做一个自己的免费网站吗p站关键词排名

1. nginx

2. 网关

3.代码层级

3.1. 计数器限流（固定窗口）

原理：统计单位时间内的请求数，超过阈值则拒绝请求。

实现：

使用原子计数器（如 Redis INCR + EXPIRE）。

例如：1 秒内限制 1000 次请求。

优点：简单高效。

缺点：窗口临界问题（如第 1 秒末和第 2 秒初的突发请求可能双倍通过）。

工具：Redis、Guava AtomicLong。

3.2. 滑动窗口限流

原理：将固定窗口细分为多个小窗口（如 1 秒分为 10 个 100ms 窗口），统计最近 N 个小窗口的总请求。

优点：缓解临界问题，更平滑。

缺点：仍有一定时间粒度误差。

工具：Redis + Lua（维护时间戳队列）、Sentinel。

3.3. 漏桶算法（Leaky Bucket）

原理：以恒定速率处理请求（如每秒 10 次），超出桶容量的请求被丢弃/排队。

实现：队列 + 固定速率消费。

优点：绝对平滑，适合流量整形。

缺点：无法应对突发流量（即使系统有空闲资源）。

工具：消息队列（如 RabbitMQ）、Nginx limit_req（漏桶变种）。

3.4. 令牌桶算法（Token Bucket）

原理：系统以固定速率向桶中添加令牌，请求需获取令牌才能执行，否则被限流。

优点：允许突发流量（如短时间内消耗积压的令牌）。

缺点：实现略复杂。

工具：

Guava RateLimiter（单机）。

Redis + Lua（分布式，如 redis.call(‘incr’, KEYS[1]) 结合过期时间）。

3.5. 分布式限流

场景：多节点环境下全局限流。

实现：

Redis + Lua：原子操作统计集群请求量。

中间件：如 Sentinel、Nginx 集群限流。

注意点：需处理 Redis 网络延迟和一致性。