限流的目的有两个,
一，防止资源过度使用，造成系统不稳；二，大流量有序地通过
上图是参与限流的类互动图，首先解释限流规则的设置
指标
限流依赖的统计指标，线程数/QPS，统计插槽介绍过，increaseThreadNum/addPassRequest是为了统计这两个指标
流控行为
流控行为决定处理大流量通过的方式，类图展示sentinel实现了多种流控行为，保证不超限
流控策略
依据调用关系限流
- 调用方限流，例如，某个调用方流量很大，为了保护其他调用方，对流量大的调用方限流
- 关联资源限流，针对两个互相影响的不同类型的资源，限流一个资源，保护另一个资源，例如，读数据资源和写数据资源，通常写数据会锁数据，影响读，限流写数据资源，保障读数据有一定流量
- 链路限流，针对相同的资源不同的入口，回想下++构建调用链路++图，不同的Context同一资源，场景举例，vip客户和普通客户的调用入口，vip不限流，普通客户限流
**注意：**设置不是单选题，同一个资源可有多个规则，但规则符合约束
实现分析
上图限流检查实现，分两步，第一，选择统计数据来源；第二，流量控制器适用统计指标，得出结果
1. 选择统计Node
上图选择统计Node的逻辑，包括两方面：
a. 检查limitApp/origin设置的合规性
合规1 ：limitApp.equals(origin) && filterOrigin(origin) 设置调用方限流，不能是"default"和"other"，好理解，"default"和"other"是另外两种情况
合规2：limitApp设置"default"，规则2是在不违反规则1后，不用考虑origin和other设置
合规3：策略是other，设置的 origin不能是其他规则的limitApp，即在另一个规则设置为限流调用方，限流规则不能相互矛盾
这3个合规要求是白名单，除此之外不合规，符合可以进入选择统计node
b. 选择统计node
统计Node选择由调用方和策略组合决定，下面通过图表展示
|--------|-----------------------|---------------------------------|------------------------|
| 调用方/策略 | 直接限流 | 关联资源限流 | 链路限流 |
| 指定调用方 | 本Context的origin node | 指定资源(refResource )的cluster node | 本 Context 的DefaultNode |
| 不区分调用方 | 本Context的cluster node | 指定资源(refResource )的cluster node | 本 Context 的DefaultNode |
其中，**++指定调用++**方包括指定一个和除指定外两种情况
- 指定调用方---直接限流 限流origin，选择origin node
- 不区分调用方---直接限流 选择聚合同一资源不同Context的cluster node
- 关联资源限流 选择关联资源refResource的cluster node，关联资源整体限流
- 链路限流 选择本入口的DefaultNode，限本入口，不限另一个入口同类型的资源
另一个Context，同一类型的资源，适用同一个规则，refResource与Context名称不等，不限流
这里可以看出"构建调用链"的"苦心"，都是为不同的限流服务
2 流量控制器
上图是目前控制器的实现， 可分成两类，第一，超限直接降级；第二，以一定算法有序通过，保证不超限
具体算法实现不分析，可以参看官方文档，或者实现类的注释