在提到具体的解决方案的时候，我们需要了解2个算法，一个是令牌桶算法，一个是漏桶算法；令牌桶算法: 就是限制平均流入速率，假如令牌桶内放置10个令牌，每次拿走1个令牌，但同时也支持突发流量进入，一次拿走5个令牌，桶内如果没有令牌，则后续等待的任务直接废弃; 漏桶算法: 是限制流出速率；因为桶内的流水是恒定的，只管流出的速率
其底层使用的是令牌桶算法，在引入guava依赖后，我们假设先往桶内放置5个令牌
使用 final RateLimiter limiter = RateLimiter.create(5)
使用limiter.acquire()，从桶内获取一个令牌，当然也支持
limiter.acquire(5),直接从桶内获取5个令牌，主要是应对突发流量
假设桶内没有令牌，我们也可以使用limiter.tryAcquire()尝试从桶内获取，当然如果此时仍然没有令牌，我们也可以，使用limiter.tryAcquire(5,毫秒)再次获取
此种方案处理http请求，当请求过来的时候，我们直接设置limit-req-zone,设置每秒IP允许发起的请求数;
limit-req 设置缓冲的连接数
limit-conn 并发连接数
limit-zone 设置每个session的空间大小
首先查看开关是否开启，还是关闭;
其次 设置的sku，在循环依赖种依次递减的方式直至为0；
前面三种方案基本上可以说是 从技术角度去解决这些问题
而当前这种方案是从业务上去解决限流与消峰的案例
比如12306网站，我们经常需要填写验证码来拉长战线，就是限流的一个举措；再比如分时段出票，也是按照时间分片的功能来实现限流与消峰