在分布式系统和高并发场景中，限流（Rate Limiting）是保护系统稳定性的核心手段之一。以下是主流限流框架及其技术实现对比，涵盖单机限流、分布式限流和云原生方案：

---

一、单机限流框架

1. Guava RateLimiter

• 算法：令牌桶算法（Token Bucket）
• 特点：
  • 简单轻量，无需外部依赖
  • 支持突发流量（预热模式）
  • 适用于单机限流
• 示例：

  RateLimiter limiter = RateLimiter.create(10); // 每秒10个令牌
  if (limiter.tryAcquire()) {
      // 执行业务逻辑
  }
  

2. Sentinel（阿里开源）

• 算法：滑动窗口、漏桶、令牌桶
• 特点：
  • 支持流量控制、熔断降级、系统保护
  • 动态规则配置（支持Nacos、ZooKeeper）
  • 提供实时监控和Dashboard
• 场景：微服务接口级限流
• 示例：

  // 定义资源名称
  try (Entry entry = SphU.entry("resourceName")) {
      // 被保护的业务逻辑
  } catch (BlockException e) {
      // 处理限流逻辑
  }
  

---

二、分布式限流框架

1. Redis + Lua脚本

• 算法：计数器、漏桶、令牌桶
• 特点：
  • 基于Redis的原子操作实现分布式限流
  • 高性能但依赖Redis稳定性
• 示例（Lua脚本）：

  local key = KEYS[1]
  local limit = tonumber(ARGV[1])
  local current = tonumber(redis.call('get', key) or "0")
  if current + 1 > limit then
      return 0
  else
      redis.call('INCR', key)
      redis.call('EXPIRE', key, 1)
      return 1
  end
  

2. Resilience4j

• 算法：滑动窗口、信号量隔离
• 特点：
  • 轻量级，支持熔断、重试、限流
  • 与Spring Boot深度集成
  • 支持响应式编程
• 示例：

  RateLimiterConfig config = RateLimiterConfig.custom()
      .limitForPeriod(100)
      .limitRefreshPeriod(Duration.ofSeconds(1))
      .build();
  RateLimiter limiter = RateLimiter.of("apiLimiter", config);
  

3. Envoy Proxy（网关层限流）

• 算法：令牌桶
• 特点：
  • 支持全局速率限制（需搭配gRPC服务）
  • 在API网关层实现全局限流
  • 云原生场景（Kubernetes + Istio）
• 配置示例：

  rate_limits:
    - actions:
        - remote_address: {}
  

---

三、云原生限流方案

1. Istio（服务网格限流）

• 实现：通过Envoy Filter和Mixer组件
• 特点：
  • 基于服务网格的无侵入式限流
  • 支持条件规则（如按请求头、路径限流）
  • 需部署控制平面（如Istio Pilot）

2. API网关集成

• Nginx：通过ngx_http_limit_req_module（漏桶算法）
• Kong：使用Rate Limiting插件（支持Redis集群）
• Spring Cloud Gateway：基于过滤器实现（支持Redis分布式限流）

---

四、算法对比

算法	特点	适用场景
固定窗口	简单，但存在临界突发流量问题	低精度限流（如活动防刷）
滑动窗口	精度高，内存占用较多（如Sentinel的统计结构）	高并发接口限流
令牌桶	允许突发流量，通过令牌生成速率控制平均流量	流量整形（如Guava）
漏桶	平滑流量，强制恒定速率	保护下游系统（如Nginx）

---

五、选型建议

1. 单机限流：Guava RateLimiter（轻量）、Sentinel（功能全面）
2. 分布式限流：Redis + Lua（自研）、Resilience4j（Spring生态）
3. 云原生场景：Istio/Envoy（服务网格）、API网关（如Nginx/Kong）
4. 动态配置：Sentinel（规则热更新）、Spring Cloud Gateway + Nacos

---

六、性能优化要点

1. 减少外部依赖：单机限流优先于分布式限流
2. 异步统计：使用滑动窗口时异步更新计数器（如Sentinel）
3. 缓存预热：避免冷启动时令牌不足
4. 降级策略：限流后返回队列化请求或静态页

通过合理选型，可平衡系统吞吐量和稳定性，典型场景下限流精度误差需控制在5%以内。