4. 漏桶算法详解：算法原理、参数配置与适用场景

漏桶算法（Leaky Bucket）是流量整形（Traffic Shaping）领域的经典算法，在催收触达API中常用于平滑突发请求，防止下游催收系统（如短信网关、外呼平台）因瞬时流量过载而崩溃。与令牌桶侧重“允许突发”不同，漏桶强制输出速率恒定，是保护脆弱下游的首选方案。

4.1 算法核心原理

漏桶算法将请求处理过程抽象为一个底部有孔的“桶”：

• 桶（Bucket）：一个固定容量的队列，用于暂存到达的请求。
• 水（请求）：每个API请求相当于一滴水，落入桶中。
• 漏孔（Leak）：桶底部以恒定速率向外滴水，代表请求以固定速率被处理。
• 溢出（Overflow）：当桶已满（队列深度耗尽），新到达的请求被直接丢弃（拒绝服务）。

4.2 关键参数配置

漏桶算法在生产环境中有两个核心参数，直接决定限流效果和系统稳定性：

4.3 适用场景：平滑流量

漏桶算法在催收触达API中最适合以下三类场景：

• 保护脆弱下游：当下游催收系统（如外呼平台、短信通道）无法处理突发流量，且没有自带的流控能力时，漏桶强制输出恒定速率，避免下游被冲垮。
• 合规性要求：金融催收监管要求每日/每小时外呼次数不得超过特定阈值。漏桶配合时间窗口，可精确控制输出速率，确保合规。
• 削峰填谷：催收任务通常在整点（如10:00、14:00）集中触发。漏桶将高峰期的请求暂存到队列中，在低谷期平滑处理，避免系统资源被瞬时峰值占满。

4.4 漏桶 vs 令牌桶：核心对比

漏桶和令牌桶是流量控制领域最常被对比的两种算法。下表从多个维度进行详细对比：

4.5 代码实现示例（Go语言）

以下是一个生产级漏桶算法的简化实现，展示了核心逻辑：

package leakybucket

import (
    "sync"
    "time"
)

// LeakyBucket 漏桶限流器
type LeakyBucket struct {
    rate       float64       // 漏出速率（请求/秒）
    capacity   int64         // 桶容量（队列深度）
    water      int64         // 当前水量（队列中的请求数）
    lastLeakMs int64         // 上次漏水时间戳（毫秒）
    mu         sync.Mutex
}

// NewLeakyBucket 创建漏桶实例
func NewLeakyBucket(rate float64, capacity int64) *LeakyBucket {
    return &LeakyBucket{
        rate:       rate,
        capacity:   capacity,
        water:      0,
        lastLeakMs: time.Now().UnixMilli(),
    }
}

// Allow 判断是否允许请求通过
func (lb *LeakyBucket) Allow() bool {
    lb.mu.Lock()
    defer lb.mu.Unlock()

    now := time.Now().UnixMilli()
    // 1. 先漏水：根据时间间隔计算应漏出的水量
    elapsed := now - lb.lastLeakMs
    leakCount := int64(float64(elapsed) * lb.rate / 1000.0)
    if leakCount > 0 {
        if leakCount > lb.water {
            lb.water = 0
        } else {
            lb.water -= leakCount
        }
        lb.lastLeakMs = now
    }

    // 2. 判断桶是否已满
    if lb.water < lb.capacity {
        lb.water++  // 请求入桶
        return true
    }

    // 桶满，请求被丢弃
    return false
}

4.6 催收场景实战配置建议

针对不同的催收触达渠道，推荐以下初始参数配置：