diff --git a/README.md b/README.md
index f5a0f5c..a7a6509 100644
--- a/README.md
+++ b/README.md
@@ -101,7 +101,7 @@
- 如何设计一个高可用系统？
### 限流
-- 如何限流？在工作中是怎么做的？说一下具体的实现？
+- [如何限流？在工作中是怎么做的？说一下具体的实现？](/docs/high-concurrency/huifer-how-to-limit-current.md)
### 熔断
- 如何进行熔断？
diff --git a/docs/high-concurrency/huifer-how-to-limit-current.md b/docs/high-concurrency/huifer-how-to-limit-current.md
new file mode 100644
index 0000000..88c9b90
--- /dev/null
+++ b/docs/high-concurrency/huifer-how-to-limit-current.md
@@ -0,0 +1,362 @@
+# 如何限流？在工作中是怎么做的？说一下具体的实现？
+- Author: [HuiFer](https://github.com/huifer)
+- Description: 该文简单介绍限流相关技术以及实现
+
+## 什么是限流
+> 限流可以认为服务降级的一种，限流就是限制系统的输入和输出流量已达到保护系统的目的。一般来说系统的吞吐量是可以被测算的，为了保证系统的稳定运行，一旦达到的需要限制的阈值，就需要限制流量并采取一些措施以完成限制流量的目的。比如：延迟处理，拒绝处理，或者部分拒绝处理等等。
+
+## 限流方法
+
+### 计数器
+
+#### 实现方式
+- 控制单位时间内的请求数量
+```java
+
+import java.util.concurrent.atomic.AtomicInteger;
+
+public class Counter {
+ /**
+ * 最大访问数量
+ */
+ private final int limit = 10;
+ /**
+ * 访问时间差
+ */
+ private final long timeout = 1000;
+ /**
+ * 请求时间
+ */
+ private long time;
+ /**
+ * 当前计数器
+ */
+ private AtomicInteger reqCount = new AtomicInteger(0);
+
+ public boolean limit() {
+ long now = System.currentTimeMillis();
+ if (now < time + timeout) {
+ // 单位时间内
+ reqCount.addAndGet(1);
+ return reqCount.get() <= limit;
+ } else {
+ // 超出单位时间
+ time = now;
+ reqCount = new AtomicInteger(0);
+ return true;
+ }
+ }
+}
+
+```
+
+- 劣势
+ - 假设在 00:01 时发生一个请求,在 00:01-00:58 之间不在发送请求,在 00:59 时发送剩下的所有请求 `n-1` (n为限流请求数量),在下一分钟的 00:01 发送n个请求,这样在2秒钟内请求到达了 `2n - 1` 个.
+ - 设每分钟请求数量为60个,每秒可以处理1个请求,用户在 00:59 发送 60 个请求,在 01:00 发送 60 个请求 此时2秒钟有120个请求(每秒60个请求),远远大于了每秒钟处理数量的阈值
+
+
+### 滑动窗口
+#### 实现方式
+- 滑动窗口是对计数器方式的改进,增加一个时间粒度的度量单位
+ - 把一分钟分成若干等分(6份,每份10秒), 在每一份上设置独立计数器,在 00:00-00:09 之间发生请求计数器累加1.当等分数量越大限流统计就越详细
+
+```java
+package com.example.demo1.service;
+
+import java.util.Iterator;
+import java.util.Random;
+import java.util.concurrent.ConcurrentLinkedQueue;
+import java.util.stream.IntStream;
+
+public class TimeWindow {
+ private ConcurrentLinkedQueue<Long> queue = new ConcurrentLinkedQueue<Long>();
+
+ /**
+ * 间隔秒数
+ */
+ private int seconds;
+
+ /**
+ * 最大限流
+ */
+ private int max;
+
+ public TimeWindow(int max, int seconds) {
+ this.seconds = seconds;
+ this.max = max;
+
+ /**
+ * 永续线程执行清理queue 任务
+ */
+ new Thread(() -> {
+ while (true) {
+ try {
+ // 等待 间隔秒数-1 执行清理操作
+ Thread.sleep((seconds - 1) * 1000L);
+ } catch (InterruptedException e) {
+ e.printStackTrace();
+ }
+ clean();
+ }
+ }).start();
+
+ }
+
+ public static void main(String[] args) throws Exception {
+
+ final TimeWindow timeWindow = new TimeWindow(10, 1);
+
+ // 测试3个线程
+ IntStream.range(0, 3).forEach((i) -> {
+ new Thread(() -> {
+
+ while (true) {
+
+ try {
+ Thread.sleep(new Random().nextInt(20) * 100);
+ } catch (InterruptedException e) {
+ e.printStackTrace();
+ }
+ timeWindow.take();
+ }
+
+ }).start();
+
+ });
+
+ }
+
+ /**
+ * 获取令牌，并且添加时间
+ */
+ public void take() {
+
+
+ long start = System.currentTimeMillis();
+ try {
+
+
+ int size = sizeOfValid();
+ if (size > max) {
+ System.err.println("超限");
+
+ }
+ synchronized (queue) {
+ if (sizeOfValid() > max) {
+ System.err.println("超限");
+ System.err.println("queue中有 " + queue.size() + " 最大数量 " + max);
+ }
+ this.queue.offer(System.currentTimeMillis());
+ }
+ System.out.println("queue中有 " + queue.size() + " 最大数量 " + max);
+
+ }
+
+ }
+
+
+ public int sizeOfValid() {
+ Iterator<Long> it = queue.iterator();
+ Long ms = System.currentTimeMillis() - seconds * 1000;
+ int count = 0;
+ while (it.hasNext()) {
+ long t = it.next();
+ if (t > ms) {
+ // 在当前的统计时间范围内
+ count++;
+ }
+ }
+
+ return count;
+ }
+
+
+ /**
+ * 清理过期的时间
+ */
+ public void clean() {
+ Long c = System.currentTimeMillis() - seconds * 1000;
+
+ Long tl = null;
+ while ((tl = queue.peek()) != null && tl < c) {
+ System.out.println("清理数据");
+ queue.poll();
+ }
+ }
+
+}
+
+```
+
+### Leaky Bucket 漏桶
+#### 实现方式
+- 规定固定容量的桶,有水进入,有水流出. 对于流进的水我们无法估计进来的数量、速度,对于流出的水我们可以控制速度.
+```java
+public class LeakBucket {
+ /**
+ * 时间
+ */
+ private long time;
+ /**
+ * 总量
+ */
+ private Double total;
+ /**
+ * 水流出去的速度
+ */
+ private Double rate;
+ /**
+ * 当前总量
+ */
+ private Double nowSize;
+
+
+ public boolean limit() {
+ long now = System.currentTimeMillis();
+ nowSize = Math.max(0, (nowSize - (now - time) * rate));
+ time = now;
+ if ((nowSize + 1) < total) {
+ nowSize++;
+ return true;
+ } else {
+ return false;
+ }
+
+ }
+}
+```
+
+### Token Bucket 令牌桶
+#### 实现方式
+- 规定固定容量的桶,token 以固定速度往桶内填充,当桶满时 token 不会被继续放入,每过来一个请求把 token 从桶中移除,如果桶中没有 token 不能请求
+
+```java
+public class TokenBucket {
+ /**
+ * 时间
+ */
+ private long time;
+ /**
+ * 总量
+ */
+ private Double total;
+ /**
+ * token 放入速度
+ */
+ private Double rate;
+ /**
+ * 当前总量
+ */
+ private Double nowSize;
+
+
+ public boolean limit() {
+ long now = System.currentTimeMillis();
+ nowSize = Math.min(total, nowSize + (now - time) * rate);
+ time = now;
+ if (nowSize < 1) {
+ // 桶里没有token
+ return false;
+ } else {
+ // 存在token
+ nowSize -= 1;
+ return true;
+ }
+ }
+
+
+
+}
+```
+
+## 工作中的使用
+### spring cloud gateway
+- spring cloud gateway 默认使用redis进行限流,笔者一般只是修改修改参数属于拿来即用.并没有去从头实现上述那些算法.
+```xml
+<dependency>
+ <groupId>org.springframework.cloud</groupId>
+ <artifactId>spring-cloud-starter-gateway</artifactId>
+</dependency>
+<dependency>
+ <groupId>org.springframework.boot</groupId>
+ <artifactId>spring-boot-starter-data-redis-reactive</artifactId>
+</dependency>
+```
+
+```yaml
+spring:
+ cloud:
+ gateway:
+ routes:
+ - id: requestratelimiter_route
+ uri: lb://pigx-upms
+ order: 10000
+ predicates:
+ - Path=/admin/**
+ filters:
+ - name: RequestRateLimiter
+ args:
+ redis-rate-limiter.replenishRate: 1 # 令牌桶的容积
+ redis-rate-limiter.burstCapacity: 3 # 流速 每秒
+ key-resolver: "#{@remoteAddrKeyResolver}" #SPEL表达式去的对应的bean
+ - StripPrefix=1
+```
+
+```java
+@Bean
+KeyResolver remoteAddrKeyResolver() {
+ return exchange -> Mono.just(exchange.getRequest().getRemoteAddress().getHostName());
+}
+```
+
+
+### sentinel
+- 通过配置来控制每个url的流量
+```xml
+<dependency>
+ <groupId>com.alibaba.cloud</groupId>
+ <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
+</dependency>
+```
+```yaml
+spring:
+ cloud:
+ nacos:
+ discovery:
+ server-addr: localhost:8848
+ sentinel:
+ transport:
+ dashboard: localhost:8080
+ port: 8720
+ datasource:
+ ds:
+ nacos:
+ server-addr: localhost:8848
+ dataId: spring-cloud-sentinel-nacos
+ groupId: DEFAULT_GROUP
+ rule-type: flow
+ namespace: xxxxxxxx
+```
+- 配置内容在nacos上进行编辑
+```json
+[
+ {
+ "resource": "/hello",
+ "limitApp": "default",
+ "grade": 1,
+ "count": 1,
+ "strategy": 0,
+ "controlBehavior": 0,
+ "clusterMode": false
+ }
+]
+```
+- resource：资源名，即限流规则的作用对象。
+- limitApp：流控针对的调用来源，若为 default 则不区分调用来源。
+- grade：限流阈值类型，QPS 或线程数模式，0代表根据并发数量来限流，1代表根据QPS来进行流量控制。
+- count：限流阈值
+- strategy：判断的根据是资源自身，还是根据其它关联资源 (refResource)，还是根据链路入口
+- controlBehavior：流控效果（直接拒绝 / 排队等待 / 慢启动模式）
+- clusterMode：是否为集群模式
+### 总结
+> sentinel和spring cloud gateway两个框架都是很好的限流框架,但是在我使用中还没有将[spring-cloud-alibaba](https://github.com/alibaba/spring-cloud-alibaba)接入到项目中进行使用,所以我会选择**spring cloud gateway**,当接入完整的或者接入Nacos项目使用setinel会有更加好的体验.
\ No newline at end of file