限流业务
限流业务
分布式情况下的限流可以进行整体限流和局部限流的结合，根据具体情况进行选择。
整体限流
整体限流是对整个应用程序进行限流控制，通常是根据应用程序的压力、负载以及所需的资源进行限流控制。整体限流可以通过多种方式来实现，比如使用熔断器、队列长度（MQ）控制，或者通过分布式限流工具来控制。
局部限流
局部限流则是根据实际使用情况，对不同的服务、接口或者方法进行独立的限流控制。通常是针对不同的服务或者接口，根据实际的业务需求和资源使用情况，进行不同的限流策略和算法，以达到最佳的限流效果。
微服务、容器模式、服务栅格都可以使用合适的分布式限流工具来实现整体限流和局部限流的需求。
对于微服务，可以使用Sentinel、Resilience4j等分布式限流、熔断工具来满足限流需求。这些工具都可以独立运行，也可以与SpringCloud等微服务框架或者服务注册中心进行集成，提供更方便的分布式限流控制。
在容器环境中，可以使用Kubernetes提供的限流策略限流控制。Kubernetes提供了CPU、内存、网络等多种资源的限流策略，可根据不同的资源需求和限制条件，针对不同的容器进行限流。
服务栅格提供了更多的限流控制策略和算法，包括服务端限流、客户端限流、基于令牌桶算法的限流等，可根据实际应用场景和需求进行选择。
综上所述，分布式情况下的限流可以进行整体限流和局部限流的结合，根据实际需求和场景选择合适的分布式限流工具来实现。Sentinel、Resilience4j等工具适用于微服务环境，Kubernetes适用于容器模式下，服务栅格提供了更多的限流控制策略和算法，可根据实际情况进行选择。
算法
局部限流是在单个接口或者方法内部进行限流，目的是为了控制该接口或方法的并发访问量，防止请求过多导致系统负载过高而出现故障。下面是几种常用的局部限流策略：
- 令牌桶算法
令牌桶算法是一种常用的限流算法，其基本思想是将请求看作令牌，每个请求需要从一个令牌桶中取出一个令牌，当令牌桶中的令牌数量达到一定阈值时，就会拒绝新的请求，以达到限流的目的。
- 漏桶算法
漏桶算法是一种基于时间窗口的限流算法，其基本思想是将请求看作水滴，请求被加入到一个漏洞中，漏桶以恒定的速率流出，如果漏桶已满，则新的请求会被丢弃。
- 计数器
计数器是一种简单的限流算法，其基本思想是在一定时间段内统计请求的数量，当请求数量达到一定阈值时，拒绝新的请求。在实际应用中，通常会采用滑动窗口等方式，动态调整限流阈值以应对请求波动的情况。
- 并发数限制
在一些高性能、低延迟的系统中，可以采用限制并发请求数的方式进行限流。即限制同一时间内访问接口或方法的并发请求数量，当并发数达到限制后，新的请求将被拒绝或者排队等待。
综上所述，局部限流采用的策略有令牌桶算法、漏桶算法、计数器和并发数限制等。在实际应用中，需要根据业务需求和系统特点进行选择，并根据实际情况进行动态调整，以达到最优的限流效果。