增（如秒杀活动预热）。

(4) 关联流量控制
根据关联资源的流量状态限流。例如，若资源A的流量激增，则限制资源B的访问。

适用场景：多个资源存在依赖关系，需优先保障核心资源。

3. 规则动态配置
   Sentinel 的限流规则支持动态调整，可通过以下方式管理：

硬编码规则：在代码中直接定义规则（不推荐）。

配置文件：通过 YAML 或 Properties 文件配置。

控制台动态推送：通过 Sentinel Dashboard 实时修改规则并生效，无需重启服务。

4. 底层实现细节
   (1) 统计数据结构
   使用 数组 或 时间轮 存储时间窗口的统计数据，保证高性能（时间复杂度 O(1)）。

(2) 责任链模式
通过责任链模式串联流量控制、熔断降级、系统保护等逻辑，逐层校验请求合法性。

(3) 上下文传递
通过 Context 对象传递调用链信息（如入口资源、调用来源），支持更细粒度的控制。

5. 与其他组件的对比
   特性 Sentinel Hystrix
   流量统计模型 滑动时间窗口 固定时间窗口
   限流策略 直接拒绝、匀速排队、冷启动 线程池隔离、信号量隔离
   动态规则配置 支持实时推送 需重启生效
   系统自适应保护 支持（基于 Load、CPU 等） 不支持
6. 典型应用场景
   API 接口限流：防止高频调用导致服务崩溃。

微服务熔断：结合熔断降级规则，快速失败并恢复。

消息队列消费控速：匀速消费，避免下游系统过载。

秒杀系统：通过 Warm Up 和排队机制平滑流量。

总结
Sentinel 的限流通过 滑动时间窗口统计实时流量 和 多样化控制策略 实现精准流量控制，结合动态规则配置和系统自适应保护，能在高并发场景下有效保障系统稳定性。其设计核心是 实时性、灵活性 和 低开销，适合分布式系统的流量治理需求。