Redis 限流有哪些实现方式

在高并发的应用场景中，限流是保障系统稳定运行的重要手段。Redis 由于其高性能和丰富的数据结构，成为实现限流的常用工具。下面就来探讨一下 Redis 常见的限流实现方式。

基于计数器的限流

计数器是一种简单直观的限流方法。其原理是利用 Redis 的原子自增操作，每次请求到来时，对计数器进行自增。例如，我们设定在 1 分钟内允许 100 次请求。可以使用 Redis 的 INCR 命令，当自增后的计数值小于等于 100 时，允许请求通过；当超过 100 时，拒绝请求。并且，在每分钟开始时，通过 EXPIRE 命令设置计数器的过期时间为 1 分钟，到期后计数器自动清零，重新计数。这种方式实现简单，但存在临界问题，比如在每分钟的边界处，可能会出现短时间内请求量远超限制的情况。

滑动窗口算法

滑动窗口算法是对计数器算法的优化。它将时间窗口划分为多个小的子窗口，每个子窗口都有自己的计数器。随着时间的推移，窗口像滑动一样移动。比如将 1 分钟的时间窗口划分为 6 个 10 秒的子窗口。通过 Redis 的有序集合（ZSET）来实现，有序集合的 score 字段记录时间戳，value 字段记录请求计数。每次请求到来时，更新当前子窗口的计数器，并清理过期的子窗口计数器。然后计算整个大窗口内的请求总数，判断是否超过限流阈值。滑动窗口算法能够更平滑地处理请求，减少临界问题的影响。

令牌桶算法

令牌桶算法是一种常用的限流算法。在 Redis 中，可以利用 Lua 脚本来实现。令牌桶算法会以固定的速率生成令牌并放入桶中，桶有一定的容量限制。请求到来时，尝试从桶中获取令牌，如果能获取到则允许请求通过，否则拒绝请求。通过 Redis 的原子操作保证令牌的生成和获取的线程安全性。这种算法适用于对突发流量有较好处理能力的场景，能够在保证一定限流的允许短时间内的突发请求。

漏桶算法

漏桶算法也是一种有效的限流方式。它的原理是请求像水一样流入一个固定容量的桶中，桶以固定的速率流出请求。在 Redis 中，可以通过记录请求的时间戳，计算当前请求与上一次请求流出的时间差，判断是否符合固定的流出速率。如果时间差过小，说明请求流出过快，超过了限流，拒绝请求。漏桶算法能够有效平滑流量，避免流量的剧烈波动。

Redis 提供了多种限流实现方式，每种方式都有其特点和适用场景。在实际应用中，需要根据具体的业务需求和系统特点，选择合适的限流算法来保障系统的稳定运行。