1.RateLimiter 限流底层原理解析
2.Sentinel 是令牌如何做限流的
3.Java并发必会，深入剖析Semaphore源码

RateLimiter 限流底层原理解析

       学习RateLimiter限流器原理的桶源重要性在于项目中的实际应用。面试官提问时的码令尴尬经历促使作者深入研究。本文重点解析其限流算法原理、牌桶问题及在项目中的原理使用方式，而非源码。令牌淘小说源码

       限流原理

       RateLimiter基于Google Guava的桶源令牌桶算法，持续均匀产生令牌，码令消费时需持有令牌，牌桶无则需等待。原理核心是令牌区分SmoothBursty和SmoothWarmingUp两种类型。

       常用API与示例

       SmoothBursty限流器如一秒生成5令牌，桶源即使一次请求超过桶中令牌，码令可透支未来令牌，牌桶但会导致后续请求等待时间增加。原理如通过RateLimiter.create(2)创建，初始可获取超过限值的令牌，但后续会有所延迟。

       SmoothWarmingUp预热机制

       SmoothWarmingUp限流器有预热期，北京源码开发资源逐渐达到指定速度，适用于资源懒加载等场景，有助于降低重启后服务压力。

       预热在高并发中的重要性

       预热对于高并发场景至关重要，避免因资源未初始化而引发服务故障，比如线程池和数据库缓存等问题。

       线程安全与设计模式

       RateLimiter是线程安全的，通过synchronized和双重检测单例模式确保多线程安全。

       缺陷与优化

       RateLimiter的透支未来令牌设计可能导致请求等待时间延长，需采用拒绝策略控制请求量，避免过度透支。

       限流算法比较

       漏桶算法与令牌桶算法各有优缺点，漏桶算法可能抛弃突发请求，而令牌桶算法如RateLimiter能处理突发流量，但需避免持续高并发导致的延迟。

       项目使用

       项目中可采用AOP方式结合Guava实现限流，通过SpringBoot starter简化配置，减少对代码的东北马丁源码侵入性。

Sentinel 是如何做限流的

       限流作为保障服务高可用的重要手段，在微服务架构中尤为重要，通过限制接口或资源访问，有效提升服务可用性和稳定性。对比传统的限流工具如Guava的RateLimiter，阿里提供的Sentinel在功能上更为丰富、强大。

       Guava的RateLimiter基于令牌桶算法，操作简单，但功能相对单一。相比之下，Sentinel作为阿里巴巴推出的一种限流、熔断中间件，不仅支持复杂规则的配置，还能提供集群范围内的限流功能，并将服务调用情况可视化，满足更广泛的使用场景。

       目前，imgui内核源码Sentinel已在多个项目中得到应用，本文将深入剖析其限流机制，主要围绕限流的总体流程、源码解析、Context、Node、Entry等核心概念，以及责任链机制的实现过程，详细介绍Sentinel是如何通过责任链模式，结合滑动窗口算法，实现高效、灵活的限流功能。

       在Sentinel中，限流、熔断逻辑主要在SphU.entry方法中实现。该方法会在请求进入Sentinel时，对资源进行限流和熔断的逻辑处理。如果触发熔断或限流，银色涡轮源码会抛出BlockException，开发者可以自定义处理逻辑。对于业务异常，也有相应的fallback方法处理。

       限流流程如下：首先获取资源的Context，构建Node调用树，聚合相同资源不同Context的Node，然后进行资源调用统计和限流判断。限流机制基于滑动窗口算法，动态调整QPS限制，确保服务在高负载下依然稳定运行。

       在阅读源码过程中，我们首先关注了Context、Node、Entry等关键概念，理解它们在Sentinel中的角色和作用。Context封装了当前线程的调用链上下文信息，Node作为资源调用的统计包装，Entry则作为限流凭证，记录了资源的责任链和当前Context，实现资源调用链的构建和管理。

       责任链中的每个节点（如NodeSelectorSlot、ClusterBuilderSlot、StatisticSlot、FlowSlot等）都有特定的功能，如获取资源对应的Node、聚合相同资源不同Context的Node、资源调用统计、限流判断等。这些节点通过责任链模式紧密协作，共同完成限流逻辑的执行。

       在责任链的执行过程中，NodeSelectorSlot负责获取资源对应的Node，ClusterBuilderSlot聚合相同资源不同Context的Node，StatisticSlot负责资源调用的统计信息更新，而FlowSlot则根据Node的统计信息进行限流判断。这个过程不仅高效地实现了限流功能，还保证了系统的稳定性和性能。

       在责任链执行完毕后，无论请求是否成功或被限流，都会执行Entry.exit()方法，进行最终的收尾工作。至此，Sentinel的限流机制实现了从请求处理到资源调用统计，再到限流判断和执行，最后的收尾操作的完整流程。

       总体来看，Sentinel通过其丰富的功能、灵活的配置和高效的实现机制，在微服务架构中为限流提供了强有力的支持，不仅保障了服务的高可用性，还提升了系统的整体性能和稳定性。

Java并发必会，深入剖析Semaphore源码

       在深入理解Java并发编程时，必不可少的是对Semaphore源码的剖析。本文将带你探索这一核心组件，通过实践和源码解析，掌握其限流和共享锁的本质。Semaphore，中文名信号量，就像一个令牌桶，任务执行前需要获取令牌，处理完毕后归还，确保资源访问的有序进行。

       首先，Semaphore主要有acquire()和release()两个方法。acquire()负责获取许可，若许可不足，任务会被阻塞，直到有许可可用。release()用于释放并归还许可，确保资源释放后，其他任务可以继续执行。一个典型的例子是，如果一个线程池接受个任务，但Semaphore限制为3，那么任务将按每3个一组执行，确保系统稳定性。

       Semaphore的源码实现巧妙地结合了AQS（AbstractQueuedSynchronizer）框架，通过Sync同步变量管理许可数量，公平锁和非公平锁的实现方式有所不同。公平锁会优先处理队列中的任务，而非公平锁则按照获取许可的顺序进行。

       acquire()方法主要调用AQS中的acquireSharedInterruptibly()，并进一步通过tryReleaseShared()进行许可更新，公平锁与非公平锁的区别在于判断队列中是否有前置节点。release()方法则调用releaseShared()，更新许可数量。

       Semaphore的简洁逻辑在于，AQS框架负责大部分并发控制，子类只需实现tryReleaseShared()和tryAcquireShared()，专注于许可数量的管理。欲了解AQS的详细流程，可参考之前的文章。

       最后，了解了Semaphore后，我们还将继续探索共享锁CyclicBarrier的实现，敬请期待下篇文章。