在高并发场景下，接口限流能够防止系统过载，确保服务的可用性和稳定性。限流策略的选择和实现方式，直接影响到用户体验和系统的负载能力。而Redis作为强大的内存数据库，以其卓越的性能和原子操作特性，成为了实现接口限流的理想选择。它不仅可以快速响应请求，还能通过其丰富的数据结构，如字符串、列表、有序集合等，来辅助实现多样化的限流逻辑。
限流算法概览
在介绍具体的Redis实现之前，我们先来了解几种常见的限流算法。
固定窗口限流
在固定时间窗口内限制请求数量。
- 优点：实现简单，容易理解。
- 缺点：无法应对短时间内的突发流量。
- 适用场景：流量相对平稳，没有明显波峰波谷的系统。
滑动窗口限流
将时间窗口划分为多个小片段，允许一定程度的突发流量。
- 优点：可以应对短时间内的突发流量。
- 缺点：实现相对复杂，需要维护多个计数器。
- 适用场景：有明显流量波峰的系统，如促销活动、流量突增等。
漏桶算法
请求被收集到桶中，以固定速率处理。如果输入流量较大，则多余的流量会在桶中缓存起来，直到桶满为止。一旦桶满，新的流量将会被丢弃。
- 优点：平滑处理请求，不受突发流量影响。
- 缺点：处理速度固定，无法充分利用系统资源。
- 适用场景：对处理速度有严格要求，不希望因为流量波动而影响处理速度的系统。
令牌桶算法
允许在有可用令牌的情况下以任意速率传输数据。如果有足够的令牌，可以立即处理一个大的流量突发。当流量较小时，令牌可以在桶中积累。如果桶中令牌满了，则新生成的令牌将被丢弃。
- 优点：允许一定程度的突发流量，同时限制长时间内的流量。
- 缺点：实现较为复杂，需要维护令牌生成和消耗。
- 适用场景：需要平衡突发流量和长时间流量限制的系统。
滑动窗口限流
相对来说，滑动窗口限流可以更灵活地应对流量波动，是使用的最多的一个，这里介绍用redis来实现用户维度或接口维度下该限流的两种方式，可以用list或zset。
List结构
在Redis中，可以使用列表（List）来存储时间窗口内的请求计数。通过维护多个列表来实现多个时间窗口的计数，然后根据这些计数来判断是否允许新的请求通过。
代码语言：javascript复制@Component
public class SlideWindow {
@Autowired
private RedisTemplate redisTemplate;
/**
* 滑动时间窗口限流算法
* 在指定时间窗口，指定限制次数内，是否允许通过
*
* @param listId 队列id，可以是用户Id 或者 用户Id 接口url 的维度来控制限流
* @param count 限制次数
* @param timeWindow 时间窗口大小
* @return 是否允许通过
*/
@SneakyThrows
public boolean checkAccess(String listId, int count, long timeWindow) {
// 获取当前时间
long nowTime = System.currentTimeMillis();
// 根据队列id，取出对应的限流队列，若没有则创建
if (redisTemplate.hasKey(listId)) {
// 如果队列还没满，则允许通过，并添加当前时间戳到队列开始位置
Long size = redisTemplate.opsForList().size(listId);
if (size < count) {
redisTemplate.opsForList().leftPush(listId,nowTime);
return true;
}
// 队列已满（达到限制次数），则获取队列中最早添加的时间戳
Long farTime = (Long) redisTemplate.opsForList().index(listId, count - 1);
// 用当前时间戳 减去 最早添加的时间戳
if (nowTime - farTime <= timeWindow) {
// 若结果小于等于timeWindow，则说明在timeWindow内，通过的次数大于count
// 不允许通过
return false;
} else {
// 若结果大于timeWindow，则说明在timeWindow内，通过的次数小于等于count
// 允许通过，并删除最早添加的时间戳，将当前时间添加到队列开始位置
redisTemplate.opsForList().rightPop(listId);
redisTemplate.opsForList().leftPush(listId,nowTime);
return true;
}
} else {
redisTemplate.opsForList().leftPush(listId,nowTime);
return true;
}
}
}
ZSet结构
用有序集合（ZSet）来存储接口请求的时间，通过统计滑动时间窗口内的个数，来判断是否允许新的请求通过。
代码语言：javascript复制@Component
@Slf4j
public class FlowLimitInterceptor implements HandlerInterceptor {
@Autowired
StringRedisTemplate stringRedisTemplate;
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) {
try {
String userId = request.getHeader("userId");
if (!isPeriodLimiting(userId)) {
return false;
}
} catch (Exception e) {
log.error("preHandle error:{}",e.getMessage(),e);
}
return true;
}
private boolean isPeriodLimiting(String userId) {
String key = "FLW_" userId;
//设置滑动时间窗口1分钟最多访问1000次
int period = 60;
int periodMaxCount = 1000;
long nowTs = System.currentTimeMillis();
//移除过期时间元素，只保留最近一分钟的数据
stringRedisTemplate.opsForZSet().removeRangeByScore(key, 0, nowTs - period * 1000);
stringRedisTemplate.opsForZSet().add(key, String.valueOf(nowTs), nowTs);
long currCount = stringRedisTemplate.opsForZSet().zCard(key);
//大于单位时间内滑动窗口请求数量
if (currCount >= periodMaxCount) {
return false;
}
//如果考虑限制用户单日最大总请求数，可打开下方注释
// if (beyondTotalNum(userId)) {
// return false;
// }
return true;
}
private boolean beyondTotalNum(String userId) {
String totalKey = "FLC_" userId;
Boolean redisKey = stringRedisTemplate.hasKey(totalKey);
if (redisKey) {
Integer num = Integer.parseInt((String) stringRedisTemplate.opsForValue().get(totalKey));
int maxNum = 10000;
if (num >= maxNum) {
return true;
}
stringRedisTemplate.opsForValue().increment(totalKey, 1);
return false;
} else {
stringRedisTemplate.opsForValue().set(totalKey, "1", 1, TimeUnit.DAYS);
}
return false;
}
}
结语
Redis作为接口限流的利器，具备灵活的特性，使其在高并发场景下表现出色。当然，每种限流方法都有其优缺点，选择哪种方法取决于具体需求和场景。在实际应用中，也可以根据需要将不同的限流方法结合起来使用，以达到更好的限流效果。
