Guava RateLimiter 深度解析从原理到实战令牌桶算法实现与限流实战指南文章导读本文将从零开始深入剖析 Google Guava 库中的 RateLimiter 组件。无论你是初次接触限流概念的新手还是希望深入理解其实现原理的开发者本文都将为你提供限流算法的核心概念与令牌桶算法详解RateLimiter 的完整源码实现解析两种限流策略平滑突发 vs 预热的对比分析丰富的实战代码示例与应用场景优缺点分析与选型建议一、限流基础概念1.1 什么是限流限流Rate Limiting是系统保护的核心手段之一其目的是控制单位时间内对资源的访问次数防止系统因突发流量而过载。在高并发系统中限流是保障服务稳定性的重要防线。限流的典型应用场景包括API 网关控制接口调用频率防止恶意刷接口微服务间调用防止级联故障保护下游服务资源池管理数据库连接池、线程池的访问控制用户行为限制登录尝试次数、短信发送频率控制1.2 常见限流算法对比业界常用的限流算法主要有以下几种算法名称核心思想特点计数器法固定时间窗口内计数实现简单但存在临界突发问题滑动窗口将时间窗口细分为多个小窗口精度更高但内存消耗较大令牌桶以固定速率生成令牌请求消耗令牌支持突发流量实现平滑限流漏桶请求进入桶中以固定速率流出强制平滑不支持突发二、令牌桶算法详解2.1 算法原理令牌桶算法Token Bucket是网络流量整形和速率限制中最常用的算法之一。其核心思想可以类比为想象一个容量固定的桶系统以恒定的速率向桶中放入令牌。当请求到达时必须从桶中获取一个或多个令牌才能被处理。如果桶中没有足够的令牌请求可以选择等待阻塞或被拒绝。算法核心要素令牌生成速率Rate系统每秒向桶中添加的令牌数量决定了限流的阈值桶容量Capacity桶能够容纳的最大令牌数决定了系统能够承受的突发流量上限令牌消耗每个请求需要消耗的令牌数量通常为1也可根据请求权重调整算法优势支持突发流量当桶中积累了大量令牌时可以一次性处理多个请求长期速率稳定无论突发多强长期平均速率不会超过令牌生成速率灵活可控通过调整桶容量和生成速率可以精确控制限流行为三、RateLimiter 核心实现解析3.1 类结构与设计RateLimiter 是 Guava 提供的抽象类其核心设计如下// RateLimiter 核心类结构publicabstractclassRateLimiter{// 核心字段存储的令牌数privatedoublestoredPermits;// 核心字段最大存储令牌数privatedoublemaxPermits;// 核心字段下次可获取令牌的时间privatelongnextFreeTicketMicros;// 生成令牌的间隔时间微秒privatevolatiledoublestableIntervalMicros;// ...}3.2 核心方法解析acquire() 方法acquire() 是阻塞式获取令牌的方法如果桶中没有足够的令牌线程会阻塞等待直到获取成功。// 获取1个令牌阻塞直到成功publicdoubleacquire(){returnacquire(1);}// 获取指定数量的令牌publicdoubleacquire(intpermits){longmicrosToWaitreserve(permits);stopwatch.sleepMicrosUninterruptibly(microsToWait);return1.0*microsToWait/TimeUnit.SECONDS.toMicros(1L);}tryAcquire() 方法tryAcquire() 是非阻塞式获取令牌的方法可以设置超时时间适用于需要快速失败的场景。// 尝试获取1个令牌立即返回publicbooleantryAcquire(){returntryAcquire(1,0,TimeUnit.MICROSECONDS);}// 尝试获取令牌带超时时间publicbooleantryAcquire(intpermits,longtimeout,TimeUnitunit){longtimeoutMicrosMath.max(unit.toMicros(timeout),0);longmicrosToWaitreserveAndGetWaitLength(permits,timeoutMicros);if(microsToWaittimeoutMicros){returnfalse;// 需要等待时间超过超时时间获取失败}stopwatch.sleepMicrosUninterruptibly(microsToWait);returntrue;}3.3 令牌生成机制RateLimiter 采用「惰性计算」的方式生成令牌而不是使用定时器。这种设计避免了定时器带来的精度问题和资源消耗。// 核心根据时间差计算生成的令牌数voidresync(longnowMicros){// 如果距离上次操作已经过去了一段时间if(nowMicrosnextFreeTicketMicros){// 计算这段时间应该生成的令牌数doublenewPermits(nowMicros-nextFreeTicketMicros)/coolDownIntervalMicros();// 更新存储的令牌数不超过最大值storedPermitsMath.min(maxPermits,storedPermitsnewPermits);// 更新下次可获取令牌的时间nextFreeTicketMicrosnowMicros;}}这种设计的精妙之处在于无需定时器避免了 ScheduledExecutorService 的开销和精度问题线程安全通过 synchronized 或原子操作保证并发安全精确计算基于时间差精确计算应生成的令牌数量四、两种限流策略对比4.1 SmoothBursty平滑突发SmoothBursty 是默认的限流策略允许一定程度的突发流量。当系统空闲时令牌会在桶中积累当有突发请求时可以一次性消耗积累的令牌。创建方式// 创建每秒允许5个请求的限流器RateLimiterlimiterRateLimiter.create(5.0);// 等价于RateLimiterlimiterRateLimiter.create(5.0,1,TimeUnit.SECONDS);特点突发处理能力可以一次性处理桶中积累的所有令牌冷启动问题系统启动时桶是空的第一个请求需要等待适用场景能够容忍突发流量对响应时间要求不高的场景4.2 SmoothWarmingUp平滑预热SmoothWarmingUp 在启动时有一个预热期在此期间限流速率会逐渐增加到设定的目标值。这种策略可以避免系统冷启动时突然承受高负载。创建方式// 创建每秒允许5个请求预热时间为2秒的限流器RateLimiterlimiterRateLimiter.create(5.0,// 目标QPS2,// 预热时间TimeUnit.SECONDS);预热原理预热期内系统会从一个较低的速率开始逐步提升到目标速率。这种渐进式的启动方式可以给系统足够的时间进行资源初始化如连接池预热、缓存加载等。适用场景JVM 冷启动场景避免 JIT 编译完成前的高负载数据库连接池给连接池足够的时间建立连接缓存预热允许系统先加载热点数据到缓存4.3 策略对比对比维度SmoothBurstySmoothWarmingUp突发支持支持可消耗积累的令牌预热期内限制突发启动行为立即达到目标速率逐渐提升到目标速率适用场景API限流、常规限流冷启动保护、资源预热第一个请求延迟可能需要等待预热期内延迟较大五、实战代码示例5.1 基础用法importcom.google.common.util.concurrent.RateLimiter;publicclassRateLimiterDemo{publicstaticvoidmain(String[]args){// 创建每秒允许2个请求的限流器RateLimiterlimiterRateLimiter.create(2.0);for(inti0;i10;i){// 获取令牌阻塞直到成功limiter.acquire();System.out.println(Request i processed at System.currentTimeMillis());}}}5.2 非阻塞获取// 尝试获取令牌立即返回结果if(limiter.tryAcquire()){// 获取成功处理请求processRequest();}else{// 获取失败返回降级响应returnResponse.tooManyRequests();}// 尝试获取令牌最多等待100毫秒if(limiter.tryAcquire(100,TimeUnit.MILLISECONDS)){processRequest();}else{returnResponse.timeout();}5.3 API 接口限流RestControllerpublicclassApiController{// 每秒最多10个请求privatefinalRateLimiterlimiterRateLimiter.create(10.0);GetMapping(/api/data)publicResponseEntity?getData(){if(!limiter.tryAcquire()){returnResponseEntity.status(429).body(Too Many Requests);}// 处理业务逻辑returnResponseEntity.ok(fetchData());}}5.4 多租户限流// 为每个用户维护独立的限流器publicclassUserRateLimiter{privatefinalLoadingCacheString,RateLimiterlimitersCacheBuilder.newBuilder().expireAfterAccess(1,TimeUnit.HOURS).build(newCacheLoaderString,RateLimiter(){OverridepublicRateLimiterload(StringuserId){returnRateLimiter.create(5.0);// 每用户每秒5请求}});publicbooleantryAcquire(StringuserId){try{returnlimiters.get(userId).tryAcquire();}catch(ExecutionExceptione){returnfalse;}}}5.5 权重限流// 根据操作复杂度分配不同权重publicclassWeightedRateLimiter{privatefinalRateLimiterlimiterRateLimiter.create(10.0);// 简单查询消耗1个令牌publicvoidsimpleQuery(){limiter.acquire(1);// 执行查询}// 复杂查询消耗3个令牌publicvoidcomplexQuery(){limiter.acquire(3);// 执行查询}// 批量操作消耗5个令牌publicvoidbatchOperation(){limiter.acquire(5);// 执行批量操作}}六、优缺点分析6.1 核心优势优势详细说明实现简洁无需复杂的定时器或线程池基于时间差惰性计算令牌线程安全内部使用同步机制支持高并发场景下的安全访问精度支持支持小数QPS如0.5/秒满足精细控制需求突发处理令牌桶算法天然支持突发流量适合实际业务场景预热支持SmoothWarmingUp 策略有效保护系统冷启动6.2 局限性局限性详细说明单机限流仅支持单 JVM 实例限流分布式场景需要配合 Redis 等方案内存开销多租户场景下每个用户一个限流器可能占用较多内存无持久化应用重启后限流状态丢失无法保证严格的时间窗口阻塞风险acquire() 方法会阻塞线程不当使用可能导致线程耗尽七、应用场景详解7.1 API 网关限流在 API 网关中RateLimiter 可以用于保护后端服务防止单个用户或整体流量过大导致系统崩溃。推荐配置全局限流限制整个系统的总 QPS防止整体过载用户限流限制单个用户的调用频率防止恶意刷接口接口限流针对不同接口设置不同的限流阈值7.2 数据库连接保护数据库是大多数系统的瓶颈通过 RateLimiter 控制数据库访问速率可以有效防止连接池耗尽和数据库过载。publicclassDatabaseAccessControl{// 限制每秒最多50次数据库访问privatefinalRateLimiterdbLimiterRateLimiter.create(50.0);publicTTexecuteQuery(SqlFunctionTfunction){// 非阻塞获取失败则降级if(!dbLimiter.tryAcquire(10,TimeUnit.MILLISECONDS)){thrownewServiceUnavailableException(DB busy);}try{returnfunction.apply();}finally{// 释放资源}}}7.3 第三方服务调用调用外部 API 时通常有严格的调用频率限制。使用 RateLimiter 可以确保不超过对方的限制避免被封禁。publicclassExternalApiClient{// 对方限制每秒最多10次调用privatefinalRateLimiterapiLimiterRateLimiter.create(8.0);// 留有余量publicApiResponsecallExternalApi(Requestrequest){// 阻塞获取确保不超限apiLimiter.acquire();returnhttpClient.execute(request);}}7.4 资源池管理除了限流RateLimiter 还可以用于控制对有限资源的访问如线程池、连接池等。八、最佳实践与建议8.1 选型建议根据不同的业务场景选择合适的限流方案场景推荐方案单机应用限流Guava RateLimiter简单高效分布式限流Redis Lua 或 SentinelAPI 网关限流Nginx limit_req / Spring Cloud Gateway微服务熔断限流Resilience4j / Sentinel8.2 使用注意事项合理设置阈值限流值应基于系统容量和压测结果设定过低影响用户体验过高失去保护作用优先使用 tryAcquire避免使用阻塞式的 acquire()防止线程被长时间占用配合降级策略限流触发时应有友好的降级处理如返回缓存数据或排队提示监控与告警建立限流触发监控及时发现异常流量预热保护JVM 冷启动时使用 SmoothWarmingUp 策略避免初始流量冲击8.3 与分布式限流的结合在微服务架构中可以结合 Guava RateLimiter 和分布式限流方案实现多层防护网关层使用 Nginx 或 Gateway 进行粗粒度限流服务层使用 Sentinel 或 Redis 进行分布式限流实例层使用 RateLimiter 进行单机细粒度限流九、总结Guava RateLimiter 是一个设计精良、实现简洁的限流工具基于令牌桶算法提供了高效的速率控制能力。其核心优势在于无需定时器的惰性计算机制避免了传统限流方案的资源开销支持突发流量和预热保护适应多种业务场景线程安全且精度高支持小数 QPS 控制对于单机限流场景RateLimiter 是首选方案在分布式环境下可以将其作为最后一道防线配合网关层和服务层的限流方案构建完整的多层防护体系。掌握 RateLimiter 的原理和使用方法将帮助你更好地保护系统稳定性提升服务的可靠性和用户体验。附录Maven 依赖dependencygroupIdcom.google.guava/groupIdartifactIdguava/artifactIdversion32.1.3-jre/version/dependency
Guava RateLimiter 深度解析
Guava RateLimiter 深度解析从原理到实战令牌桶算法实现与限流实战指南文章导读本文将从零开始深入剖析 Google Guava 库中的 RateLimiter 组件。无论你是初次接触限流概念的新手还是希望深入理解其实现原理的开发者本文都将为你提供限流算法的核心概念与令牌桶算法详解RateLimiter 的完整源码实现解析两种限流策略平滑突发 vs 预热的对比分析丰富的实战代码示例与应用场景优缺点分析与选型建议一、限流基础概念1.1 什么是限流限流Rate Limiting是系统保护的核心手段之一其目的是控制单位时间内对资源的访问次数防止系统因突发流量而过载。在高并发系统中限流是保障服务稳定性的重要防线。限流的典型应用场景包括API 网关控制接口调用频率防止恶意刷接口微服务间调用防止级联故障保护下游服务资源池管理数据库连接池、线程池的访问控制用户行为限制登录尝试次数、短信发送频率控制1.2 常见限流算法对比业界常用的限流算法主要有以下几种算法名称核心思想特点计数器法固定时间窗口内计数实现简单但存在临界突发问题滑动窗口将时间窗口细分为多个小窗口精度更高但内存消耗较大令牌桶以固定速率生成令牌请求消耗令牌支持突发流量实现平滑限流漏桶请求进入桶中以固定速率流出强制平滑不支持突发二、令牌桶算法详解2.1 算法原理令牌桶算法Token Bucket是网络流量整形和速率限制中最常用的算法之一。其核心思想可以类比为想象一个容量固定的桶系统以恒定的速率向桶中放入令牌。当请求到达时必须从桶中获取一个或多个令牌才能被处理。如果桶中没有足够的令牌请求可以选择等待阻塞或被拒绝。算法核心要素令牌生成速率Rate系统每秒向桶中添加的令牌数量决定了限流的阈值桶容量Capacity桶能够容纳的最大令牌数决定了系统能够承受的突发流量上限令牌消耗每个请求需要消耗的令牌数量通常为1也可根据请求权重调整算法优势支持突发流量当桶中积累了大量令牌时可以一次性处理多个请求长期速率稳定无论突发多强长期平均速率不会超过令牌生成速率灵活可控通过调整桶容量和生成速率可以精确控制限流行为三、RateLimiter 核心实现解析3.1 类结构与设计RateLimiter 是 Guava 提供的抽象类其核心设计如下// RateLimiter 核心类结构publicabstractclassRateLimiter{// 核心字段存储的令牌数privatedoublestoredPermits;// 核心字段最大存储令牌数privatedoublemaxPermits;// 核心字段下次可获取令牌的时间privatelongnextFreeTicketMicros;// 生成令牌的间隔时间微秒privatevolatiledoublestableIntervalMicros;// ...}3.2 核心方法解析acquire() 方法acquire() 是阻塞式获取令牌的方法如果桶中没有足够的令牌线程会阻塞等待直到获取成功。// 获取1个令牌阻塞直到成功publicdoubleacquire(){returnacquire(1);}// 获取指定数量的令牌publicdoubleacquire(intpermits){longmicrosToWaitreserve(permits);stopwatch.sleepMicrosUninterruptibly(microsToWait);return1.0*microsToWait/TimeUnit.SECONDS.toMicros(1L);}tryAcquire() 方法tryAcquire() 是非阻塞式获取令牌的方法可以设置超时时间适用于需要快速失败的场景。// 尝试获取1个令牌立即返回publicbooleantryAcquire(){returntryAcquire(1,0,TimeUnit.MICROSECONDS);}// 尝试获取令牌带超时时间publicbooleantryAcquire(intpermits,longtimeout,TimeUnitunit){longtimeoutMicrosMath.max(unit.toMicros(timeout),0);longmicrosToWaitreserveAndGetWaitLength(permits,timeoutMicros);if(microsToWaittimeoutMicros){returnfalse;// 需要等待时间超过超时时间获取失败}stopwatch.sleepMicrosUninterruptibly(microsToWait);returntrue;}3.3 令牌生成机制RateLimiter 采用「惰性计算」的方式生成令牌而不是使用定时器。这种设计避免了定时器带来的精度问题和资源消耗。// 核心根据时间差计算生成的令牌数voidresync(longnowMicros){// 如果距离上次操作已经过去了一段时间if(nowMicrosnextFreeTicketMicros){// 计算这段时间应该生成的令牌数doublenewPermits(nowMicros-nextFreeTicketMicros)/coolDownIntervalMicros();// 更新存储的令牌数不超过最大值storedPermitsMath.min(maxPermits,storedPermitsnewPermits);// 更新下次可获取令牌的时间nextFreeTicketMicrosnowMicros;}}这种设计的精妙之处在于无需定时器避免了 ScheduledExecutorService 的开销和精度问题线程安全通过 synchronized 或原子操作保证并发安全精确计算基于时间差精确计算应生成的令牌数量四、两种限流策略对比4.1 SmoothBursty平滑突发SmoothBursty 是默认的限流策略允许一定程度的突发流量。当系统空闲时令牌会在桶中积累当有突发请求时可以一次性消耗积累的令牌。创建方式// 创建每秒允许5个请求的限流器RateLimiterlimiterRateLimiter.create(5.0);// 等价于RateLimiterlimiterRateLimiter.create(5.0,1,TimeUnit.SECONDS);特点突发处理能力可以一次性处理桶中积累的所有令牌冷启动问题系统启动时桶是空的第一个请求需要等待适用场景能够容忍突发流量对响应时间要求不高的场景4.2 SmoothWarmingUp平滑预热SmoothWarmingUp 在启动时有一个预热期在此期间限流速率会逐渐增加到设定的目标值。这种策略可以避免系统冷启动时突然承受高负载。创建方式// 创建每秒允许5个请求预热时间为2秒的限流器RateLimiterlimiterRateLimiter.create(5.0,// 目标QPS2,// 预热时间TimeUnit.SECONDS);预热原理预热期内系统会从一个较低的速率开始逐步提升到目标速率。这种渐进式的启动方式可以给系统足够的时间进行资源初始化如连接池预热、缓存加载等。适用场景JVM 冷启动场景避免 JIT 编译完成前的高负载数据库连接池给连接池足够的时间建立连接缓存预热允许系统先加载热点数据到缓存4.3 策略对比对比维度SmoothBurstySmoothWarmingUp突发支持支持可消耗积累的令牌预热期内限制突发启动行为立即达到目标速率逐渐提升到目标速率适用场景API限流、常规限流冷启动保护、资源预热第一个请求延迟可能需要等待预热期内延迟较大五、实战代码示例5.1 基础用法importcom.google.common.util.concurrent.RateLimiter;publicclassRateLimiterDemo{publicstaticvoidmain(String[]args){// 创建每秒允许2个请求的限流器RateLimiterlimiterRateLimiter.create(2.0);for(inti0;i10;i){// 获取令牌阻塞直到成功limiter.acquire();System.out.println(Request i processed at System.currentTimeMillis());}}}5.2 非阻塞获取// 尝试获取令牌立即返回结果if(limiter.tryAcquire()){// 获取成功处理请求processRequest();}else{// 获取失败返回降级响应returnResponse.tooManyRequests();}// 尝试获取令牌最多等待100毫秒if(limiter.tryAcquire(100,TimeUnit.MILLISECONDS)){processRequest();}else{returnResponse.timeout();}5.3 API 接口限流RestControllerpublicclassApiController{// 每秒最多10个请求privatefinalRateLimiterlimiterRateLimiter.create(10.0);GetMapping(/api/data)publicResponseEntity?getData(){if(!limiter.tryAcquire()){returnResponseEntity.status(429).body(Too Many Requests);}// 处理业务逻辑returnResponseEntity.ok(fetchData());}}5.4 多租户限流// 为每个用户维护独立的限流器publicclassUserRateLimiter{privatefinalLoadingCacheString,RateLimiterlimitersCacheBuilder.newBuilder().expireAfterAccess(1,TimeUnit.HOURS).build(newCacheLoaderString,RateLimiter(){OverridepublicRateLimiterload(StringuserId){returnRateLimiter.create(5.0);// 每用户每秒5请求}});publicbooleantryAcquire(StringuserId){try{returnlimiters.get(userId).tryAcquire();}catch(ExecutionExceptione){returnfalse;}}}5.5 权重限流// 根据操作复杂度分配不同权重publicclassWeightedRateLimiter{privatefinalRateLimiterlimiterRateLimiter.create(10.0);// 简单查询消耗1个令牌publicvoidsimpleQuery(){limiter.acquire(1);// 执行查询}// 复杂查询消耗3个令牌publicvoidcomplexQuery(){limiter.acquire(3);// 执行查询}// 批量操作消耗5个令牌publicvoidbatchOperation(){limiter.acquire(5);// 执行批量操作}}六、优缺点分析6.1 核心优势优势详细说明实现简洁无需复杂的定时器或线程池基于时间差惰性计算令牌线程安全内部使用同步机制支持高并发场景下的安全访问精度支持支持小数QPS如0.5/秒满足精细控制需求突发处理令牌桶算法天然支持突发流量适合实际业务场景预热支持SmoothWarmingUp 策略有效保护系统冷启动6.2 局限性局限性详细说明单机限流仅支持单 JVM 实例限流分布式场景需要配合 Redis 等方案内存开销多租户场景下每个用户一个限流器可能占用较多内存无持久化应用重启后限流状态丢失无法保证严格的时间窗口阻塞风险acquire() 方法会阻塞线程不当使用可能导致线程耗尽七、应用场景详解7.1 API 网关限流在 API 网关中RateLimiter 可以用于保护后端服务防止单个用户或整体流量过大导致系统崩溃。推荐配置全局限流限制整个系统的总 QPS防止整体过载用户限流限制单个用户的调用频率防止恶意刷接口接口限流针对不同接口设置不同的限流阈值7.2 数据库连接保护数据库是大多数系统的瓶颈通过 RateLimiter 控制数据库访问速率可以有效防止连接池耗尽和数据库过载。publicclassDatabaseAccessControl{// 限制每秒最多50次数据库访问privatefinalRateLimiterdbLimiterRateLimiter.create(50.0);publicTTexecuteQuery(SqlFunctionTfunction){// 非阻塞获取失败则降级if(!dbLimiter.tryAcquire(10,TimeUnit.MILLISECONDS)){thrownewServiceUnavailableException(DB busy);}try{returnfunction.apply();}finally{// 释放资源}}}7.3 第三方服务调用调用外部 API 时通常有严格的调用频率限制。使用 RateLimiter 可以确保不超过对方的限制避免被封禁。publicclassExternalApiClient{// 对方限制每秒最多10次调用privatefinalRateLimiterapiLimiterRateLimiter.create(8.0);// 留有余量publicApiResponsecallExternalApi(Requestrequest){// 阻塞获取确保不超限apiLimiter.acquire();returnhttpClient.execute(request);}}7.4 资源池管理除了限流RateLimiter 还可以用于控制对有限资源的访问如线程池、连接池等。八、最佳实践与建议8.1 选型建议根据不同的业务场景选择合适的限流方案场景推荐方案单机应用限流Guava RateLimiter简单高效分布式限流Redis Lua 或 SentinelAPI 网关限流Nginx limit_req / Spring Cloud Gateway微服务熔断限流Resilience4j / Sentinel8.2 使用注意事项合理设置阈值限流值应基于系统容量和压测结果设定过低影响用户体验过高失去保护作用优先使用 tryAcquire避免使用阻塞式的 acquire()防止线程被长时间占用配合降级策略限流触发时应有友好的降级处理如返回缓存数据或排队提示监控与告警建立限流触发监控及时发现异常流量预热保护JVM 冷启动时使用 SmoothWarmingUp 策略避免初始流量冲击8.3 与分布式限流的结合在微服务架构中可以结合 Guava RateLimiter 和分布式限流方案实现多层防护网关层使用 Nginx 或 Gateway 进行粗粒度限流服务层使用 Sentinel 或 Redis 进行分布式限流实例层使用 RateLimiter 进行单机细粒度限流九、总结Guava RateLimiter 是一个设计精良、实现简洁的限流工具基于令牌桶算法提供了高效的速率控制能力。其核心优势在于无需定时器的惰性计算机制避免了传统限流方案的资源开销支持突发流量和预热保护适应多种业务场景线程安全且精度高支持小数 QPS 控制对于单机限流场景RateLimiter 是首选方案在分布式环境下可以将其作为最后一道防线配合网关层和服务层的限流方案构建完整的多层防护体系。掌握 RateLimiter 的原理和使用方法将帮助你更好地保护系统稳定性提升服务的可靠性和用户体验。附录Maven 依赖dependencygroupIdcom.google.guava/groupIdartifactIdguava/artifactIdversion32.1.3-jre/version/dependency
