令牌桶VS漏桶：谁才是流量控制的“最优解”？-开发者社区

面试被问到限流算法，很多面试官会让直接手写令牌桶和漏桶的实现。虽然平时用过Redis、Guava等现成的限流工具，但真要手写还是有点慌。今天就来聊聊这两种经典限流算法的区别，并用Java手写实现。

很多的限流工具底层都应用了它们

一、令牌桶 vs 漏桶：核心区别

令牌桶

令牌桶的核心思想：固定容量的桶，以固定速率往桶里放令牌，请求来了就从桶拿令牌，没令牌就拒绝。

有点像买票进站，想去坐火车就先去售票窗口买票，买到票了就凭票进入，买不到等待，因为窗口会定时的放票，再去抢。

下图是用Ai生成的，大致能体现出这么个意思

令牌桶特点：

1、可以处理突发流量（桶里有令牌就能用），因为并不是一直请求都很多，但会一直以固定速率向桶里添加令牌，请求少时桶内令牌满了，请求激增可以满桶拿令牌顶一阵

2、原理和实现上相对简单

3、内存占用小

漏桶适用场景：

接口限流：保护业务系统或者敏感接口
防止恶意攻击：抵御Dos或DDos攻击
……

它的优势在于能够限制平均速率，同时允许一定的突发流量

漏桶

漏桶的核心思想比令牌桶早更简单：请求像水一样流入桶中，桶以固定速率“漏水”处理请求，超出桶容量的请求被丢弃或排队。

漏桶的特点：

1、输出非常平滑稳定

2、能有效保护下游系统（流量平滑）

3、❌ 无法处理突发流量

4、❌ 可能造成请求延迟

漏桶适用场景：

数据库连接池：保护数据库不被过载
消息队列消费：控制消费速率
支付系统：确保支付处理稳定性

二、手写实现

令牌桶实现

public class TokenBucket { // 桶容量（最大令牌数） privatefinallong capacity; // 令牌填充速率（令牌/秒） privatefinallong refillRate; // 当前令牌数量 private AtomicLong tokens; // 上次填充时间戳（纳秒） privatelong lastRefillTime; public TokenBucket(long capacity, long refillRate) { this.capacity = capacity; this.refillRate = refillRate; this.tokens = new AtomicLong(capacity); this.lastRefillTime = System.nanoTime(); } // 示例使用 public static void main(String[] args) throws InterruptedException { // 创建桶：容量10令牌，每秒填充5令牌 TokenBucket bucket = new TokenBucket(10, 2); // 模拟请求 for (int i = 1; i <= 50; i++) { if (bucket.tryAcquire()) { System.out.println("请求" + i + ": 通过"); } else { System.out.println("请求" + i + ": 限流"); } Thread.sleep(100); // 100ms请求一次 } } /** * 尝试获取令牌 * * @return true-获取成功，false-被限流 */ public synchronized boolean tryAcquire() { refillTokens(); if (tokens.get() > 0) { tokens.decrementAndGet(); returntrue; } returnfalse; } /** * 尝试获取多个令牌 * * @param numTokens 请求令牌数 */ public synchronized boolean tryAcquire(int numTokens) { refillTokens(); if (tokens.get() >= numTokens) { tokens.addAndGet(-numTokens); returntrue; } returnfalse; } // 根据时间差补充令牌 private void refillTokens() { long now = System.nanoTime(); // 计算时间差（秒） double elapsedSec = (now - lastRefillTime) * 1e-9; // 计算应补充的令牌数 long tokensToAdd = (long) (elapsedSec * refillRate); if (tokensToAdd > 0) { tokens.set(Math.min(capacity, tokens.get() + tokensToAdd)); lastRefillTime = now; } } }

使用 AtomicLong 保证线程安全。
通过时间差动态计算补充的令牌数。
桶容量限制突发流量的最大值。

漏桶实现

import java.util.concurrent.atomic.AtomicLong; publicclass LeakyBucket { // 桶容量（最大请求数） privatefinallong capacity; // 漏水速率（请求/秒） privatefinallong leakRate; // 当前水量（待处理请求数） private AtomicLong water; // 上次漏水时间戳（毫秒） privatelong lastLeakTime; public LeakyBucket(long capacity, long leakRate) { this.capacity = capacity; this.leakRate = leakRate; this.water = new AtomicLong(0); this.lastLeakTime = System.currentTimeMillis(); } // 示例使用 public static void main(String[] args) throws InterruptedException { // 创建桶：容量5请求，每秒处理2请求 LeakyBucket bucket = new LeakyBucket(5, 1); // 模拟请求 for (int i = 1; i <= 15; i++) { if (bucket.tryPass()) { System.out.println("请求" + i + ": 通过 (当前水位: " + bucket.water.get() + ")"); } else { System.out.println("请求" + i + ": 限流 (水位溢出)"); } Thread.sleep(200); // 200ms请求一次 } } /** * 尝试通过漏桶 * * @return true-允许通过，false-被限流 */ public synchronized boolean tryPass() { leakWater(); if (water.get() < capacity) { water.incrementAndGet(); returntrue; } returnfalse; } // 根据时间差漏水 private void leakWater() { long now = System.currentTimeMillis(); // 计算时间差（秒） long elapsedMs = now - lastLeakTime; if (elapsedMs > 0) { // 计算漏水量 long leaked = (long) (elapsedMs * leakRate / 1000.0); if (leaked > 0) { water.updateAndGet(cur -> Math.max(0, cur - leaked)); lastLeakTime = now; } } } }

漏出速率固定，确保请求处理平滑。
水量超过容量时直接拒绝请求。

三、测试对比

public class RateLimiterTest { public static void main(String[] args) throws InterruptedException { // 测试令牌桶：容量10，每秒填充5个令牌 TokenBucket tokenBucket = new TokenBucket(10, 5); // 测试漏桶：容量10，每秒漏出5个请求 LeakyBucket leakyBucket = new LeakyBucket(10, 5); System.out.println("=== 令牌桶测试（支持突发） ==="); testTokenBucket(tokenBucket); Thread.sleep(1000); System.out.println("\n=== 漏桶测试（平滑输出） ==="); testLeakyBucket(leakyBucket); } private static void testTokenBucket(TokenBucket bucket) { // 模拟突发请求 for (int i = 0; i < 15; i++) { boolean success = bucket.tryConsume(1); System.out.printf("请求%d: %s (当前令牌: %.1f)%n", i + 1, success ? "通过" : "拒绝", bucket.getCurrentTokens()); } } private static void testLeakyBucket(LeakyBucket bucket) { // 模拟突发请求 for (int i = 0; i < 15; i++) { boolean success = bucket.tryConsume(); System.out.printf("请求%d: %s (当前水量: %.1f)%n", i + 1, success ? "通过" : "拒绝", bucket.getCurrentWater()); } } }