分布式系统为了保证系统稳定性，在服务治理的限流中会根据不同场景进行限流操作，常见的限流算法有：
令牌桶：可容忍一定突发流量的速率的限流，令牌桶算法的原理是系统以恒定的速率产生令牌，然后把令牌放到令牌桶中，令牌桶有一个容量，当令牌桶满了的时候，再向其中放令牌，那么多余的令牌会被丢弃；当想要处理一个请求的时候，需要从令牌桶中取出一个令牌，如果此时令牌桶中没有令牌，那么则拒绝该请求。
漏斗：固定速率限流，可以启动整流作用。
在分析sentinel限流之前，我们先看下sentinel是什么，官网说明如下：
随着微服务的流行，服务和服务之间的稳定性变得越来越重要。Sentinel 是面向分布式服务架构的流量控制组件，主要以流量为切入点，从流量控制、熔断降级、系统自适应保护等多个维度来帮助您保障微服务的稳定性。
从限流角度来看，sentinel的限流有2种控制维度，一个是qps，一个是并发数。
qps这个很好理解，也就是每秒处理请求量，当超过设定阈值时，会进行流控，策略有如下几种：拒绝、排队（一定时长）等。
并发数这个就是当前线程运行数，类似于hystrix，只不过sentinel是进行线程个数统计判断是否达到线程设定值，而hystrix是根据不同线程池来做的。
sentinel中处理流程是一个责任链，不同功能的逻辑抽象成不同的ProcessorSlot组合在一起，比如有限流的FlowSlot、打日志的LogSot、数据统计的StatisticSlot。下面重点看限流的com.alibaba.csp.sentinel.slots.block.flow.FlowSlot：
public void entry(Context context, ResourceWrapper resourceWrapper, DefaultNode node, int count, boolean prioritized, Object... args) throws Throwable { // 是否触发限流检查 checkFlow(resourceWrapper, context, node, count, prioritized); // 继续往下一个节点走 fireEntry(context, resourceWrapper, node, count, prioritized, args); } public void checkFlow(Function<String, Collection<FlowRule>> ruleProvider, ResourceWrapper resource, Context context, DefaultNode node, int count, boolean prioritized) throws BlockException { Collection<FlowRule> rules = ruleProvider.apply(resource.getName()); for (FlowRule rule : rules) { // 多个限流规则检查 if (!canPassCheck(rule, context, node, count, prioritized)) { throw new FlowException(rule.getLimitApp(), rule); } } } // canPassCheck -> passLocalCheck private static boolean passLocalCheck(FlowRule rule, Context context, DefaultNode node, int acquireCount, boolean prioritized) { return rule.getRater().canPass(selectedNode, acquireCount, prioritized); }