微服务系统场景下，系统的高可用性是一个很大的挑战，面对可用性的技术设计方案常用的就是服务的熔断、降级、限流来保证服务不出现雪崩的现象。
服务限流定义：服务限流是指在⾼并发请求下，为了保护系统，可以对访问服务的请求进行数量上的限制，从⽽防⽌系统不被激增的流量请求压垮，在秒杀中，限流是⾮常重要的。
几种常用限流算法【限流算法】计数器算法（固定窗口）计数器算法是使用计数器在周期内累加访问次数（比如一分钟内超过10w的阀值），当达到设定的限流值时，触发限流策略。
下一个周期开始时，进行清零，重新计数。
此算法在单机还是分布式环境下实现都非常简单，使用redis的incr原子自增性和线程安全即可轻松实现。
这个算法通常用于QPS限流和统计总访问量，对于秒级以上的时间周期来说，会存在一个非常严重的问题，那就是临界问题，如下图：假设1min内服务器的负载能力为100，因此一个周期的访问量限制在100，然而在第一个周期的最后5秒和下一个周期的开始5秒时间段内，分别涌入100的访问量，虽然没有超过每个周期的限制量，但是整体上10秒内已达到200的访问量，已远远超过服务器的负载能力，由此可见，计数器算法方式限流对于周期比较长的限流，存在很大的弊端。
【限流算法】滑动窗口滑动窗口算法是将时间周期分为N个小周期，分别记录每个小周期内访问次数，并且根据时间滑动删除过期的小周期。
如下图，假设时间周期为1min，将1min再分为2个小周期，统计每个小周期的访问数量，则可以看到，第一个时间周期内，访问数量为75，第二个时间周期内，访问数量为100，超过100的访问则被限流掉了由此可见，当滑动窗口的格子划分的越多，那么滑动窗口的滚动就越平滑，限流的统计就会越精确。
此算法可以很好的解决固定窗口算法的临界问题。
【限流算法】漏桶算法漏桶算法是访问请求到达时直接放入漏桶，如当前容量已达到上限（限流值），则进行丢弃（触发限流策略）。
漏桶以固定的速率进行释放访问请求（即请求通过），直到漏桶为空。
【限流算法】令牌桶算法令牌桶算法是程序以r（r=时间周期/限流值）的速度向令牌桶中增加令牌，直到令牌桶满，请求到达时，向令牌桶请求令牌，如获取到令牌则通过请求，否则触发限流策略服务熔断定义：服务熔断是指，当服务A调⽤的某个服务B不可⽤时，上游服务A为了保证⾃⼰不受影响，从⽽不再调⽤服务B，直接返回⼀个结果，减轻服务A和服务B的压⼒，直到服务B恢复。
服务降级定义：当发现系统压⼒过载时，可以通过关闭某个服务（比如评论服务），或限流某个服务来减轻系统压⼒，这就是服务降级。
总结

相同点：都是为了防止系统崩溃，影响用户体验和资损问题的发生。
不同点：熔断是下游服务故障触发的，降级是为了降低系统负载，限流是在服务可承载的负荷下，控制流量顺序接收处理。
#微服务##高可用##服务高可用##限流##熔断##降级##java##springcloud#