feat(algo): add limited alg

shgopher · shgopher · commit 2bef110f21aa · 2024-04-02T18:08:43.000+08:00
diff --git a/算法/算法/限流算法/README.md b/算法/算法/限流算法/README.md
@@ -0,0 +1,51 @@
+# 限流算法
+
+通常来说有三种比较常见
+
+1. 计数器
+2. 滑动窗口
+3. 漏桶
+4. 令牌桶
+
+## 计数器
+## 滑动窗口
+滑动窗口是计数器的一种改进方法
+
+滑动窗口的思路是，在窗口内统计请求的数量，当窗口内请求数量达到阈值时，拒绝请求。
+
+滑动窗口比基础的计数器方法改进的地方主要体现在以下几个方面：
+
+1. 更加平滑地处理流量突变
+
+基础的计数器方法在一个固定时间窗口内统计请求数量，如果在这个时间窗口内请求数量超过阈值，则会拒绝所有请求。这会导致在窗口切换时出现流量突变，例如在窗口刚开始时，请求可能会被立即拒绝，而在窗口结束时，即使请求数量已经下降，也可能仍然会被拒绝。
+
+滑动窗口则将时间窗口划分为多个子窗口，并对每个子窗口进行独立统计。当某个子窗口内的请求数量超过阈值时，只会拒绝该子窗口内的请求，而不会影响其他子窗口。这样可以使流量更加平滑地处理突发流量。
+
+2. 更好地适应流量变化
+
+基础的计数器方法使用固定的时间窗口，无法适应流量的变化。例如，如果流量突然增加，则可能会导致请求被拒绝；而如果流量突然下降，则可能会导致资源浪费。
+
+滑动窗口则可以通过调整窗口大小和步长来适应流量的变化。例如，当流量增加时，可以缩小窗口大小或减小步长，以提高系统的处理能力；当流量下降时，可以扩大窗口大小或增大步长，以节省资源。
+
+3. 更加灵活的控制策略
+
+基础的计数器方法只能根据请求数量来进行限流。
+
+滑动窗口则可以根据不同的需求来制定更加灵活的控制策略。例如，可以根据请求的来源、类型、时间等因素来进行限流。
+
+总结
+
+滑动窗口是一种更加灵活、有效地限流方法，可以更好地处理流量突变、适应流量变化以及实现更加灵活的控制策略。
+
+以下是一些滑动窗口算法的应用场景：
+
+- Web API 限流
+- 服务端限流
+- 网络限流
+- 消息队列限流
+- 缓存限流
+
+## 漏桶
+## 令牌桶
+## 漏桶和令牌桶比较
+如果拿漏桶和令牌桶来比较的话，漏桶是没有流量突变的，然而令牌桶因为要申请临牌的缘故所以它存在流量突变，或者卡死的状态
