如何基于Redis实现滑动窗口限流？

基于 Redis 的滑动窗口限流是一种流量控制策略，用于控制在固定时间内允许的请求数量。通过 Redis 的有序集合（ZSET）数据结构，可以实现简单的滑动窗口限流，下面是实现流程与示例代码。 ### 滑动窗口限流概念 滑动窗口限流通过滑动时间窗口限制固定时间内的请求数量。窗口内允许的请求量是固定的，随着时间推进，窗口持续滑动。在 Redis 中可以通过 ZSET 实现滑动窗口限流，因为 ZSET 能高效存储请求的时间戳，便于查询和删除过期请求。 #### 滑动窗口限流的主要优势 滑动窗口限流能够平滑控制流量，避免系统过载，同时也能灵活应对突发流量。 ### 实现思路 假设我们限制某接口在 60 秒内最多允许请求 100 次，具体实现步骤如下： 1. **定义滑动窗口时间范围**：例如窗口大小为 60 秒。 2. **记录请求时间戳**：每次请求到达时，将请求的时间戳存入 Redis 的 ZSET 中，以接口名或资源名作为 Key。 3. **删除过期请求**：使用 `ZREMRANGEBYSCORE` 命令删除超出窗口时间（小于当前时间减去 60 秒）的请求。 4. **统计请求数量**：通过 `ZCARD` 获取窗口内的请求数量，判断请求数是否超过限制。 ### 基于 Redis ZSET 实现滑动窗口限流示例 以下是 Java 代码示例，使用 Lua 脚本来保证操作的原子性： ```java import redis.clients.jedis.Jedis; public class SlidingWindowRateLimiter { private Jedis jedis; private int limit; // 限制的请求数量 private int windowSize; // 窗口大小，单位毫秒 public SlidingWindowRateLimiter(Jedis jedis, int limit, int windowSize) { this.jedis = jedis; this.limit = limit; this.windowSize = windowSize; } public boolean allowRequest(String key) { long currentTime = System.currentTimeMillis(); String luaScript = "local window_start = ARGV[1] - tonumber(ARGV[2])\n" + "redis.call('ZREMRANGEBYSCORE', KEYS[1], '-inf', window_start)\n" + "local current_requests = redis.call('ZCARD', KEYS[1])\n" + "if current_requests < tonumber(ARGV[3]) then\n" + " redis.call('ZADD', KEYS[1], ARGV[1], ARGV[1])\n" + " return 1\n" + "else\n" + " return 0\n" + "end"; Object result = jedis.eval(luaScript, 1, key, String.valueOf(currentTime), String.valueOf(windowSize), String.valueOf(limit)); return (Long) result == 1; } } ``` #### 代码说明 1. **ZREMRANGEBYSCORE**：删除 ZSET 中超出窗口时间范围的请求记录，`-inf` 表示负无穷大。 2. **ZCARD**：统计窗口内的请求数量，判断是否超过限制。 3. **Lua 脚本**：保证删除、统计和添加请求是原子操作。 ### Redis 命令说明 - **ZREMRANGEBYSCORE key min max**：删除 ZSET 中指定范围（`min` 到 `max`）内的成员。在代码中，`-inf` 表示删除早于窗口起始时间的请求。 - **ZCARD key**：获取 ZSET 中的成员数量，便于统计窗口内的请求量。 ### 扩展知识：Redisson 限流器 在 Redisson 框架中，有自带的限流器（RRateLimiter），其底层实现是基于令牌桶算法，不支持滑动窗口限流。它的使用示例如下： ```java public Boolean tryAcquire(String key, int limit, int windowSize) { RRateLimiter rRateLimiter = redissonClient.getRateLimiter("rateLimiter:" + key); if (!rRateLimiter.isExists()) { rRateLimiter.trySetRate(RateType.OVERALL, limit, windowSize, RateIntervalUnit.SECONDS); } return rRateLimiter.tryAcquire(); } ``` ### 总结 Redis 的 ZSET 可以高效实现滑动窗口限流。通过随机化请求的时间戳和使用 Lua 脚本保证操作原子性，可以在高并发场景下实现平滑的流量控制。Redisson 的限流器则提供了令牌桶的限流策略，可在不同需求下灵活选用。

### 1、需求 限定用户的某个行为在指定时间T内，只允许发生N次。假设T为1秒钟，N为1000次。 ### 2、常见的错误设计 程序员设计了一个在每分钟内只允许访问1000次的限流方案，如下图01:00s-02:00s之间只允许访问1000次，这种设计最大的问题在于，请求可能在01:59s-02:00s之间被请求1000次，02:00s-02:01s之间被请求了1000次，这种情况下01:59s-02:01s间隔0.02s之间被请求2000次，很显然这种设计是错误的。  ### 3、滑动窗口算法 #### 3.1 解决方案 指定时间T内，只允许发生N次。我们可以将这个指定时间T，看成一个滑动时间窗口（定宽）。我们采用Redis的zset基本数据类型的score来圈出这个滑动时间窗口。在实际操作zset的过程中，我们只需要保留在这个滑动时间窗口以内的数据，其他的数据不处理即可。 每个用户的行为采用一个zset存储，score为毫秒时间戳，value也使用毫秒时间戳（比UUID更加节省内存） 只保留滑动窗口时间内的行为记录，如果zset为空，则移除zset，不再占用内存（节省内存）  #### 3.2 pipeline代码实现 代码的实现的逻辑是统计滑动窗口内zset中的行为数量，并且与阈值maxCount直接进行比较就可以判断当前行为是否被允许。这里涉及多个redis操作，因此使用pipeline可以大大提升效率 ```java package com.lizba.redis.limit; import redis.clients.jedis.Jedis; import redis.clients.jedis.Pipeline; import redis.clients.jedis.Response; /** * <p> * 通过zset实现滑动窗口算法限流 * </p> * * @Author: Liziba * @Date: 2021/9/6 18:11 */ public class SimpleSlidingWindowByZSet { private Jedis jedis; public SimpleSlidingWindowByZSet(Jedis jedis) { this.jedis = jedis; } /** * 判断行为是否被允许 * * @param userId 用户id * @param actionKey 行为key * @param period 限流周期 * @param maxCount 最大请求次数（滑动窗口大小） * @return */ public boolean isActionAllowed(String userId, String actionKey, int period, int maxCount) { String key = this.key(userId, actionKey); long ts = System.currentTimeMillis(); Pipeline pipe = jedis.pipelined(); pipe.multi(); pipe.zadd(key, ts, String.valueOf(ts)); // 移除滑动窗口之外的数据 pipe.zremrangeByScore(key, 0, ts - (period * 1000)); Response<Long> count = pipe.zcard(key); // 设置行为的过期时间，如果数据为冷数据，zset将会删除以此节省内存空间 pipe.expire(key, period); pipe.exec(); pipe.close(); return count.get() <= maxCount; } /** * 限流key * * @param userId * @param actionKey * @return */ public String key(String userId, String actionKey) { return String.format("limit:%s:%s", userId, actionKey); } } ``` 测试代码： ```java package com.lizba.redis.limit; import redis.clients.jedis.Jedis; /** * * @Author: Liziba * @Date: 2021/9/6 20:10 */ public class TestSimpleSlidingWindowByZSet { public static void main(String[] args) { Jedis jedis = new Jedis("192.168.211.108", 6379); SimpleSlidingWindowByZSet slidingWindow = new SimpleSlidingWindowByZSet(jedis); for (int i = 1; i <= 15; i++) { boolean actionAllowed = slidingWindow.isActionAllowed("liziba", "view", 60, 5); System.out.println("第" + i +"次操作" + (actionAllowed ? "成功" : "失败")); } jedis.close(); } } ``` ### 测试效果： 从测试输出的数据可以看出，起到了限流的效果，从第11次以后的请求操作都是失败的，但是这个和我们允许的5次误差还是比较大的。这个问题的原因是我们测试System.currentTimeMillis()的毫秒可能相同，而且此时value也是System.currentTimeMillis()也相同，会导致zset中元素覆盖！ **修改代码测试：** 在循环中睡眠1毫秒即可，测试结果符合预期！ ``` TimeUnit.MILLISECONDS.sleep(1); ```  #### 3.3 lua代码实现 我们在项目中使用原子性的lua脚步来实现限流的使用会更多，因此这里也提供一个基于操作zset的lua版本 ```java package com.lizba.redis.limit; import com.google.common.collect.ImmutableList; import redis.clients.jedis.Jedis; import redis.clients.jedis.Pipeline; import redis.clients.jedis.Response; /** * <p> * 通过zset实现滑动窗口算法限流 * </p> * * @Author: Liziba * @Date: 2021/9/6 18:11 */ public class SimpleSlidingWindowByZSet { private Jedis jedis; public SimpleSlidingWindowByZSet(Jedis jedis) { this.jedis = jedis; } /** * lua脚本限流 * * @param userId * @param actionKey * @param period * @param maxCount * @return */ public boolean isActionAllowedByLua(String userId, String actionKey, int period, int maxCount) { String luaScript = this.buildLuaScript(); String key = key(userId, actionKey); long ts = System.currentTimeMillis(); System.out.println(ts); ImmutableList<String> keys = ImmutableList.of(key); ImmutableList<String> args = ImmutableList.of(String.valueOf(ts),String.valueOf((ts - period * 1000)), String.valueOf(period)); Number count = (Number) jedis.eval(luaScript, keys, args); return count != null && count.intValue() <= maxCount; } /** * 限流key * * @param userId * @param actionKey * @return */ private String key(String userId, String actionKey) { return String.format("limit:%s:%s", userId, actionKey); } /** * 针对某个key使用lua脚本限流 * * @return */ private String buildLuaScript() { return "redis.call('ZADD', KEYS[1], tonumber(ARGV[1]), ARGV[1])" + "\nlocal c" + "\nc = redis.call('ZCARD', KEYS[1])" + "\nredis.call('ZREMRANGEBYSCORE', KEYS[1], 0, tonumber(ARGV[2]))" + "\nredis.call('EXPIRE', KEYS[1], tonumber(ARGV[3]))" + "\nreturn c;"; } } ``` 测试代码不变，大家可以自行测试，记得还是要考虑我们测试的时候System.currentTimeMillis()相等的问题，不信你输出System.currentTimeMillis()就知道了！多思考问题，技术其实都在心里！