令牌桶算法 布隆过滤器 漏桶算法

一图速记：

算法/结构	类型	主要作用	应用场景示例
令牌桶算法	限流算法	控制请求速率	接口限流，突发请求处理
漏桶算法	限流算法	控制流出速率	接口平滑输出，缓解突发压力
布隆过滤器	数据结构	判断元素是否存在	缓存穿透防护、黑名单检查

---

1. 令牌桶算法（Token Bucket）

原理：

• 系统以固定速率往桶中放令牌；
• 每个请求要消费一个令牌；
• 没有令牌就拒绝/排队；
• 支持突发请求（桶有余量时）。

特点：

• 平均速率控制；
• 可处理突发流量（桶内有余量）；
• 更灵活。

应用场景：

• 接口限流（高并发情况下也允许一定突发）；
• API网关、网速控制等。

---

2. 漏桶算法（Leaky Bucket）

原理：

• 请求先进入桶中；
• 桶以固定速率漏水（处理请求）；
• 桶满时，多余请求被丢弃/排队；
• 不支持突发请求（超过容量就丢弃）。

特点：

• 输出速率恒定；
• 平滑处理请求；
• 避免系统被突发请求打垮。

应用场景：

• 日志限流、消息队列流控；
• 上传带宽控制。

---

3. 布隆过滤器（Bloom Filter）

原理：

• 一种空间效率极高的概率型数据结构；
• 使用多个哈希函数，将元素映射到位数组；

• 判断某元素是否存在时：

  • 若对应位全为1：可能存在（但有误判）；
  • 有任何一位为0：一定不存在。

特点：

• 极高效率和节省内存；
• 有一定误判率（可调），但不会漏判；
• 不能删除元素（除非用Counting Bloom Filter）。

应用场景：

• 防止缓存穿透（如Redis前）；
• 黑名单过滤；
• 数据去重。

---

总结对比

特性	令牌桶	漏桶	布隆过滤器
类型	限流算法	限流算法	概率型数据结构
控制速率方式	控制放行速率（加令牌）	控制处理速率（出水）	判断数据是否存在
是否支持突发	✅ 是	❌ 否	不适用
是否有误判	❌ 无	❌ 无	✅ 有（可能误判存在）
使用场景	限流、防攻击	平滑处理请求	缓存穿透、黑名单过滤

---