目录
- 引言：限流的意义与应用场景
限流算法概览
- 固定窗口限流
- 滑动窗口限流
- 漏桶与令牌桶
分布式滑动窗口限流的原理
- 滑动窗口算法思路
- 分布式实现挑战
- Redis与Lua结合优势
Redis+Lua实现分布式滑动窗口限流
- 数据结构设计
- Lua脚本详解
- Redis调用方式
完整代码示例
- Python示例
- Node.js示例
- 工作流程图解
- 性能优化与注意事项
- 总结与实践建议
1. 引言：限流的意义与应用场景
在高并发场景下，服务端需要对请求进行限流，以防止系统过载。典型应用场景包括：
- API接口防刷
- 秒杀活动限流
- 微服务调用流量控制
分布式系统中，单点限流容易成为瓶颈，因此采用Redis+Lua实现的分布式滑动窗口限流，成为高性能、高可用的方案。
2. 限流算法概览
2.1 固定窗口限流（Fixed Window）
- 按固定时间窗口统计请求数量
- 简单，但存在“临界点超额”的问题
窗口长度：1秒
请求限制：5次
时间段：[0s-1s]
请求次数统计：超过5次则拒绝2.2 滑动窗口限流（Sliding Window）
- 按时间连续滑动，统计最近一段时间的请求
- 精度高，平滑处理请求峰值
实现方式：
- 精确计数（存储请求时间戳）
- Redis Sorted Set（ZSET）存储请求时间戳
2.3 漏桶与令牌桶
- 漏桶：固定出水速度，适合平滑处理请求
- 令牌桶：以固定速率生成令牌，灵活控制突发请求
本文重点讲解滑动窗口算法。
3. 分布式滑动窗口限流的原理
3.1 滑动窗口算法思路
滑动窗口算法核心：
- 记录请求时间戳
每次请求：
- 删除超出窗口的旧请求
- 判断当前窗口内请求数量是否超限
- 超限则拒绝，否则允许
公式：
允许请求数量 = COUNT(时间戳 > 当前时间 - 窗口长度)3.2 分布式实现挑战
- 多实例并发请求
- 原子性操作要求：检查+增加
- 高并发下操作Redis性能问题
3.3 Redis+Lua结合优势
- Lua脚本在Redis端执行，保证原子性
- 减少网络往返次数，提高性能
4. Redis+Lua实现分布式滑动窗口限流
4.1 数据结构设计
使用 Redis Sorted Set (ZSET)：
- key：接口标识 + 用户ID
- score：请求时间戳（毫秒）
- value：唯一标识（可用时间戳+随机数）
4.2 Lua脚本详解
-- KEYS[1] : 限流key
-- ARGV[1] : 当前时间戳 (毫秒)
-- ARGV[2] : 窗口长度 (毫秒)
-- ARGV[3] : 最大请求数
local key = KEYS[1]
local now = tonumber(ARGV[1])
local window = tonumber(ARGV[2])
local limit = tonumber(ARGV[3])
-- 删除超出窗口的旧请求
redis.call('ZREMRANGEBYSCORE', key, 0, now - window)
-- 获取当前窗口请求数量
local count = redis.call('ZCARD', key)
if count >= limit then
return 0 -- 限流
else
-- 添加新请求
redis.call('ZADD', key, now, now .. '-' .. math.random())
-- 设置过期时间
redis.call('PEXPIRE', key, window)
return 1 -- 允许
end4.3 Redis调用方式
Python调用示例（使用redis-py）
import redis
import time
r = redis.Redis(host='localhost', port=6379, db=0)
lua_script = """
-- Lua脚本内容同上
"""
def is_allowed(user_id, limit=5, window=1000):
key = f"rate_limit:{user_id}"
now = int(time.time() * 1000)
return r.eval(lua_script, 1, key, now, window, limit)
for i in range(10):
if is_allowed("user123"):
print(f"请求{i}: 允许")
else:
print(f"请求{i}: 限流")Node.js调用示例（使用ioredis）
const Redis = require('ioredis');
const redis = new Redis();
const luaScript = `
-- Lua脚本内容同上
`;
async function isAllowed(userId, limit=5, window=1000) {
const key = `rate_limit:${userId}`;
const now = Date.now();
const result = await redis.eval(luaScript, 1, key, now, window, limit);
return result === 1;
}
(async () => {
for (let i = 0; i < 10; i++) {
const allowed = await isAllowed('user123');
console.log(`请求${i}: ${allowed ? '允许' : '限流'}`);
}
})();5. 工作流程图解
+---------------------+
| 用户请求到达服务端 |
+---------------------+
|
v
+---------------------+
| 执行Lua脚本(原子) |
| - 清理过期请求 |
| - 判断请求数 |
| - 添加请求记录 |
+---------------------+
|
+-----+-----+
| |
v v
允许请求 限流返回- Lua脚本保证操作原子性
- Redis ZSET高效管理时间戳
6. 性能优化与注意事项
- 键过期设置：使用
PEXPIRE防止ZSET无限增长 - ZSET最大长度：可结合
ZREMRANGEBYRANK控制极端情况 - Lua脚本缓存：避免每次发送脚本，提高性能
- 分布式部署：所有实例共享同一个Redis节点/集群
7. 总结与实践建议
- 滑动窗口比固定窗口更平滑，适合高并发场景
- Redis+Lua实现保证原子性和性能
- 分布式系统可横向扩展，限流逻辑一致
实践建议：
- 精确控制请求速率，结合缓存和数据库保护后端
- 监控限流命中率，动态调整参数
- Lua脚本可扩展：按接口/用户/IP限流