在分布式系统蓬勃发展的当下，系统面临的流量挑战日益复杂。为确保系统在高并发场景下的稳定性与可用性，限流策略成为了关键防线。本文将深入探讨固定窗口、滑动窗口、令牌桶以及漏斗这四种常见的分布式限流方案，详细剖析它们的实现原理、各自的优缺点，助力开发者在实际项目中做出最优选择。​

固定窗口限流方案​

实现方式​

固定窗口限流是最为基础的限流策略。它将时间划分为固定长度的窗口，在每个窗口内，记录请求的数量。当请求到达时，判断当前窗口内的请求计数是否超过设定的阈值。若未超过，则允许请求通过，并将计数加一；若超过阈值，则拒绝请求。例如，设定一个窗口时长为 1 分钟，限流阈值为 100 次请求。在每分钟开始时，计数器重置为 0，每来一次请求，计数器增加 1，若在这 1 分钟内请求次数达到 101 次，后续请求将被拒绝。​

优点​

实现简单：逻辑直接明了，易于理解和编码实现，对开发人员的技术要求相对较低。​
计算量小：仅需维护一个简单的计数器和时间窗口标识，在高并发场景下，对系统资源的消耗较少。​

缺点​

存在流量突刺问题：假设窗口时长为 1 分钟，限流阈值为 100。在第一个窗口的最后一秒涌入 100 个请求，紧接着下一个窗口开始的第一秒又涌入 100 个请求，这样在 2 秒内系统就承受了 200 个请求，远超预期的平均限流速率，可能导致系统瞬间压力过大甚至崩溃。​
限流不够精准：它只能控制每个固定窗口内的总请求数，无法对窗口内不同时间段的流量进行精细控制。​

滑动窗口限流方案​

实现方式​

滑动窗口是对固定窗口的优化。它将时间窗口进行细分，例如把 1 分钟的窗口划分为 60 个 1 秒的小窗口。每个小窗口都有独立的请求计数。随着时间推移，窗口像滑动门一样逐步移动，旧的小窗口移出，新的小窗口移入。当请求到达时，不仅要判断当前所在小窗口的请求计数，还要综合考虑滑动窗口内所有小窗口的请求总数是否超过阈值。例如，1 分钟的滑动窗口划分为 60 个小窗口，限流阈值为 100。如果当前第 30 秒的小窗口内已有 5 个请求，而滑动窗口内累计请求数为 90，此时再有新请求到达，计算滑动窗口内（包含当前小窗口）的总请求数为 95，未超过 100，则允许请求通过。​

优点​

解决流量突刺问题：通过细分窗口和动态滑动，有效避免了固定窗口在窗口切换时可能出现的流量集中冲击，使限流更加平滑。​
限流更精准：能够对时间窗口内不同时刻的流量进行更细致的把控，更符合实际业务中流量分布不均匀的特点。​

缺点​

实现复杂度增加：需要维护多个小窗口的计数，以及处理窗口滑动的逻辑，代码实现相对复杂。​
资源消耗增加：由于要记录多个小窗口的状态，占用的内存等系统资源比固定窗口更多，在大规模分布式系统中，资源开销不容忽视。​

令牌桶限流方案​

实现方式​

令牌桶算法中，系统以固定的速率生成令牌并放入桶中。桶有固定的容量，当桶满时，新生成的令牌会被丢弃。每个请求在通过限流时，需要从桶中获取一个令牌。如果桶中有足够的令牌，请求可以通过；若桶中没有令牌，则请求被拒绝。例如，令牌生成速率为每秒 10 个，桶的容量为 100 个。系统会每秒向桶中添加 10 个令牌，当请求到来时，尝试从桶中取一个令牌，若桶中有令牌则请求通过，若桶为空则请求被限流。​

优点​

允许一定程度的突发流量：因为桶可以预先积累一定数量的令牌，所以在短时间内，系统能够处理比平均速率更高的流量，适应业务中偶尔出现的突发请求场景。​
限流规则灵活：通过调整令牌生成速率和桶的容量，可以轻松实现不同的限流策略，满足多样化的业务需求。​

缺点​

实现相对复杂：需要设计令牌生成、存储以及获取的机制，涉及到定时任务、数据结构等知识，开发难度较固定窗口有所提升。​
对令牌生成速率的设置要求较高：若令牌生成速率设置不合理，可能导致系统在高并发下无法有效限流或者资源利用不充分。​

漏斗限流方案​

实现方式​

漏斗算法类似于一个底部有小孔的漏斗，请求就像水一样流入漏斗。漏斗以固定的速率将请求流出（处理请求），当漏斗中的请求数量超过漏斗的容量时，新流入的请求将被拒绝。例如，漏斗的容量为 50，流出速率为每秒 5 个请求。当请求不断进入漏斗时，若漏斗内请求数未超过 50，请求按每秒 5 个的速率被处理；若漏斗已满，再有新请求进入则被限流拒绝。​

优点​

流量处理平滑：能保证请求以固定的速率被处理，不会出现流量忽大忽小的情况，对于一些对流量稳定性要求较高的系统，如数据库读写操作，能有效保护后端资源。​
实现相对简单：相较于令牌桶，漏斗算法的逻辑更为直接，只需关注请求的流入、漏斗容量以及流出速率，易于理解和实现。​

缺点​

不支持突发流量：由于请求只能以固定速率流出，无法应对业务中突然出现的大量请求，可能导致在突发流量下大量请求被拒绝，影响用户体验。​
资源利用率较低：在流量低谷期，漏斗仍以固定速率处理请求，可能造成系统资源闲置，不能充分利用系统的处理能力。​
综上所述，不同的分布式限流方案各有优劣。在实际应用中，开发者需要根据业务场景的特点，如流量特性（是否有突发流量、对流量稳定性要求等）、系统资源状况、开发成本等因素，综合权衡选择最适合的限流方案，以保障分布式系统的稳定高效运行。