3. 常见限流算法（上）：固定窗口计数器算法

固定窗口计数器算法（Fixed Window Counter）是所有限流算法中最直观、最容易实现的一种。它将时间划分为固定长度的窗口（例如 1 秒、1 分钟），在每个窗口内维护一个计数器，当请求到达时计数器加 1；如果计数器超过预设阈值，则拒绝后续请求；窗口结束时计数器重置。

3.1 算法原理

固定窗口算法的核心思想可以概括为三个步骤：

1. 划分时间窗口：将时间轴均匀切分为固定长度的窗口（如 1 秒）。
2. 计数累加：每个请求到达时，当前窗口的计数器加 1。
3. 阈值判断：若计数器 ≤ 阈值，请求通过；否则请求被拒绝或排队。

窗口切换时，计数器立即归零，开始新一轮计数。

3.2 代码实现（Go 语言示例）

以下是一个基于 Go 语言的固定窗口计数器限流器实现，使用 sync.Mutex 保证并发安全：

package limiter

import (
    "sync"
    "time"
)

// FixedWindowLimiter 固定窗口限流器
type FixedWindowLimiter struct {
    mu       sync.Mutex
    limit    int           // 窗口内最大请求数
    window   time.Duration // 窗口大小
    count    int           // 当前窗口计数
    windowStart time.Time  // 当前窗口起始时间
}

// NewFixedWindowLimiter 创建固定窗口限流器
func NewFixedWindowLimiter(limit int, window time.Duration) *FixedWindowLimiter {
    return &FixedWindowLimiter{
        limit:       limit,
        window:      window,
        windowStart: time.Now(),
    }
}

// Allow 判断请求是否允许通过
func (l *FixedWindowLimiter) Allow() bool {
    l.mu.Lock()
    defer l.mu.Unlock()

    now := time.Now()
    // 如果当前时间已超出窗口范围，重置计数器
    if now.Sub(l.windowStart) >= l.window {
        l.count = 0
        l.windowStart = now
    }

    // 判断是否超过阈值
    if l.count < l.limit {
        l.count++
        return true
    }
    return false
}

3.3 优缺点分析

3.4 适用场景

• 对突发流量容忍度较高的 API：如非关键性的日志上报、统计埋点。
• 粗粒度限流：分钟级或小时级的配额控制，临界突变影响较小。
• 资源受限环境：嵌入式设备、边缘节点，需要极简实现。
• 配合其他算法使用：作为前置快速过滤，再配合滑动窗口或令牌桶做精细控制。