0Pricing
API Rate Limiting & Scalability Patterns · Leçon

Choisir le bon algorithme de limitation de débit

Comparez les principaux algorithmes de limitation de débit — fenêtre fixe, fenêtre glissante, seau de jetons et seau percé — et apprenez quand chacun correspond à votre profil de trafic et à vos objectifs d’équité.

Choisir le bon algorithme de limitation de débit est une leçon API Rate Limiting & Scalability Patterns gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage API Rate Limiting & Scalability Patterns, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours API Rate Limiting & Scalability Patterns comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Why the Algorithm Matters

A rate limit policy is only as good as the algorithm that enforces it. The same limit of 100 requests/minute behaves very differently depending on how you count.

In this lesson we compare four classic approaches and learn how to pick one based on your fairness, burst, and accuracy needs.

Fixed Window Counter

The simplest approach: count requests in a fixed time window (for example each calendar minute) and reset the counter at the boundary.

  • Pros: trivial to implement, low memory
  • Cons: allows a burst of 2x the limit around the window edge
def allow(counter, limit):
    if counter['count'] >= limit:
        return False
    counter['count'] += 1
    return True

The Boundary Burst Problem

With a fixed window, a client can send limit requests at 00:59 and another limit at 01:00. That is double the intended rate in a one-second span.

Sliding window algorithms exist to smooth out exactly this spike.

Sliding Window Log

Store a timestamp for every request. To decide, drop timestamps older than the window and count what remains.

  • Pros: exact, no boundary burst
  • Cons: memory grows with request volume
def allow(log, now, window, limit):
    cutoff = now - window
    log[:] = [t for t in log if t > cutoff]
    if len(log) >= limit:
        return False
    log.append(now)
    return True

Sliding Window Counter

A hybrid: keep the current and previous fixed-window counts, then estimate the rate using a weighted overlap.

It approximates the sliding log with far less memory, which is why API gateways and CDNs favor it.

weighted = prev_count * overlap + curr_count
allowed = weighted < limit

Token Bucket

A bucket holds tokens up to a capacity. Tokens refill at a steady rate; each request spends one token. Empty bucket means reject.

  • Allows controlled bursts up to the bucket capacity
  • Smooths the long-term average to the refill rate
def allow(bucket, now, rate, capacity):
    elapsed = now - bucket['ts']
    bucket['tokens'] = min(capacity, bucket['tokens'] + elapsed * rate)
    bucket['ts'] = now
    if bucket['tokens'] < 1:
        return False
    bucket['tokens'] -= 1
    return True

Leaky Bucket

Requests enter a queue that leaks at a constant rate. If the queue overflows, requests are dropped.

Unlike the token bucket, the leaky bucket enforces a steady output rate — ideal when a downstream service cannot handle spikes.

Token vs. Leaky Bucket

  • Token bucket lets traffic burst up to capacity, then throttles — good for user-facing APIs that should feel responsive.
  • Leaky bucket forces a smooth, constant flow — good for protecting fragile backends.

Memory and Accuracy Trade-offs

Pick based on constraints:

  • Lowest memory: fixed window
  • Highest accuracy: sliding window log
  • Best balance: sliding window counter
  • Burst-friendly: token bucket

Distributed Considerations

Across many servers, each node cannot keep its own counter or you multiply the real limit. Use a shared store like Redis with atomic operations so the count is global.

Token bucket and sliding window counter both map cleanly to Redis primitives.

-- Redis atomic counter with expiry
INCR rate:user:42
EXPIRE rate:user:42 60

A Decision Checklist

Ask:

  • Do I need to allow short bursts? → token bucket
  • Must downstream see a steady rate? → leaky bucket
  • Is exactness critical for billing? → sliding window log
  • Do I want simple and cheap? → fixed or sliding window counter

Quick Check

Test your understanding of algorithm selection.

Recap

You compared four rate limiting algorithms:

  • Fixed window — cheap but allows edge bursts
  • Sliding window — accurate, smooths boundaries
  • Token bucket — burst-friendly, averages out
  • Leaky bucket — constant output rate

Choose based on burst tolerance, accuracy, and memory budget.

Questions Fréquemment Posées

La leçon « Choisir le bon algorithme de limitation de débit » est-elle gratuite ?

Oui — le texte complet de « Choisir le bon algorithme de limitation de débit » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours API Rate Limiting & Scalability Patterns, passe à CoddyKit PRO. Le cours API Rate Limiting & Scalability Patterns comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Choisir le bon algorithme de limitation de débit » ?

Comparez les principaux algorithmes de limitation de débit — fenêtre fixe, fenêtre glissante, seau de jetons et seau percé — et apprenez quand chacun correspond à votre profil de trafic et à vos obje… Tu pratiques API Rate Limiting & Scalability Patterns avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer API Rate Limiting & Scalability Patterns ?

Aucune expérience préalable n'est requise. API Rate Limiting & Scalability Patterns sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.

Combien de temps prend la leçon « Choisir le bon algorithme de limitation de débit » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon API Rate Limiting & Scalability Patterns ?

Oui. Chaque leçon API Rate Limiting & Scalability Patterns inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Explication de la régulation et de la limitation du débit
  2. Politiques de pics de trafic et de périodes de grâce
  3. Limites côté client et côté serveur
  4. Choisir le bon algorithme de limitation de débit
← Retour à API Rate Limiting & Scalability Patterns