4. 限流算法进阶：令牌桶算法原理、Python实现与代码示例、适用场景

在金融API网关与微服务架构中，限流算法是保障系统稳定性的第一道防线。上一节我们介绍了计数器与滑动窗口算法，本节将深入讲解业界应用最广泛的令牌桶算法——它既能平滑突发流量，又能允许一定程度的突发请求，非常适合金融交易场景下的混合流量特征。

4.1 令牌桶算法核心原理

令牌桶算法通过一个“桶”来存放令牌，以固定速率向桶中添加令牌，每个请求必须从桶中获取一个或多个令牌才能被放行。其核心机制包含三个关键参数：

4.2 算法工作流程详解

令牌桶的工作流程可以拆解为以下四个步骤：

1. 初始化：创建桶时，桶内初始令牌数通常设为 capacity（满桶），以便应对初始突发流量。
2. 周期性添加：每隔 1/rate 秒向桶中添加 1 个令牌；若桶已满，则丢弃新令牌。
3. 请求处理：每个请求到达时，检查桶中是否有 ≥1 个令牌。若有，则取出 1 个令牌并放行请求；若无，则拒绝请求（返回 429 状态码）。
4. 突发控制：桶容量 capacity 决定了最大突发请求数。长时间空闲后，桶会积满令牌，允许一次突发消费所有令牌。

4.3 Python 实现与代码示例

以下是一个线程安全的令牌桶实现，适用于金融 API 网关的限流中间件：

import time
import threading

class TokenBucket:
    """令牌桶限流器"""

    def __init__(self, rate: float, capacity: int):
        """
        :param rate:     令牌生成速率（个/秒）
        :param capacity: 桶容量（最大突发令牌数）
        """
        self.rate = rate
        self.capacity = capacity
        self.tokens = capacity          # 初始满桶
        self.last_refill = time.monotonic()
        self.lock = threading.Lock()

    def _refill(self):
        """计算并补充自上次填充以来应生成的令牌数"""
        now = time.monotonic()
        elapsed = now - self.last_refill
        new_tokens = elapsed * self.rate
        if new_tokens > 0:
            self.tokens = min(self.capacity, self.tokens + new_tokens)
            self.last_refill = now

    def consume(self, tokens: int = 1) -> bool:
        """
        尝试消费 tokens 个令牌
        :return: True 表示放行，False 表示拒绝
        """
        with self.lock:
            self._refill()
            if self.tokens >= tokens:
                self.tokens -= tokens
                return True
            return False

    def get_available_tokens(self) -> float:
        """获取当前可用令牌数（近似值）"""
        with self.lock:
            self._refill()
            return self.tokens

# ========== 使用示例 ==========
if __name__ == "__main__":
    # 创建限流器：每秒 100 个令牌，桶容量 200
    bucket = TokenBucket(rate=100, capacity=200)

    # 模拟 50 个并发请求
    success = 0
    denied = 0
    for i in range(50):
        if bucket.consume(1):
            success += 1
            print(f"[放行] 请求 {i+1:2d} 通过，剩余令牌: {bucket.get_available_tokens():.1f}")
        else:
            denied += 1
            print(f"[拒绝] 请求 {i+1:2d} 被限流")

    print(f"\n总计: 放行 {success}, 拒绝 {denied}")

4.4 令牌桶 vs 漏桶算法对比

在金融系统中，令牌桶和漏桶是两种最常用的限流算法，它们的核心差异如下：

4.5 金融场景适用性分析

令牌桶算法在金融 API 限流中具有以下优势，使其成为首选方案：

• 行情推送接口：行情数据在开盘瞬间有大量订阅请求，令牌桶的突发能力允许这些请求快速通过，避免错过关键行情。
• 交易查询接口：用户频繁刷新持仓、成交记录时，令牌桶可平滑处理查询峰值，同时保证交易核心链路的稳定性。
• 风控规则引擎：风控检查需要快速响应，令牌桶的低延迟特性（无需等待时间窗口）可减少交易延迟。
• API 网关统一限流：作为网关层限流组件，令牌桶可灵活配置不同接口的 rate 和 capacity，实现精细化流量管理。

4.6 参数调优建议

在实际部署中，令牌桶参数需要根据业务压测结果进行调整：