只有光头才能变强。
文本已收录至我的GitHub仓库，欢迎Star：https://github.com/ZhongFuCheng3y/3y
之前在学习的时候也接触不到高并发/大流量这种东西，所以限流当然是没接触过的了。在看公司项目的时候，发现有用到限流(RateLimiter)，顺带了解一波。
一、限流基础知识介绍为啥要限流，相信就不用我多说了。
比如，我周末去饭店吃饭，但是人太多了，我只能去前台拿个号，等号码到我的时候才能进饭店吃饭。如果饭店没有限流怎么办？一到饭点，人都往里冲，而饭店又处理不了这么多人流，很容易就出事故（饭店塞满了人，无路可走。饭店的工作人员崩溃了，处理不过来)
回到代码世界上也是一样的，服务器能处理的请求数有限，如果请求量特别大，我们需要做限流（要么就让请求等待，要么就把请求给扔了）
在代码世界上，限流有两种比较常见的算法：
令牌桶算法
漏桶算法
1.1 什么是漏桶算法比如，现在我有一个桶子，绿色那块是我能装水的容量，如果超过我能装下的容量，再往桶子里边倒水，就会溢出来（限流）：
我们目前可以知道的是：
桶子的容量是固定的（是图上绿色那块）
超出了桶子的容量就会溢出（要么等待，要么直接丢弃）
OK，现在我们在桶子里挖个洞，让水可以从洞子里边流出来：
桶子的洞口的大小是固定的，所以水从洞口流出来的速率也是固定的。
所以总结下来算法所需的参数就两个：
桶子的容量
漏水的速率
漏桶算法有两种实现：
不允许突发流量的情况：如果进水的速率大于出水的速率，直接舍弃掉多余的水。比如，我的桶子容量能装100L，但我的桶子出水速率是10L/s。此时，如果现在有100L/s的水进来，我只让10L的水进到桶子，其余的都限流。（限定了请求的速度）
允许一定的突发流量情况：我的桶子能装100L，如果现在我的桶子是空的，那么这100L的水都能进我的桶子。我以10L/s的速率将这些水流出，如果还有100L的水进来，只能限流了。
经过上面的分析我们就知道：
漏桶算法可以平滑网络上的突发流量(因为漏水的速率是固定的)
1.2 什么是令牌桶算法现在我有另外一个桶子，这个桶子不用来装水，用来装令牌：
令牌会一定的速率扔进桶子里边，比如我1秒扔10个令牌进桶子：
桶子能装令牌的个数有上限的，比如我的桶子最多只能装1000个令牌。
每个请求进来，就会去桶子拿一个令牌
比如这秒我有1001个请求，我就去桶子里边拿1001个令牌，此时可能会出现两种情况：
桶子里边没有1001个令牌，只有1000个，那没拿到令牌的请求只能被阻塞了（等待）
桶子里边有1001个令牌，所有请求都可以执行。
令牌桶算法支持网络上的突发流量
漏桶和令牌桶的区别：从上面的例子估计大家也能看出来了，漏桶只能以固定的速率去处理请求，而令牌桶可以以桶子最大的令牌数去处理请求
二、RateLimiter使用RateLimiter是Guava的一个限流组件，我这边的系统就有用到这个限流组件，使用起来十分方便。
引入pom依赖：
<dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>20.0</version> </dependency>RateLimiter它是基于令牌桶算法的，API非常简单，看以下的Demo:
public static void main(String[] args) { //线程池 ExecutorService exec = Executors.newCachedThreadPool(); //速率是每秒只有3个许可 final RateLimiter rateLimiter = RateLimiter.create(3.0); for (int i = 0; i < 100; i++) { final int no = i; Runnable runnable = new Runnable() { @Override public void run() { try { //获取许可 rateLimiter.acquire(); System.out.println("Accessing: " + no + ",time:" + new SimpleDateFormat("yy-MM-dd HH:mm:ss").format(new Date())); } catch (Exception e) { e.printStackTrace(); } } }; //执行线程 exec.execute(runnable); } //退出线程池 exec.shutdown(); }我们可以从结果看出，每秒只能执行三个：
RateLimiter是一个单机的限流组件，如果是分布式应用的话，该怎么做？