一 ”两窗两桶“限流算法
1、固定窗口
固定窗口指的是为一定时间段的流量设置一个阈值，超过则触发限流策略（丢弃或者停留），然后直到下一个时间段重新置零开始计数，
这种策略很明显一个缺点是这个时间段的间隔要设置得好，否则会存在一个问题，就是无法“削峰填谷”，当时间间隔设为10秒100个请求量时，本来是应该正常每秒10个请求，但是突然第一秒就来了100个请求，在第一秒就变成100个请求每秒了，所以是没法达到限流缓冲的效果，所以这种策略比较粗暴简单。
2、滑动窗口
滑动窗口算法 类似于我们学过TCP的滑动窗口，对固定窗口的一种优化，
1、四种策略该如何选择？
首先，固定窗口。一般来说，如非时间紧迫，不建议选择这个方案，太过生硬。但是，为了能快速止损眼前的问题可以作为临时应急的方案。
其次，滑动窗口。这个方案适用于对异常结果「高容忍」的场景，毕竟相比“两窗”少了一个缓冲区。但是，胜在实现简单。
然后，漏桶。个人觉得这个方案最适合作为一个通用方案。虽说资源的利用率上不是极致，但是「宽进严出」的思路在保护系统的同时还留有一些余地，使得它的适用场景更广。
最后，令牌桶。当你需要尽可能的压榨程序的性能（此时桶的最大容量必然会大于等于程序的最大并发能力），并且所处的场景流量进入波动不是很大（不至于一瞬间取完令牌，压垮后端系统）。
三、如何做分布式限流
如果要分布式限流，那么单机限流的策略其实只需要移植一下，用新的工具如redis+lua 或者nginx+lua 又或者用zookeeper也是可以实现的，下面先具体讲讲redis+lua的分布式限流的思路和代码例子，其他有空再补上。
redis做限流的思路是先设置一个key=service1的记录，值为流量，和时间戳。这些用lua来主要是因为redis不支持事务，而lua脚本是作为一个原子操作一起执行的，lua脚本也是会存在reids内存中作为经常执行的命令串。
下面是固定窗口算法的lua脚本
1 local key = KEYS[1] 2 local limit = tonumber(KEYS[2]) ## 限流 3 local current = tonumber(redis.call('get', key) or 0) 4 5 if current + 1 > limit then 6 return 0 7 else 8 redis.call("INCRBY", key,"1") ## 对key 加1操作 9 redis.call("EXPIRE", key,"10") ## 过期时间设为10秒 10 return 1 11 end
下面是令牌桶算法的lua脚本
1 --- 获取令牌 2 --- 返回码 3 --- 0 没有令牌桶配置 4 --- -1 表示取令牌失败，也就是桶里没有令牌 5 --- 1 表示取令牌成功 6 --- @param key 令牌（资源）的唯一标识 7 --- @param permits 请求令牌数量 8 --- @param curr_mill_second 当前毫秒数 9 --- @param context 使用令牌的应用标识 10 11 12 local function acquire(key, permits, curr_mill_second, context) 13 redis.pcall("HSET", key, "max_permits", "5") 14 local rate_limit_info = redis.pcall("HMGET", key, "last_mill_second", "curr_permits", "max_permits", "rate", "apps") 15 local last_mill_second = rate_limit_info[1] 16 local curr_permits = tonumber(rate_limit_info[2]) 17 local max_permits = tonumber(rate_limit_info[3]) 18 local rate = rate_limit_info[4] 19 local apps = rate_limit_info[5] 20 --- 标识没有配置令牌桶 21 if type(apps) == 'boolean' or apps == nil or string.find(apps, context, 1)~=nil then 22 redis.pcall("HSET", key, "apps", context) 23 apps=context 24 end 25 if type(rate) == 'boolean' or rate == nil then 26 redis.pcall("HSET", key, "rate", "0.2") 27 rate=0.2 28 end 29 if type(curr_permits) == 'boolean' or curr_permits == nil then 30 redis.pcall("HSET", key, "curr_permits", "0") 31 end 32 local local_curr_permits = max_permits; 33 --- 令牌桶刚刚创建，上一次获取令牌的毫秒数为空 34 --- 根据和上一次向桶里添加令牌的时间和当前时间差，触发式往桶里添加令牌 35 --- 并且更新上一次向桶里添加令牌的时间 36 --- 如果向桶里添加的令牌数不足一个，则不更新上一次向桶里添加令牌的时间 37 if (type(last_mill_second) ~= 'boolean' and last_mill_second ~= false and last_mill_second ~= nil) then 38 local reverse_permits = math.floor(((curr_mill_second - last_mill_second) / 1000) * rate) 39 local expect_curr_permits = reverse_permits + curr_permits; 40 local_curr_permits = math.min(expect_curr_permits, max_permits); 41 --- 大于0表示不是第一次获取令牌，也没有向桶里添加令牌 42 if (reverse_permits > 0) then 43 redis.pcall("HSET", key, "last_mill_second", curr_mill_second) 44 end 45 else 46 redis.pcall("HSET", key, "last_mill_second", curr_mill_second) 47 end 48 local result = -1 49 if (local_curr_permits - permits >= 0) then 50 result = 1 51 redis.pcall("HSET", key, "curr_permits", local_curr_permits - permits) 52 else 53 redis.pcall("HSET", key, "curr_permits", local_curr_permits) 54 end 55 return result 56 end 57 58 59 return acquire(KEYS[1],tonumber(KEYS[2]),tonumber(KEYS[3]),KEYS[4])