基于分布式环境的令牌桶与漏桶限流算法对比与实践指南

在高并发的分布式系统中，限流是保障服务可用性和稳定性的核心手段。本文聚焦于令牌桶算法与漏桶算法在分布式环境下的实现与优化，对多种解决方案进行横向对比，分析各自的优缺点，并给出选型建议与实际应用案例，附带完整可运行的代码示例和配置方案，帮助后端开发者在生产环境中快速落地。

1. 问题背景介绍

随着微服务架构和云原生模式的普及，API 调用和消息处理的并发请求量与日俱增。一旦流量突增，若没有有效的限流策略，后端依赖的数据库、缓存或下游服务将出现过载，甚至导致整体服务不可用。

在单机场景下，基于内存的令牌桶和漏桶算法即可满足大多数需求；但在分布式部署时，需要依托外部存储（如 Redis）或集群组件，实现多节点下的全局限流。

核心需求

全局限流：多个实例共同限流，保证调用速率上限。
可配置性：根据业务场景，灵活调整最大吞吐量和突发容量。
高可用与容错：限流组件自身需具备高可用特性，不为单点所累。
性能开销可控：限流操作的延迟需足够低，以免影响请求响应。

2. 多种解决方案对比

针对分布式环境的限制需求，主要有以下几种方案：

方案一：基于 Redis 的分布式令牌桶
方案二：基于 Redis 的分布式漏桶
方案三：基于 Guava RateLimiter + 本地冷启动 + 一致性哈希（混合模式）

| 方案 | 原理 | 存储中心 | 线程安全 | 突发支持 | 关键点 | | ---- | ---- | ---- | ---- | ---- | ---- | | Redis 令牌桶 | 令牌以固定速率注入桶中，业务取令牌才能执行。| Redis list / zset | Lua 脚本原子操作 | 支持桶容量 | 脚本原子性、队列裁剪 | | Redis 漏桶 | 请求进入漏桶队列，以固定速率流出，超出缓冲区则拒绝。| Redis list | Lua 脚本原子操作| 不支持突发（等同固定速率） | 控制队列长度 | | 本地 RateLimiter 混合 | 本地先处理一定量请求，超出后再分布式请求令牌 | Guava + Redis | Guava + Redis 脚本 | 支持本地突发，远程限流 | 本地热点均衡、一致性哈希 |

3. 各方案优缺点分析

3.1 方案一：Redis 分布式令牌桶

优点：

支持突发流量，令牌可积累。
原理成熟，社区实践多。

缺点：

依赖 Redis 性能，Lua 脚本压力大时可能成为瓶颈。
桶容量需合理设置，否则可能过度放行短时突发。

3.2 方案二：Redis 分布式漏桶

优点：

出流速率恒定，业务峰值可被平滑化。
实现简单，配置漏出速率即可。

缺点：

不支持突发流量处理，突发请求将被拒绝。
队列长度限定下，易出现丢弃。

3.3 方案三：本地 RateLimiter + 混合模式

优点：

本地优先限流，降低远程调用频率。
支持本地突发与全局平滑。

缺点：

实现复杂，需要解决本地与全局令牌同步问题。
一致性哈希或热点 imbalanced 带来挑战。

4. 选型建议与适用场景

高突发场景：建议使用Redis 令牌桶，可设定足够容量的令牌桶，应对短时流量峰值；
流量平稳场景：建议使用Redis 漏桶，平滑输出，降低下游波动；
混合流量场景：对延迟敏感且需承受突发，建议本地 RateLimiter + 远程混合，兼顾性能与全局限流。

5. 实际应用效果验证

以下示例以 Spring Boot + Redis 为例：

项目结构：

rate-limit-demo/
├── src/main/java/com/example/ratelimit/
│   ├── config/RedisConfig.java
│   ├── limiter/RedisTokenBucketLimiter.java
│   ├── limiter/RedisLeakyBucketLimiter.java
│   └── controller/TestController.java
└── src/main/resources/application.yml

5.1 Redis 配置 (`application.yml`)

spring:redis:host: localhostport: 6379database: 0

5.2 Lua 脚本（`token_bucket.lua`）

local key = KEYS[1]
local now = tonumber(ARGV[1])
local rate = tonumber(ARGV[2])
local capacity = tonumber(ARGV[3])--获取当前桶状态
dir = redis.call('hmget', key, 'tokens', 'timestamp')
tokens = tonumber(dir[1])
timestamp = tonumber(dir[2])
if not tokens then tokens = capacity end
if not timestamp then timestamp = now end--计算新令牌数
delta = math.max(0, now - timestamp) * rate
tokens = math.min(capacity, tokens + delta)
if tokens < 1 thenreturn 0
elsetokens = tokens - 1redis.call('hmset', key, 'tokens', tokens, 'timestamp', now)return 1
end

5.3 Java 实现示例

@Service
public class RedisTokenBucketLimiter {private final String LUA_SCRIPT = "...token_bucket.lua内容...";private final int capacity = 100;private final double rate = 10.0; //9条/秒private final RedisScript<Long> script;@Autowiredprivate StringRedisTemplate redisTemplate;public RedisTokenBucketLimiter() {this.script = new DefaultRedisScript<>(LUA_SCRIPT, Long.class);}public boolean tryAcquire(String key) {long now = System.currentTimeMillis() / 1000;Long result = redisTemplate.execute(script,Collections.singletonList(key),String.valueOf(now), String.valueOf(rate), String.valueOf(capacity));return result != null && result == 1;}
}

在 Controller 中调用：

@RestController
public class TestController {@Autowiredprivate RedisTokenBucketLimiter limiter;@GetMapping("/api/test")public ResponseEntity<String> test() {if (!limiter.tryAcquire("api_test_bucket")) {return ResponseEntity.status(HttpStatus.TOO_MANY_REQUESTS).body("限流了，请稍后再试");}return ResponseEntity.ok("请求成功");}
}