本文讨论入站过载保护，即服务作为被调用方在流量超过自身处理能力时的自我保护。文章区分限流与熔断，介绍令牌桶、漏桶等限流算法，并阐述分层部署、负载削减、自适应控制及多租户公平性等策略。同时指出限流配置不当可能引发的故障，并提供工程实践清单。

文章论证令牌桶、计量器漏桶与GCRA在参数T=1/r、τ=(b-1)T下判决完全等价，并以十万请求验证；NGINX、redis-cell、Envoy、Guava的实现均属同一约束，仅参数相差一。窗口计数属于另一类约束，最坏误差可达2L。文章还分析了分布式限流、并发与速率限制的区别及工程选型陷阱。

限流策略用于防止系统资源耗尽，常用方法有压测和流量评估。QPS用于制定标准，限流设计包括计数器、滑动窗口、令牌桶和漏桶。计数器简单但不灵活，滑动窗口解决时间统计，令牌桶适合突发流量，漏桶控制流速。分布式限流可用Redis实现，需注意单点瓶颈。合理资源分配提高效率，减少网络IO。

本文介绍了漏桶算法和令牌桶算法，它们是常用的接口限流设计算法。漏桶算法限制请求速率，令牌桶算法允许一定程度的并发超过速率限制。两种算法都基于时间片，但漏桶算法的速率固定，令牌桶算法在桶中有令牌时可以请求服务。需要动态调整漏桶和令牌桶的参数值。

10 行代码实现一个基于漏桶算法的 ip 限流中间件

什么是漏斗算法？ 漏斗算法顾名思义采用一个漏斗来对流量进行限制。 因为漏斗下面有孔，所以会定时的漏水下去，然后我们可以将流量想象为从上边落入漏斗

本文属于 《Golang源码剖析系列》 uber 在 Github 上开源了一套用于服务限流的 go 语言库 ratelimit, 该组件基于 Leaky Bucket(漏桶) 实现。 我在之前写过一篇 《Golang 限流器 time/rate 实现剖析》，分析了 Golang 标准库中基于 Token Bucket 实现限流组件的 time/rate...