Redis 实现限流功能的几种方法

一、问题背景

在实际业务场景中,限流是保护系统的重要手段:在一段时间(period)内,限定某个行为(action)的最大次数(max_count)。本文介绍如何基于 Redis 实现多种限流方案。


二、限流类型总览

限流类型 核心思想 优点 缺点
固定窗口限流 时间窗口固定,到期自动清零 实现简单 存在窗口边界突击流量问题
滑动窗口限流 窗口随时间滑动,统计窗口内请求数 精确解决边界问题 实现稍复杂
漏斗限流 容量固定,速率固定 精确控制容量和速率 需要 Redis 模块支持
令牌桶限流 令牌以固定速率放入桶中 支持突发流量 实现复杂

三、固定窗口限流

3.1 什么是固定窗口限流

将时间划分为固定的窗口,例如每 5 分钟为一个窗口:

复制代码
|---5min---|---5min---|---5min---|---5min---|
20:00      20:05      20:10      20:15

在每个窗口内独立计数,窗口到期后计数清零。

3.2 Redis 实现
lua 复制代码
-- 固定窗口限流实现
local key = "***" .. user_id .. ":" .. action
local limit = 10  -- 最大次数
local period = 10  -- 时间窗口(秒)

-- 方式1:INCR + EXPIRE(存在问题)
redis.call('INCR', key)
redis.call('EXPIRE', key, period)

-- 方式2:SET + INCR(正确实现,解决竞态条件)
-- 使用 SET + EXPIRE 原子操作,避免窗口切换时丢失数据
redis.call('SET', key, 0, 'EX', period, 'NX')
local count = redis.call('INCR', key)

return count <= limit

关键点:使用 SET + EXPIRE 代替单独 EXPIRE,避免 INCR 和 EXPIRE 之间进程崩溃导致数据丢失。

可通过 Pipeline 保证两个命令同时发送:

python 复制代码
# Python 示例
pipe = redis.pipeline()
pipe.set(key, 0, ex=period, nx=True)
pipe.incr(key)
res = pipe.execute()
return res[1] <= limit
3.3 固定窗口的局限性

假设 5 分钟内限定 10 次请求:

复制代码
20:04-20:05 发生 9 次请求
20:05-20:06 发生 9 次请求

在 20:04-20:06 这 2 分钟内,实际发生了 18 次请求,远超每 5 分钟 10 次的限制。

问题根源:固定窗口的边界不连续,在边界处可能发生突发流量。


四、滑动窗口限流

4.1 核心思想

滑动窗口的核心是窗口随时间连续滑动,而非固定边界:

复制代码
传统固定窗口:      |-----5min-----|-----5min-----|
                   20:00         20:05         20:10

滑动窗口:
                   现在时刻的窗口持续向前滑动
                   |----5min-----|----5min-----|
                   20:01         20:06
4.2 Redis 实现(ZSET)
lua 复制代码
local function is_action_allowed(red, user_id, action, period, max_count)
    local key = "***" .. user_id .. ":" .. action
    local now = redis.call('TIME')  -- 获取当前时间戳(毫秒)

    -- 1. 记录当前行为(score 和 member 都用时间戳)
    red:zadd(key, now, now)

    -- 2. 移除窗口之前的行为记录
    red:zremrangebyscore(key, 0, now - period * 1000)

    -- 3. 获取窗口内的行为数量
    local count = red:zcard(key)

    -- 4. 设置过期时间,避免冷用户持续占用内存
    red:expire(key, period + 1)

    return count <= max_count
end

流程图:

复制代码
时间轴:[--窗口period--|---未来---]
                       ↑now
                       
ZSET 存储:score=时间戳, member=时间戳
ZREMRANGEBYSCORE:删除 score < now-period 的旧记录
ZCARD:统计剩余元素数量,即窗口内请求数
4.3 为什么用 ZSET 而非 LIST
数据结构 适用场景
ZSET 支持按时间范围删除,适合滑动窗口
LIST 只能按索引删除,无法按时间范围清理

五、漏斗限流(Redis-Cell)

5.1 什么是漏斗限流

漏斗限流的核心是容量固定 + 速率固定,能精确控制元素的容量和速率:

复制代码
漏斗模型:
       [入口] -> (容量固定) -> [出口]
         ↓
      速率恒定
  • 漏斗容量:最多能容纳多少请求
  • 漏斗速率:单位时间内能处理多少请求
5.2 Redis-Cell 模块安装

Redis-Cell 是 Redis 的第三方模块,采用 Rust 编写,需要单独安装:

bash 复制代码
# 下载并编译
git clone https://github.com/brandur/redis-cell
cd redis-cell
cargo build --release
cp target/release/libredis_cell.so /path/to/modules/

# 启动 Redis 加载模块
redis-server --loadmodule /path/to/modules/libredis_cell.so
5.3 CL.THROTTLE 命令详解
bash 复制代码
CL.THROTTLE key capacity operations seconds [quota]

参数说明:

参数 含义 示例
key 漏斗容器名称 user:123:login
capacity 漏斗容量(最大容纳请求数) 10
operations 单位时间内的操作次数 5
seconds 单位时间(秒) 60
quota 单次行为消耗的令牌数(可选,默认1) 1

示例:每 60 秒最多 5 次请求,漏斗容量 10

bash 复制代码
CL.THROTTLE user:123:login 10 5 60

返回结果:

复制代码
1) (integer) 0  # 是否被限流(0=允许,1=拒绝)
2) (integer) 7  # 漏斗剩余容量
3) (integer) 7  # 如果被拒绝,还需要等多久(秒)
4) (integer) -1  # 预留字段
5) (integer) 60  # 下次请求的间隔时间
5.4 流速计算
复制代码
流速 = operations / seconds = 5 / 60 ≈ 0.083 请求/秒

这意味着每秒只能处理约 0.083 个请求,即约 12 秒处理 1 个请求。


六、令牌桶限流

6.1 核心思想

令牌桶的核心是令牌以固定速率放入桶中:

复制代码
令牌桶:
         -> [桶容量] -> 请求消耗令牌 -> 通过
         ↑
      固定速率放入令牌
  • 桶容量:最大令牌数
  • 令牌添加速率:每秒添加多少令牌
  • 请求消耗:每个请求消耗 1 个令牌
6.2 特点
特点 说明
支持突发流量 桶满时可一次性处理多个请求
令牌非即时补充 需要等待令牌生成
6.3 与漏斗限流的区别
对比维度 漏斗限流 令牌桶限流
速率 匀速 匀速(令牌补充)
突发能力 不支持 支持(桶满时)
实现难度 较简单 较复杂

七、四种限流方案对比

维度 固定窗口 滑动窗口 漏斗限流 令牌桶
实现复杂度 低 中 低 高
边界突击 有 无 无 无
突发流量支持 不支持 不支持 不支持 支持
精度控制 低 中 高 高
额外依赖 无 无 Redis-Cell 无

八、面试追问 FAQ

问题 回答要点
Q: 为什么固定窗口需要 SET + INCR 组合? 单独 INCR + EXPIRE 在进程崩溃时可能丢失数据,SET+EXPIRE 原子操作保证一致性
Q: 滑动窗口为什么要设置过期时间为 period+1? 避免窗口边界附近过期导致数据丢失,确保跨窗口的请求仍被统计
Q: 漏斗限流和令牌桶限流各适用于什么场景? 漏斗:需要精确控制速率的 API 限流;令牌桶:允许突发流量的场景(如秒杀)
Q: Redis-Cell 是原子操作吗? 是,CL.THROTTLE 整个命令是原子的,无需担心并发问题
Q: 滑动窗口的 ZSET 会不会无限增长? 不会,每次请求都会清理窗口外的旧数据,且有 expire 保证清理

九、相关题目

题目 考察点
Redis 固定窗口限流如何保证原子性? SET + INCR + Pipeline
滑动窗口限流为什么用 ZSET 而不是 LIST? 按时间范围删除的能力
漏斗限流如何计算流速? operations / seconds
令牌桶和漏斗限流的本质区别? 突发流量支持

十、总结

限流方案 实现难度 精度 突发流量 推荐场景
固定窗口 低 低 不支持 简单场景
滑动窗口 中 中 不支持 需要精确控制
漏斗限流 低 高 不支持 API 限流
令牌桶 高 高 支持 秒杀/抢购

核心结论: 根据业务场景选择合适的限流方案,简单场景用固定窗口,精确控制用滑动窗口或漏斗限流,需要突发能力用令牌桶。


根据零声教育教学写作https://github.com/0voice

相关推荐
Decay__14 小时前
PostgreSQL 数据库全栈运维实战系列 — 合集索引(24 篇)
运维·数据库·sql·mysql·架构
琳少_18 小时前
java程序开发笔记
java·开发语言·数据库·笔记
Flynn Liang19 小时前
大模型成本优化:基于 Redis 的可验证语义缓存架构
人工智能·redis·缓存·架构·ai agent·智能体
FungLeo20 小时前
FengCMS · PHP+MySQL升级实录 ·并发一致性连环坑:模板缓存、排队保存、备份恢复的竞态
mysql·缓存·php·工程实践·fengcms
SA-D21 小时前
Redis 架构要点:性能、持久化、缓存故障与分布式锁的边界
redis·缓存·架构
Pocker_Spades_A21 小时前
工业物联网时序数据库选型:一份能直接抄走的技术规格书
数据库·物联网·时序数据库
苜蓿muxu21 小时前
缓存三大问题:穿透、击穿、雪崩
数据库·redis
正在走向自律1 天前
MySQL兼容性深度实践:建表、增删改查与迁移避坑全记录
数据库·sql·mysql·信创·数据库迁移
隔窗听雨眠1 天前
openGauss开源五年的内核演进与生态工程
数据库·opengauss·国产数据库
Decay__1 天前
PostgreSQL 体系架构全解 —— 进程模型、共享内存、MVCC 与 WAL 预写日志深入
运维·数据库·sql·mysql·架构