4. 常见限流算法详解（下）：令牌桶算法与自适应限流算法

在低延迟金融交易场景中，限流算法的选择直接影响系统吞吐与尾延迟。本节深入分析令牌桶算法（Token Bucket）与受 TCP BBR 启发的自适应限流算法，重点评估其在微秒级响应窗口下的适配性。

4.1 令牌桶算法（Token Bucket）

4.1.1 原理与工作机制

令牌桶以恒定速率向桶中放入令牌，每个请求需消耗一个令牌才能被放行。桶容量限制了突发流量的大小，而放入速率决定了长期平均速率。

4.1.2 优缺点分析

4.1.3 代码示例：无锁令牌桶（懒更新）

// 无锁令牌桶实现（懒更新模式）
public class TokenBucket {
    private final long capacity;      // 桶容量 b
    private final long refillRate;    // 每秒补充速率 r
    private long tokens;              // 当前令牌数
    private long lastRefillTime;      // 上次补充时间戳（纳秒）

    public TokenBucket(long capacity, long refillRate) {
        this.capacity = capacity;
        this.refillRate = refillRate;
        this.tokens = capacity;
        this.lastRefillTime = System.nanoTime();
    }

    public boolean tryAcquire() {
        long now = System.nanoTime();
        // 懒补充：按时间差计算应补充令牌
        long elapsed = now - lastRefillTime;
        long newTokens = elapsed * refillRate / 1_000_000_000L;
        if (newTokens > 0) {
            tokens = Math.min(capacity, tokens + newTokens);
            lastRefillTime = now;
        }
        if (tokens > 0) {
            tokens--;
            return true;
        }
        return false;
    }
}

4.2 自适应限流算法（TCP BBR 启发式）

4.2.1 原理与核心思想

自适应限流不依赖固定阈值，而是通过实时测量系统的 关键瓶颈指标 动态调整限流窗口。受 TCP BBR（Bottleneck Bandwidth and Round-trip propagation time）启发，金融场景的自适应限流通常关注以下指标：

• CPU 使用率：核心处理器的繁忙程度。
• GC 暂停时间：Java 环境中 STW（Stop-The-World）时长。
• 请求排队深度：待处理请求在队列中的积压数量。
• P99 延迟：尾部延迟的实时变化。

4.2.2 优缺点分析

4.2.3 在低延迟场景下的适配性

自适应限流在金融交易系统中通常作为 二级防线 使用：

• 一级防线：令牌桶或漏桶算法，快速拦截明显超限流量。
• 二级防线：自适应算法，在系统出现异常（如 GC 抖动、硬件降频）时动态降级。

4.3 算法对比与选型建议