Redis实现限流方式比较

基于Redis实现限流是分布式系统中保护服务稳定的核心手段，主要包含四种实现方式

🔢 1. ​​固定窗口计数器（Fixed Window）​​

• ​​原理​​：将时间划分为固定窗口（如1分钟），通过Redis的INCR命令统计请求数，达到阈值后限流，并通过EXPIRE设置窗口过期时间。
• ​​示例代码​​（Spring Boot + RedisTemplate）：

  public boolean isAllowed(String key, int limit, int windowSec) {
      Long count = redisTemplate.opsForValue().increment(key);
      if (count == 1) redisTemplate.expire(key, windowSec, TimeUnit.SECONDS);
      return count <= limit;
  }

• ​​优点​​：实现简单，内存占用低（O(1)），性能高（压测可达12万QPS）。
• ​​缺点​​：存在​​临界时间问题​​（窗口切换时可能瞬间涌入2倍阈值流量）。
• ​​适用场景​​：低频接口防护（如小型网站）或对精度要求不高的场景。

⏱️ 2. ​​滑动窗口（Sliding Window）​​

• ​​原理​​：使用Redis的有序集合（ZSET）记录请求时间戳，每次请求移除过期时间戳，统计窗口内剩余请求数。
• ​​示例代码​​：

  public boolean isAllowed(String key, int limit, int windowSec) {
      long now = Instant.now().getEpochSecond();
      redisTemplate.opsForZSet().removeRangeByScore(key, 0, now - windowSec); // 清理旧请求
      Long count = redisTemplate.opsForZSet().zCard(key);
      if (count < limit) redisTemplate.opsForZSet().add(key, UUID.randomUUID().toString(), now);
      return count < limit;
  }

• ​​优点​​：​​精准控制流量​​，解决临界问题，适合非均匀流量的API限流。
• ​​缺点​​：内存占用高（存储所有时间戳），性能较低（压测约8.5万QPS）。
• ​​适用场景​​：高精度要求的API（如支付接口）。

🪙 3. ​​令牌桶算法（Token Bucket）​​

• ​​原理​​：定时向Redis List中添加令牌，请求时从List中弹出令牌（LPOP），无令牌则限流。支持突发流量（桶内令牌可一次性消耗）。
• ​​实现步骤​​：
  1. 定时任务向List填充令牌（如每秒10个）。
  2. 请求调用LPOP获取令牌，失败则限流。
• ​​优点​​：​​兼顾速率与突发流量​​（如秒杀系统），压测性能约9.8万QPS。
• ​​缺点​​：需维护定时任务，实现复杂（需Lua脚本保证原子性）。

🪣 4. ​​漏桶算法（Leaky Bucket）​​

• ​​原理​​：请求进入Redis List（桶），以固定速率从List中取出请求处理（如每秒10次），桶满则拒绝请求。
• ​​特点​​：​​强制恒定速率​​，无突发处理能力，压测性能最低（约7.2万QPS）。
• ​​适用场景​​：需严格平滑流量的场景（如数据库写入保护）。

🔍 ​​方案对比与选型建议​​

​​综合推荐​​：

• ​​首选令牌桶​​：需应对突发流量（如促销活动），且允许短暂超限。
• ​​次选滑动窗口​​：需精确控制（如API开放平台）。
• ​​简单场景​​：固定窗口（如内部管理后台）。

⚠️ ​​实践注意事项​​

1. ​​原子性​​：滑动窗口和令牌桶建议使用Lua脚本，避免并发问题。
2. ​​性能瓶颈​​：高频请求下优先选固定窗口或令牌桶。
3. ​​集群部署​​：通过Hash Tag确保Redis Key分布在同一节点。

最终方案取决于业务需求：​​稳定性 > 突发处理 > 精度 > 性能​​。建议结合压测结果调整参数（如令牌生成速率、窗口大小）。