精确掌控并发：分布式环境下并发流量控制的设计与实现（二）

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 复制代码

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>