说说常见的限流算法及如何使用Redisson实现多机限流

Ne0inhk

21 Mar 2026 — 9 min read

本文介绍了四种常见的限流算法及其实现方式。固定窗口限流简单但存在临界突刺问题；滑动窗口通过时间片滑动解决突刺问题，但滑动单位选择困难；漏桶算法以固定速率处理请求，能削峰缓冲但不够灵活；令牌桶算法允许突发流量，并发性能更好但时间单位选择仍需考量。实现层面，单机限流可使用Guava的RateLimiter，分布式限流推荐Redisson或网关层工具如Sentinel。提供了Redisson的配置示例和两种限流设置方式，建议采用基于Duration的新API实现更简洁的限流控制。

限流算法介绍

1、固定窗口限流

在单位时间内允许部分操作。

就比如，单位时间（窗口）为1小时，一小时内只能有100个用户能访问，如果在一小时内就已经达到了次数上限100，那么这时不论来多少请求都会被拒绝掉，也就是说1小时内设定了多少次就是只能有多少次，只有到1小时才会重置次数。但是它有一个突刺问题，例如在前59分钟都没有一个用户进行访问，在59分钟的时候100个用户同时访问，然后1小时01分时候又有100个用户都访问了，那就是2分钟有200个用户同时访问，可能瞬间通过200个请求，在两个窗口的临界突刺，服务器可能就会有流量高峰危险。

优点：实现简单

缺点：突刺问题

2、滑动窗口限流

在单位时间内允许部分操作，不过这个单位时间是滑动的，需要指定一个滑动时间单位（时间片）。

滑动窗口解决了固定窗口的突刺问题。滑动窗口是持续滑动，逐时间片淘汰旧数据的过程，它不会像固定窗口一样在固定的时间点重置次数，而是持续淘汰旧数据，因此能更精确地控制任意连续内的请求速率。

比如，单位时间（窗口）是1小时，指定滑动单位是1分钟，那么在59分钟时它的限流窗口是59分~1小时59分，经过2分钟它的限流窗口就是1小时01分~2小时01分，这个时间段还是就只接收100个请求，如果有超过第100个的请求访问，超过的访问请求都会被拒绝掉；如果每2分钟都有1个旧的请求数据淘汰，经过2分钟这时只有99个数据就可以允许有1个新的请求进入。

优点：解决突刺问题

缺点：滑动窗口的限流效果与滑动单位有关，滑动单位小效果好，不过往往很难选到一个合适的滑动单位

3、漏桶算法限流（推荐）

请求桶大小固定，以固定的速率处理请求，当请求桶里面满了之后会拒绝请求。

漏桶算法限流的基本原理为：水（对应请求）从进水口进入到漏桶里，漏桶以一定的速度出水（请求放行），当水流入速度过大，桶内的总水量大于桶容量会直接溢出，请求被拒绝。

大致的漏桶限流规则如下：

1、进水口（对应客户端请求）以任意速率流入进入漏桶。

2、漏桶的容量是固定的，出水（放行）速率也是固定的。

3、漏桶容量是不变的，如果处理速度太慢，桶内水量会超出了桶的容量，则后面流入的水滴会溢出，表示请求拒绝。

以一定速率处理请求，有大量流量进入时，会发生溢出，从而限流保护服务可用（也就是削峰），不至于直接请求到服务器，缓冲压力（也就是缓冲）。

优点：一定程度上应对流量突刺，以恒定的速率处理请求，保证服务器安全

缺点：漏桶出口的速度固定，不能灵活的应对后端能力提升。比如，通过动态扩容，后端流量从100QPS提升到1000QPS，漏桶没有办法。

4、令牌桶算法限流（推荐）

管理员提前生成一批令牌，比如每秒 10 个令牌，当用户要操作前，先去拿到一个令牌，有令牌的人就有资格执行操作、能同时执行操作，而拿不到令牌的就拒绝请求得等着。当然了令牌的数量也是有上限的，令牌的数量与时间和发放速率强相关，时间流逝的时间越长，会不断往桶里加入越多的令牌，如果令牌发放的速度比申请速度快，令牌桶会放满令牌，直到令牌占满整个令牌桶。

令牌桶的大小固定，令牌的产生速度固定可以自己设置，但是消耗令牌（即请求）速度不固定（可以应对一些某些时间请求过多的情况）；每个请求都会从令牌桶中取出令牌，如果没有令牌则丢弃该次请求。

令牌桶限流大致的规则如下：

1、进水口按照某个速度，向桶中放入令牌。

2、令牌的容量是固定的，但是放行的速度不是固定的，只要桶中还有剩余令牌，一旦请求过来就能申请成功，然后放行。

3、如果令牌的发放速度，慢于请求到来速度，桶内就无牌可领，请求就会被拒绝。

优点：比漏桶更高效，可以方便地应对突发出口流量，能够并发处理同时的请求，并发性能会更高

缺点：还是时间单位选取的问题，令牌的产生速度、消耗令牌的速度对应时间选多少合适

限流实现

单机限流

使用谷歌提供的限流工具Guava RateLimiter第三方库实现，对单位时间的请求数量进行限制。

示例代码：

import com.google.common.util.concurrent.RateLimiter; public static void main(String[] args) { // 每秒限流10个请求 RateLimiter limiter = RateLimiter.create(10.0); while (true) { if (limiter.tryAcquire()) { // 处理请求 } else { // 超过流量限制，需要做何处理 } } }

多机限流

1、使用操作 Redis 的工具库Redisson内置了一个限流工具，分布式限流实现，把用户的使用频率等数据放到一个集中的存储进行统计，这样无论用户的请求落到了哪台服务器，都以集中存储中的数据为准。

2、在网关层集中进行限流和统计，如 Sentinel、Spring Cloud Gateway

Redisson限流实现

参考官方文档：https://github.com/redisson/redisson

首先引入Redisson依赖：

<!-- redisson--> <dependency> <groupId>org.redisson</groupId> <artifactId>redisson</artifactId> <version>4.1.0</version> </dependency>

还需要有redis的依赖和application.yml配置

<!-- redis --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <dependency> <groupId>org.springframework.session</groupId> <artifactId>spring-session-data-redis</artifactId> </dependency>

# Redis 配置 redis: database: 0 host: localhost port: 6379 timeout: 5000 # password: 123456

然后写个RedissonConfig配置类：

/** * Redisson 配置（初始化RedissonClient对象单例） */ @Configuration @ConfigurationProperties(prefix = "spring.redis") @Data public class RedissonConfig { private Integer database; private String host; private Integer port; // 如果你的redis默认没有设置密码则不用写 private String password; @Bean public RedissonClient getRedissonClient() { // 1.创建配置对象 Config config = new Config(); config.useSingleServer() .setDatabase(database) .setAddress("redis://" + host + ":" + port); // 2.创建Redisson实例 return Redisson.create(config); } }

再写个通用的RedissonManager类，便于使用redisson限流功能：

查看源码发现trySetRate方法的图中参数用法在新版的Redisson中是被弃用的，现在推荐使用RateIntervalUnit的替代方案org.redisson.api.RateType和Duration

第一种是：

rateLimiter.trySetRate(RateType.OVERALL, 2, Duration.ofSeconds(1));

第二种是：

rateLimiter.trySetRate(RateType.OVERALL, 2, 1, RateIntervalUnit.valueOf("SECONDS"));

推荐使用第一种方式，因为：

1、使用 Duration 更符合 Java 8+ 的日期时间 API 设计理念

2、代码更简洁明了

3、这是 Redisson 官方推荐的新用法

因此，最终代码为

/** * 提供RedissonLimiter限流基础服务 */ @Service public class RedissonManager { @Resource private RedissonClient redissonClient; public void doRateLimit(String key){ // 创建一个限流器 RRateLimiter rateLimiter = redissonClient.getRateLimiter(key); // 设置限流器速率为每秒2个请求 rateLimiter.trySetRate(RateType.OVERALL, 2, Duration.ofSeconds(1)); // 每当一个请求过来，尝试获取一个令牌 boolean canOp = rateLimiter.tryAcquire(1); if (!canOp){ //TOO_MANY_REQUEST_ERROR(42900, "请求过于频繁") throw new BusinessException(ErrorCode.TOO_MANY_REQUEST_ERROR, "操作太频繁，请稍后再试"); } } }

最后在controller中使用它：

/** * 获取当前登录用户 * * @param request * @return */ @Override public User getLoginUser(HttpServletRequest request) { // 先判断是否已登录 // 用户登录态键String USER_LOGIN_STATE = "user_login"; Object userObj = request.getSession().getAttribute(USER_LOGIN_STATE); User currentUser = (User) userObj; if (currentUser == null || currentUser.getId() == null) { //NOT_LOGIN_ERROR(40100, "未登录") throw new BusinessException(ErrorCode.NOT_LOGIN_ERROR); } // 从数据库查询（追求性能的话可以注释，直接走缓存） long userId = currentUser.getId(); currentUser = this.getById(userId); if (currentUser == null) { throw new BusinessException(ErrorCode.NOT_LOGIN_ERROR); } return currentUser; }

@Resource private RedissonManager redissonManager; User loginUser = userService.getLoginUser(request); String id = String.valueOf(loginUser.getId()); redissonManager.doRateLimit("generateByAi_" + id);