Golang限流实现：令牌桶与漏桶算法详解

在高并发场景下，**Golang并发限流**至关重要。本文深入探讨两种经典限流算法：**令牌桶**与**漏桶**，并提供**Go语言**实现示例。**令牌桶**算法允许一定程度的突发流量，通过定时向桶中添加令牌，请求获取令牌后方可执行，适用于需要应对瞬时高峰的场景。**漏桶**算法则以固定速率处理请求队列，严格控制流量，保证系统稳定性。文章详细讲解了两种算法的原理、实现思路，并通过代码演示如何在Golang中使用channel和定时器实现它们。选择合适的限流算法，能有效防止系统过载，提升服务质量，保障高并发系统的稳定运行。通过本文，你将掌握Golang并发限流的核心技术，为构建高性能系统奠定基础。

令牌桶和漏桶是实现并发限流的两种经典算法。1. 令牌桶通过定时添加令牌、请求获取令牌执行，允许突发流量；2. 漏桶则以固定速率处理请求队列，严格控制流量。两者均可用Go语言通过channel和定时器实现，适用于不同限流场景。

实现并发限流是高并发系统中常见的需求，Golang作为一门天然支持并发的语言，在这方面有很好的表现。其中，令牌桶和漏桶算法是比较经典的限流算法。下面将通过简单的示例来演示这两种算法的Go语言实现。

什么是令牌桶限流？

令牌桶（Token Bucket）是一种动态限流算法，其核心思想是：系统以固定速率向桶中添加令牌，请求只有在获取到令牌时才能被处理。如果桶满了，多余的令牌会被丢弃；如果没有令牌了，请求就会被拒绝或排队等待。

实现思路：

• 使用一个带缓冲的channel模拟令牌桶
• 启动一个goroutine定时往channel中放入令牌
• 每次请求尝试从channel中取出令牌，取不到则拒绝

package main

import (
    "fmt"
    "sync"
    "time"
)

func tokenBucket(rps int) chan struct{} {
    tokens := make(chan struct{}, rps)

    // 初始填充令牌
    for i := 0; i < rps; i++ {
        tokens <- struct{}{}
    }

    go func() {
        ticker := time.NewTicker(time.Second / time.Duration(rps))
        defer ticker.Stop()

        for range ticker.C {
            select {
            case tokens <- struct{}{}:
            default:
                // 桶满就丢弃
            }
        }
    }()

    return tokens
}

func main() {
    rate := 3 // 每秒允许3个请求
    tokens := tokenBucket(rate)

    var wg sync.WaitGroup

    for i := 0; i < 10; i++ {
        wg.Add(1)
        go func(id int) {
            defer wg.Done()
            time.Sleep(time.Millisecond * 200) // 模拟并发请求
            select {
            case <-tokens:
                fmt.Printf("请求 %d 被处理\n", id)
            default:
                fmt.Printf("请求 %d 被限流\n", id)
            }
        }(i)
    }

    wg.Wait()
}

什么是漏桶限流？

漏桶（Leaky Bucket）算法则是另一种限流方式。它的原理是：所有请求先进入一个队列（桶），然后系统以固定速率从队列中取出请求处理。即使短时间内大量请求涌入，也只能按照固定的速率处理。

实现思路：

• 维护一个请求队列
• 定时从队列中取出请求进行处理
• 队列满了之后拒绝新请求

package main

import (
    "fmt"
    "sync"
    "time"
)

type LeakyBucket struct {
    capacity  int           // 桶容量
    rate      time.Duration // 出水速率
    queue     chan struct{}
    wg        sync.WaitGroup
}

func NewLeakyBucket(capacity int, rate time.Duration) *LeakyBucket {
    lb := &LeakyBucket{
        capacity: capacity,
        rate:     rate,
        queue:    make(chan struct{}, capacity),
    }

    lb.startDraining()
    return lb
}

func (lb *LeakyBucket) startDraining() {
    go func() {
        ticker := time.NewTicker(lb.rate)
        defer ticker.Stop()

        for range ticker.C {
            select {
            case <-lb.queue:
                fmt.Println("处理一个请求")
            default:
            }
        }
    }()
}

func (lb *LeakyBucket) HandleRequest() bool {
    select {
    case lb.queue <- struct{}{}:
        return true
    default:
        return false
    }
}

func main() {
    bucket := NewLeakyBucket(5, time.Second/2) // 容量5，每秒处理2个请求

    for i := 0; i < 10; i++ {
        time.Sleep(200 * time.Millisecond)
        if bucket.HandleRequest() {
            fmt.Printf("请求 %d 进入队列\n", i)
        } else {
            fmt.Printf("请求 %d 被拒绝\n", i)
        }
    }

    time.Sleep(6 * time.Second) // 等待漏桶处理完剩余请求
}

如何选择令牌桶与漏桶？

两者虽然都能实现限流，但在行为上有所不同：

• 令牌桶更灵活，可以应对突发流量。比如设置桶容量为10，每秒放3个令牌，那瞬间最多能处理10个请求。
• 漏桶限制更严格，强制请求按固定速率处理，适合需要平滑流量的场景。

常见使用建议：

• 如果你希望控制平均速率但允许短时间内的爆发请求，用令牌桶
• 如果你需要严格控制输出速率、防止系统过载，用漏桶

小细节提醒

• 在实际生产中，可以结合golang.org/x/time/rate包中的Limiter来简化令牌桶实现
• 注意channel大小要合理设置，避免内存浪费或频繁阻塞
• 并发环境下注意锁机制，或者尽量使用无锁设计（如channel）

基本上就这些。两种算法都不复杂，但在实际应用中要注意根据业务特性做调整。

以上就是《Golang限流实现：令牌桶与漏桶算法详解》的详细内容，更多关于的资料请关注golang学习网公众号！