3. 固定窗口
参考:精确掌控并发:分布式环境下并发流量控制的设计与实现(一)-CSDN博客
4. 滑动窗口
滑动窗口算法是一种更为灵活的流量控制方案,它比固定窗口算法能更平滑地处理突发流量。在滑动窗口中,时间窗口是重叠的,这意味着流量的计算是基于过去的一段连续时间内发生的事件。
工作流程:
- 窗口定义:确定窗口的大小,例如1秒钟,并设置窗口的滑动间隔,比如100毫秒。
- 计数与滑动:每个窗口都有自己的计数器。当一个新请求到达时,增加当前时间窗口及其前面相邻的窗口的计数。
- 限制检查:如果任何连续时间段内的请求总数超过阈值,则拒绝新的请求。
- 窗口更新:随着时间的推移,不断向前滑动窗口,并更新相应的计数器。
实现细节:
滑动窗口可以通过队列或循环数组来实现。每个窗口对应队列中的一个元素,记录该窗口期间的请求数。当时间滑动时,更新队列头部的元素,并可能将旧的元素出队。
例如,在Redis中,可以使用列表或有序集合来模拟这种滑动窗口。下面是一个Rdis实现的示例,使用有序集合(sorted set)来实现了滑动时间窗口算法:
java
public class RateLimiter {
public static boolean isAllowed(String channel) {
long currentTimeMillis = Instant.now().toEpochMilli();
String key = "rate_limiter:" + channel;
try (Jedis jedis = new Jedis(REDIS_HOST, REDIS_PORT)) {
// 使用Redis的多个命令来实现滑动窗口
jedis.zremrangeByScore(key, 0, currentTimeMillis - WINDOW_SIZE_IN_SECONDS * 1000);
long requestCount = jedis.zcard(key);
if (requestCount < MAX_REQUESTS) {
jedis.zadd(key, currentTimeMillis, "" + currentTimeMillis);
jedis.expire(key, WINDOW_SIZE_IN_SECONDS);
return true;
} else {
return false;
}
}
}
}
每个请求都以其发生的时间戳作为分数存储在集合中。通过移除旧于当前时间窗口的请求来维护滑动窗口。通过检查集合中的元素数量,以确定是否超过了设定的最大请求数。
- zremrangeByScore 用于移除窗口之外的旧请求。
- zcard 获取当前窗口内的请求数量。
- zadd 将新请求添加到集合中。
应用场景:
- API限流:适用于需要平滑处理突发流量的API服务。
- 动态调整:由于滑动窗口能够更精确地反映最近的流量趋势,它适用于需要动态调整限流策略的场景。比如支付渠道成功率的监控和流量的波动。这个后面单独开个篇章来讲。
注意事项:
- 资源消耗:相比固定窗口算法,滑动窗口可能需要更多的计算和存储资源。
- 时间同步:在分布式系统中,需要确保不同节点之间的时间同步,以保证流量计算的准确性。如果应用服务器之间的时间不同步,那么流量就会计算错误。
<未完待续>