4. 漏桶算法原理：恒定流出速率、队列缓冲、与令牌桶的对比、Go实现示例

漏桶算法（Leaky Bucket）是限流领域最直观的模型之一。它将请求视为水滴，系统视为底部有固定大小漏洞的桶：水以任意速率注入，但只能以恒定速率从漏洞流出。当桶满时，多余的水溢出（即请求被拒绝）。

4.1 算法核心要素

4.2 漏桶 vs 令牌桶：核心差异

漏桶与令牌桶常被混淆，但二者在流量整形哲学上有本质区别。下表从多个维度进行对比：

4.3 漏桶算法工作流程

下图展示了漏桶算法的完整生命周期：

4.4 Go 实现示例

以下是一个基于时间戳计算的漏桶实现，无需独立协程，适合在请求处理路径中同步调用：

package leakybucket

import (
    "sync"
    "time"
)

// LeakyBucket 漏桶限流器
type LeakyBucket struct {
    mu           sync.Mutex
    rate         float64   // 每秒流出速率
    capacity     float64   // 桶容量
    water        float64   // 当前水位
    lastLeakTime time.Time // 上次漏水时间
}

// NewLeakyBucket 创建一个漏桶限流器
func NewLeakyBucket(rate, capacity float64) *LeakyBucket {
    return &LeakyBucket{
        rate:         rate,
        capacity:     capacity,
        water:        0,
        lastLeakTime: time.Now(),
    }
}

// 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()
    // 计算从上一次漏水到现在应该漏掉的水量
    elapsed := now.Sub(lb.lastLeakTime).Seconds()
    leaked := elapsed * lb.rate

    // 更新水位（不能低于0）
    if leaked > 0 {
        lb.water -= leaked
        if lb.water < 0 {
            lb.water = 0
        }
        lb.lastLeakTime = now
    }

    // 判断桶是否已满
    if lb.water < lb.capacity {
        lb.water++
        return true
    }
    return false
}

// Water 返回当前水位（调试用）
func (lb *LeakyBucket) Water() float64 {
    lb.mu.Lock()
    defer lb.mu.Unlock()
    return lb.water
}

4.5 使用示例与测试

func main() {
    // 创建漏桶：每秒处理5个请求，桶容量10
    lb := leakybucket.NewLeakyBucket(5.0, 10.0)

    // 模拟突发请求
    for i := 0; i < 20; i++ {
        if lb.Allow() {
            fmt.Printf("请求 %2d: 通过\n", i+1)
        } else {
            fmt.Printf("请求 %2d: 拒绝\n", i+1)
        }
        time.Sleep(10 * time.Millisecond) // 快速发送
    }

    // 等待1秒后再次发送
    time.Sleep(1 * time.Second)
    fmt.Println("\n等待1秒后：")
    for i := 0; i < 10; i++ {
        if lb.Allow() {
            fmt.Printf("请求 %2d: 通过\n", i+1)
        } else {
            fmt.Printf("请求 %2d: 拒绝\n", i+1)
        }
        time.Sleep(50 * time.Millisecond)
    }
}

4.6 漏桶的尾延迟影响

漏桶算法对尾延迟的影响具有两面性：

• 正面：消除了请求突发，下游服务不会因瞬时高负载而出现长尾延迟。对于数据库连接池等场景，漏桶能显著降低P99延迟。
• 负面：当桶持续满负荷时，请求在桶内排队等待流出，引入固定的排队延迟。如果桶容量设置过大，尾延迟可能被放大。