一、引言
在高并发系统中，经常需要限制系统中的电流化妆。一方面是防止大量的请求使服务器过载，导致服务不可用，另一方面是防止网络攻击。
常用的限流方法，如hystrix、应用线程池隔离、超过线程池的负载和go融合逻辑。一般来说，应用服务器（如Tomcat容器）通过限制线程数量来控制并发性，而流量也由时间窗口的平均速度来控制。常见的限流纬度包括IP、URI和用户访问频率的限流。
_当前的限制通常在网关层完成，如nginx、openresty、kong、zuul、spring cloud gateway等，也可以通过aop在应用层完成。
2。限流算法
1。计数器算法
_计数器算法利用计数器来实现限流是有点简单和粗糙的，一般我们会限制一秒钟内可以传递的请求数，比如限流qps是100，算法的思想是从第一个请求开始计时，在下一个1s中，每个请求的计数都会增加1，如果累积ve数达到100，随后的请求将完成。部门拒绝了。1s后，将计数恢复为0并重新开始计数。具体实现如下：对于每个服务调用，可以添加计数器1和Atomiclong incrementandget（）方法返回的最新值，并将最新值与阈值进行比较。这种实现方式，我相信大家都知道有一个缺点：如果我在一个单位时间的前10毫秒内通过了100个请求，那么后面的990毫秒只能眼睁睁地拒绝请求。我们称这种现象为“尖峰现象”。
2。漏桶算法
为了消除“尖峰现象”，可以采用漏桶算法来实现电流限制。漏桶算法的名字非常生动。算法中有一个容器，类似于日常生活中使用的漏斗。当请求进入时，相当于水倒入漏斗，然后从下小口缓慢均匀地流出。无论上面的流量有多大，下面的流量保持不变。无论服务调用者多么不稳定，都会使用泄漏桶算法来限制电流，并每隔10毫秒处理一次请求。因为处理速度是固定的，所以传入请求的速度是未知的。可能有许多请求突然出现。无法处理的请求首先放在存储桶中。因为它是一个桶，所以必须有一个容量上限。如果存储桶满了，新的请求将被丢弃。
_在算法的实现中，可以准备一个队列来保存请求，可以使用线程池（调度执行器服务）来定期从队列中获取请求并执行它们，从而一次获得多个并发执行。
该算法在使用后也有不足之处：不能处理短突发流量。
三。令牌桶算法
从某种意义上说，令牌桶算法是对漏桶算法的改进。bucket算法可以限制请求调用的速率，而token bucket算法可以限制平均调用速率，同时允许一定程度的突发调用。在令牌存储桶算法中，有一个存储固定数量令牌的存储桶。算法中有一种机制，可以以一定的速率将令牌放入存储桶中。每个请求调用都需要首先获取令牌。只有获得令牌后，才能继续执行。否则，选择是等待可用的令牌或直接拒绝。玩代币是一个连续的动作。如果桶中的令牌数达到上限，则将丢弃这些令牌。所以这种情况存在。桶中有大量可用的令牌。此时，可以通过令牌直接执行传入请求。例如，将qps设置为100，然后在当前限制器初始化后一秒钟，桶中有100个令牌。此时，服务还不可用。启动完成后，限流器能承受100个瞬时请求。因此，请求只在bucket中没有令牌时等待，这相当于以一定的速率执行。
_实现思想：您可以准备一个队列来保存令牌，并通过线程池定期将令牌生成到队列中。每个请求，您都可以从队列中获取一个令牌并继续执行。
三。Spring Cloud网关电流限制
在SpringCloudGateway中，有过滤器，所以上面提到的三个过滤器可以自己实现i