分布式限流方案：高并发场景下的必备技能
大家好！今天咱们来聊聊面试中高频出现的 分布式限流方案。在微服务、高并发场景下，如何保护系统不被流量冲垮？分布式限流方案 绝对是架构设计的重中之重。下面结合实际面试题，给大家拆解几种核心的 分布式限流方案。
📁 2025最新Java面试宝典（含分布式专题）：
点击获取
提取码：9b3g（建议保存备用）
二、为什么需要分布式限流？
想象一下，大促秒杀时流量瞬间暴涨，如果每个服务实例各自为战做限流：
- 单个实例限流阈值难统一；
- 用户请求可能被多个节点重复拒绝；
- 整体流量无法精准控制。
这时候，分布式限流方案 就是救星！
三、4种主流分布式限流方案
1. 基于Redis的计数器限流
这是最简单的 分布式限流方案：
KEY: user:100:api_limit
EXPIRE: 60s
INCR → 超过阈值则拒绝
✔️ 优点：实现快，Redis本身高性能
✖️ 缺点：临界时间点可能超限（比如59s-61s）
2. 滑动窗口算法
优化固定窗口的临界问题：
记录每个小窗口（如10s）的计数
当前窗口 = 最近6个小窗口之和
适合场景：对平滑性要求高的 分布式限流方案。
3. 漏桶 & 令牌桶
► 漏桶：恒定速率出水（处理请求），突发流量被缓存或丢弃
► 令牌桶：定期放令牌，请求需持牌通过
// 令牌桶伪代码
rate = 10 // 每秒10个令牌
bucket.addToken(rate)
if(bucket.takeToken()) pass else reject
✅ 令牌桶是业界最常用的 分布式限流方案（如Guava RateLimiter）
4. 中间件集成方案
► Sentinel：阿里开源的流量治理组件
- 实时监控+熔断降级+热点限流
- 通过Dashboard动态配置规则
► Nginx+Lua：网关层限流
-- Nginx限流示例
local tokens = ngx.shared.limit_bucket
if tokens:get("key") < 10 then
ngx.exit(503)
end
四、面试致命三连问
-
Q：如何避免Redis限流的单点故障？
→ 答：Redis Cluster分片存储或本地缓存+异步同步 -
Q：令牌桶怎么实现分布式协同？
→ 答：Redisson提供的RRateLimiter，基于Lua脚本保证原子性 -
Q：限流阈值如何动态调整？
→ 答：结合监控系统（如Prometheus）实时反馈，通过配置中心热更新
五、实战避坑指南
- 预热机制：冷启动时缓慢增加令牌数，防止突发流量穿透
- 分层限流：
- 网关层：粗粒度限流（比如IP维度）
- 服务层：细粒度限流（比如用户ID+API组合）
- 给限流加“白名单”：VIP用户或内部服务放行
🔥 会员福利时间：
准备跳槽冲刺的小伙伴注意啦！通过 面试鸭返利网 开通面试鸭会员，可享 25元现金返利！覆盖各大厂最新题库+项目难点解析👇
关键点总结：
- 简单场景用Redis计数器，注意时间窗口边界问题
- 平滑限流首选令牌桶算法
- 生产环境建议用Sentinel/Redisson等成熟组件
- 动态调整阈值+分层防护=高可用架构
搞懂这些 分布式限流方案，面试官问你“如何设计秒杀系统”时，就能稳稳拿分了！大家还有什么限流难题？评论区见~
