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：

|---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

-- 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 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：

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：

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）

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：

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：

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：

# 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

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

CL.THROTTLE user:123:login 10 5 60

返回结果：

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

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：

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