在开发高并发系统时,如何保护系统?
三种方案:缓存,降级,限流
（1）缓存：缓存简单理解就是把从数据库查询出来的数据，存放到缓存系统上，比如Memcached或者redis，然后下次再来获取的时候，直接从缓存中进行获取。缓存的目的是提升系统访问速度和增大系统处理容量。
（2）降级：降级是当服务出现问题或者影响到核心流程时，需要暂时屏蔽掉，待高峰或者问题解决后再打开。
（3）限流：限流的目的是通过对并发访问/请求进行限速，或者对一个时间窗口内的请求进行限速来保护系统，一旦达到限制速率则可以拒绝服务、排队或等待、降级等处理。简单理解就是在1秒之内有1000个请求（流量）来了，而系统只能处理100个/秒，那么这时候明显是无法处理过来的，很显然就会导致系统瘫痪了，那么对于这个请求流量，我们可以做一个限制，配置最多可接受的请求是100个/秒，多出来的请求，怎么办呢，那就限制住，直接返回一个提示，当前请求人数过多，请稍后再试，这就是限流（限制在某个时间窗口的最大流量）。
常用的限流算法:计算器算法
一、计数器算法原理
计数器法是限流算法里最简单也是最容易实现的一种算法，一般我们会限制一秒钟能够通过的请求数。比如我们规定，对于A接口来说，我们1分钟的访问次数不能超过100个。那么我们可以这么做：在一开始的时候，我们可以设置一个计数器counter，每当一个请求过来的时候， counter就加1，如果counter的值大于100并且该请求与第一个请求的间隔时间还在1分钟之内，那么说明请求数过多; 如果该请求与第一个请求的间隔时间大于1分钟，且counter的值还在限流范围内，那么就重置 counter。
计数器算法小实现
对于技术，再多的理论，都不如实践来的好理解，来，我看下要怎么实现。
看下具体的一个代码：
public class Counter { public long timeStamp = System.currentTimeMillis(); // 当前时间 public int reqCount = 0; // 初始化计数器 public final int limit = 100; // 时间窗口内最大请求数 public final long interval = 1000 * 60; // 时间窗口ms public boolean limit() { long now = System.currentTimeMillis(); if (now < timeStamp + interval) { // 在时间窗口内 reqCount++; // 判断当前时间窗口内是否超过最大请求控制数 return reqCount <= limit; } else { timeStamp = now; // 超时后重置 reqCount = 1; return true; } } }
说明：上面代码逻辑很简单，就是在1秒之内进行统计请求的总个数，然后校验请求的个数是否超过了限制的请求数，如果在1秒之外，那么就重置请求数。
不过此次算法有一个弊端:
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。
从上图中我们可以看到，假设有一个恶意用户，他在0:59时，瞬间发送了100个请求，并且1:00又瞬间发送了100个请求，那么其实这个用户在 1秒里面，瞬间发送了200个请求。我们刚才规定的是1分钟最多100个请求，也就是每秒钟最多1.7个请求，用户通过在时间窗口的重置节点处突发请求， 可以瞬间超过我们的速率限制。用户有可能通过算法的这个漏洞，瞬间压垮我们的应用。
解决方案待更新