固定窗口算法（Fixed Window Algorithm）

固定窗口算法原理是将时间划分为固定的窗口，统计每个窗口期间内的请求量，如果请求量超过阈值，则拒绝后续请求。

假如限流要求为每秒最多100个请求，以某次请求时间作为第一个窗口开始时间，使用一个计数器来表示请求数，接下来的每一个请求到来时：

如果间隔时间大于一秒，请求通过，重置计数器，并将当前时间设为间隔开始时间；
如果间隔时间小于一秒，计数器加一，如果计数器大于限制数时，请求拒绝，小于等于时，请求通过。

这种算法存在的问题是无法应对流量突增的情况。上面的例子如果第一个一秒的前900ms内没有访问量，后100ms内产生了100次访问量，第二个1s的前100ms产生了100 次访问量，这种情况下其实一秒的访问量达到了200，有可能会导致系统崩溃。

滑动窗口算法（Sliding Window Algorithm）

滑动窗口算法相对于固定窗口算法更加灵活，原理是将时间划分为固定大小的窗口，并在每个窗口内记录请求次数，在每个窗口往后滑动时，更新当前窗口的请求数，如果请求量超过阈值，则拒绝后续请求。

滑动窗口算法需要记录时间窗口内每个请求的达到时间点。假如限流要求为每秒最多100个请求，滑动窗口记录的时间点 list = (request1_time, request2_time …requestN_time)，起点是list中最小的时间点request1_time，一个请求requestX过来时：

到达时间requestX_time如果在request1_time + 1s内：判断list中的数量是否小于100，是的话，将requestX_time加入到list，请求通过；否的话，请求拒绝。
到达时间requestX_time如果不在request1_time + 1s内，丢弃第一个时间点 request1_time，请求通过。

这种算法可以应对流量突增的情况，但对于请求频率过高的情况则存在浪费资源的问题。

漏斗算法（Leaky Bucket Algorithm）

实际上，当请求数超过阈值时，不希望后续流量被全部限流，而是希望将流量控制在一定速度内，这时候可以使用漏斗算法。其原理类似于水漏过漏斗的过程。漏斗算法将请求看作水滴，将水滴放入漏斗中，如果水滴太多，漏斗则会漏出一些水滴，以保证漏出速度不会超过预设的速率。具体实现是维护一个固定容量的漏斗，漏斗以一定的速度漏出水滴。当漏斗满了，新增请求将会被拒绝。

假如限流要求为每秒最多100个请求，那么设置桶的容量为100，一秒漏完，流速为100 request/s，每10毫秒处理一次请求。因为处理的速度是固定的，请求进来的速度是未知的，可能突然进来很多请求，没来得及处理的请求就先放在漏斗里，如果漏斗满了，新进来的请求就被直接拒绝。