本文主要是介绍几种常用限流算法之计数器算法/漏桶算法/令牌桶算法对比？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
| 定义 | 优点 | 缺点 | 实现方式 | |
| 计数器算法 | 从第一个请求进来开始计时，在接下去的1s内，每来一个请求，就把计数加1，如果累加的数字达到了100，那么后续的请求就会被全部拒绝。等到1s结束后，把计数恢复成0，重新开始计数。 | 简单、方便 | 突刺现象 | AutomicLong LongAddter |
| 漏桶算法 | 算法内部有一个容器，类似生活用到的漏斗，当请求进来时，相当于水倒入漏斗，然后从下端小口慢慢匀速的流出。 | 可以消除突刺现象 | 不管上面流量多大，下面流出的速度始终保持不变。可能突然进来很多请求，没来得及处理的请求就先放在桶里，如果桶满了，那么新进来的请求就丢弃。 无法应对短时间的突发流量 | 队列保存请求，线程池定期从队列中获取请求并执行 |
| 令牌桶算法 | 存在一个桶，用来存放固定数量的令牌。算法中存在一种机制，以一定的速率往桶中放令牌。每次请求调用需要先获取令牌，只有拿到令牌，才有机会继续执行，否则选择选择等待可用的令牌、或者直接拒绝。 | 可以应对短时间的突发流量 | 队列保存令牌，线程池定期生成令牌放到队列中，每来一个请求，就从队列中获取一个令牌，并继续执行。 |
突刺现象
如果我在单位时间1s内的前10ms，已经通过了100个请求，那后面的990ms，只能眼巴巴的把请求拒绝。
限流算法
漏桶算法示意图
令牌桶算法示意图
推荐用LongAdder
先来看一下AtomicLong.incrementAndGet()方法的源码
public final long incrementAndGet() {return unsafe.getAndAddLong(this, valueOffset, 1L) + 1L;
}接着跟踪Unsafe类的getAndAddLong方法
可以清楚地看到，AtomicLong的原子性自增操作，是通过CAS实现的。
在多线程竞争不激烈的情况下，这样做是合适的。但是如果线程竞争激烈，会造成大量线程在原地打转、不停尝试去修改值，但是老是发现值被修改了，于是继续自旋。这样浪费了大量的CPU资源。
而且，由于AtomicLong持有的成员变量value是volatile关键字修饰的，线程修改了临界资源后，需要刷新到其他线程，也是要费一番功夫的。
而LongAdder也有一个volatile修饰的base值，但是当竞争激烈时，多个线程并不会一直自旋来修改这个值，而是采用了分段的思想。竞争激烈时，各个线程会分散累加到自己所对应的Cell[]数组的某一个数组对象元素中，而不会大家共用一个。
这样做，可以把不同线程对应到不同的Cell中进行修改，降低了对临界资源的竞争。本质上，是用空间换时间。
LongAdder源码
public void add(long x) {Cell[] as; long b, v; int m; Cell a;if ((as = cells) != null || !casBase(b = base, b + x)) {boolean uncontended = true;if (as == null || (m = as.length - 1) < 0 ||(a = as[getProbe() & m]) == null ||!(uncontended = a.cas(v = a.value, v + x)))longAccumulate(x, null, uncontended);}}这篇关于几种常用限流算法之计数器算法/漏桶算法/令牌桶算法对比？的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
