令牌桶VS漏桶：谁才是流量控制的“最优解”？
大家好，我是小富～面试被问到限流算法，很多面试官会让直接手写令牌桶和漏桶的实现。虽然平时用过Redis、Guava等现成的限流工具，但真要手写还是有点慌。今天就来聊聊这两种经典限流算法的区别，并用Java手写实现。
很多的限流工具底层都应用了它们
一、令牌桶 vs 漏桶：核心区别
令牌桶
令牌桶的核心思想：固定容量的桶，以固定速率往桶里放令牌，请求来了就从桶拿令牌，没令牌就拒绝。
有点像买票进站，想去坐火车就先去售票窗口买票，买到票了就凭票进入，买不到等待，因为窗口会定时的放票，再去抢。
下图是用Ai生成的，大致能体现出这么个意思
令牌桶特点：
1、可以处理突发流量（桶里有令牌就能用），因为并不是一直请求都很多，但会一直以固定速率向桶里添加令牌，请求少时桶内令牌满了，请求激增可以满桶拿令牌顶一阵
2、原理和实现上相对简单
3、内存占用小
漏桶适用场景：
接口限流：保护业务系统或者敏感接口
防止恶意攻击：抵御Dos或DDos攻击
……
它的优势在于能够限制平均速率，同时允许一定的突发流量
漏桶
漏桶的核心思想比令牌桶早更简单：请求像水一样流入桶中，桶以固定速率“漏水”处理请求，超出桶容量的请求被丢弃或排队。
漏桶的特点：
1、输出非常平滑稳定
2、能有效保护下游系统（流量平滑）
3、❌ 无法处理突发流量
4、❌ 可能造成请求延迟
漏桶适用场景：
数据库连接池：保护数据库不被过载
消息队列消费：控制消费速率
支付系统：确保支付处理稳定性
二、手写实现
令牌桶实现
public class TokenBucket {
// 桶容量（最大令牌数）
privatefinallong capacity;
// 令牌填充速率（令牌/秒）
privatefinallong refillRate;
// 当前令牌数量
private AtomicLong tokens;
// 上次填充时间戳（纳秒）
privatelong lastRefillTime;
public TokenBucket(long capacity, long refillRate) {
this.capacity = capacity;
this.refillRate = refillRate;
this.tokens = new AtomicLong(capacity);
this.lastRefillTime = System.nanoTime();
}
// 示例使用
public static void main(String[] args) throws InterruptedException {
// 创建桶：容量10令牌，每秒填充5令牌
TokenBucket bucket = new TokenBucket(10, 2);
// 模拟请求
for (int i = 1; i <= 50; i++) {
if (bucket.tryAcquire()) {
System.out.println("请求" + i + ": 通过");
} else {
System.out.println("请求" + i + ": 限流");
}
Thread.sleep(100); // 100ms请求一次
}
}
/**
* 尝试获取令牌
*
* @return true-获取成功，false-被限流
*/
public synchronized boolean tryAcquire() {
refillTokens();
if (tokens.get() > 0) {
tokens.decrementAndGet();
returntrue;
}
returnfalse;
}
/**
* 尝试获取多个令牌
*
* @param numTokens 请求令牌数
*/
public synchronized boolean tryAcquire(int numTokens) {
refillTokens();
if (tokens.get() >= numTokens) {
tokens.addAndGet(-numTokens);
returntrue;
}
returnfalse;
}
// 根据时间差补充令牌
private void refillTokens() {
long now = System.nanoTime();
// 计算时间差（秒）
double elapsedSec = (now - lastRefillTime) * 1e-9;
// 计算应补充的令牌数
long tokensToAdd = (long) (elapsedSec * refillRate);
if (tokensToAdd > 0) {
tokens.set(Math.min(capacity, tokens.get() + tokensToAdd));
lastRefillTime = now;
}
}
}
[*]使用 AtomicLong 保证线程安全。
[*]通过时间差动态计算补充的令牌数。
[*]桶容量限制突发流量的最大值。
漏桶实现
import java.util.concurrent.atomic.AtomicLong;
publicclass LeakyBucket {
// 桶容量（最大请求数）
privatefinallong capacity;
// 漏水速率（请求/秒）
privatefinallong leakRate;
// 当前水量（待处理请求数）
private AtomicLong water;
// 上次漏水时间戳（毫秒）
privatelong lastLeakTime;
public LeakyBucket(long capacity, long leakRate) {
this.capacity = capacity;
this.leakRate = leakRate;
this.water = new AtomicLong(0);
this.lastLeakTime = System.currentTimeMillis();
}
// 示例使用
public static void main(String[] args) throws InterruptedException {
// 创建桶：容量5请求，每秒处理2请求
LeakyBucket bucket = new LeakyBucket(5, 1);
// 模拟请求
for (int i = 1; i <= 15; i++) {
if (bucket.tryPass()) {
System.out.println("请求" + i + ": 通过 (当前水位: " + bucket.water.get() + ")");
} else {
System.out.println("请求" + i + ": 限流 (水位溢出)");
}
Thread.sleep(200); // 200ms请求一次
}
}
/**
* 尝试通过漏桶
*
* @return true-允许通过，false-被限流
*/
public synchronized boolean tryPass() {
leakWater();
if (water.get() < capacity) {
water.incrementAndGet();
returntrue;
}
returnfalse;
}
// 根据时间差漏水
private void leakWater() {
long now = System.currentTimeMillis();
// 计算时间差（秒）
long elapsedMs = now - lastLeakTime;
if (elapsedMs > 0) {
// 计算漏水量
long leaked = (long) (elapsedMs * leakRate / 1000.0);
if (leaked > 0) {
water.updateAndGet(cur -> Math.max(0, cur - leaked));
lastLeakTime = now;
}
}
}
}
[*]漏出速率固定，确保请求处理平滑。
[*]水量超过容量时直接拒绝请求。
三、测试对比
public class RateLimiterTest {
public static void main(String[] args) throws InterruptedException {
// 测试令牌桶：容量10，每秒填充5个令牌
TokenBucket tokenBucket = new TokenBucket(10, 5);
// 测试漏桶：容量10，每秒漏出5个请求
LeakyBucket leakyBucket = new LeakyBucket(10, 5);
System.out.println("=== 令牌桶测试（支持突发） ===");
testTokenBucket(tokenBucket);
Thread.sleep(1000);
System.out.println("\n=== 漏桶测试（平滑输出） ===");
testLeakyBucket(leakyBucket);
}
private static void testTokenBucket(TokenBucket bucket) {
// 模拟突发请求
for (int i = 0; i < 15; i++) {
boolean success = bucket.tryConsume(1);
System.out.printf("请求%d: %s (当前令牌: %.1f)%n",
i + 1, success ? "通过" : "拒绝", bucket.getCurrentTokens());
}
}
private static void testLeakyBucket(LeakyBucket bucket) {
// 模拟突发请求
for (int i = 0; i < 15; i++) {
boolean success = bucket.tryConsume();
System.out.printf("请求%d: %s (当前水量: %.1f)%n",
i + 1, success ? "通过" : "拒绝", bucket.getCurrentWater());
}
}
}四、面试要点总结
面试官可能会问的问题：
Q: 两种算法的核心区别是什么？
A: 令牌桶允许突发，漏桶强制平滑输出
Q: 什么场景用令牌桶，什么场景用漏桶？
A: 需要处理突发用令牌桶，需要保护下游用漏桶
Q: 如何选择桶的容量和速率？
A: 根据业务峰值、系统承载能力、用户体验综合考虑
Q: 分布式环境下如何实现？
A: 可以用Redis实现，或者用一致性哈希分片
说在后边
手写限流算法是一般在高级别的面试中不太会出现，但它们的基础概念要掌握，在考场景题时它们都是不错的方案。
简单记：令牌桶像ATM机，有钱就能取；漏桶像水龙头，固定流速出水。
完活！
来源：豆瓜网用户自行投稿发布，如果侵权，请联系站长删除
页:
[1]