redis lua限流写法

-- 业务标志
local businessTag=KEY[1]
-- 限流数量
local limitDefault=tonumber(KEY[2] or 100)
-- 限流标志
local limitOnOffTag=KEY[3]
-- 限流开关 默认是 开
local limitOnOff=tonumber(redis.call("get",limitOnOffTag..":REQ_LIMIT_ON_OFF") or 0)
if(limitOnOff>0){
  return 1
}
-- 如果没有获取到系统配置的限流数量就获取传入的默认限流数量
local limit = tonumber(redis.call("get",limitOnOffTag..":req_limit") or limitDefault))
-- 当前时间窗口内访问次数统计缓存KEY
local key = businessTag..":counter:"..limitOnOffTag
-- 获取当前时间范围内已访问次数
local current=tonumber(redis.call("get",key) or 0));
-- 设置统计时间范围
local windowTimeOutSetting=tonumber(redis.call("get",limitOnOffTag..":request_window_timeout") or 1)
-- 如果历史还没有设置访问就设置一个key
if(current<1){
     redis.call("set",key,0)
     redis.call("expire",key,windowTimeOutSetting)
     current=0;
}
-- 当前时间范围内访问次数已经大于限流 则返回0 
if(current+1>limitDefault) then
  return 0
else
-- 当前时间范围内访问次数处于限流范围内 则返回已访问次数
  redis.call("INCRBY", key ,"1")
  return (current+1)
end

### 使用 RedisLua 实现分布式限流 RedisLua 脚本支持可以用来实现高效的分布式限流。通过 Lua 脚本,可以在单次请求中完成多个操作并保持事务性,从而减少网络延迟和竞争条件的影响。 #### 方案概述 分布式限流的核心在于确保不同节点之间的访问控制一致性和高效性。基于 RedisLua 脚本可以通过原子化执行来满足这一需求。常见的方法包括令牌桶算法、固定窗口计数器和滑动日志等[^1]。其中,Lua 脚本能够简化这些复杂逻辑的实现过程,并提升性能[^2]。 以下是具体的实现方案: --- ### 代码示例:基于令牌桶算法的分布式限流 以下是一个使用 RedisLua 实现令牌桶算法的例子: ```lua -- Lua 脚本用于实现令牌桶算法 local key = KEYS[1] local rate = tonumber(ARGV[1]) -- 每秒允许的最大请求数 local capacity = tonumber(ARGV[2]) -- 桶容量 local now = tonumber(ARGV[3]) -- 当前时间戳 (单位: 秒) local request = tonumber(ARGV[4]) -- 请求的数量 -- 获取当前存储的状态 local stored_data = redis.call('GET', key) if not stored_data then -- 如果不存在,则初始化状态 local tokens = math.min(capacity, rate * now) -- 初始填充令牌数量 redis.call('SET', key, string.format("%d:%f", math.floor(now), tokens)) else -- 解析已有的数据结构 local parts = {} for part in string.gmatch(stored_data, "[^%:]+") do table.insert(parts, tonumber(part)) end local last_time = parts[1] local tokens = math.max(math.min(parts[2] + (now - last_time) * rate, capacity), 0) -- 更新状态 redis.call('SET', key, string.format("%d:%f", math.floor(now), tokens)) end stored_data = redis.call('GET', key) parts = {} for part in string.gmatch(stored_data, "[^%:]+") do table.insert(parts, tonumber(part)) end tokens = parts[2] if tokens >= request then -- 减少令牌数量 tokens = tokens - request redis.call('SET', key, string.format("%d:%f", math.floor(now), tokens)) return true else return false end ``` 此脚本实现了以下几个功能: - 初始化或更新令牌桶的状态。 - 计算可用令牌数量。 - 执行扣减操作并返回是否成功。 调用上述脚本的方式如下(Python 示例): ```python import time import redis r = redis.StrictRedis(host='localhost', port=6379, db=0) def is_allowed(key, rate, capacity, request): script = """ -- 上述 Lua 脚本内容... """ current_time = int(time.time()) result = r.eval(script, 1, key, rate, capacity, current_time, request) return bool(result) key = 'rate_limit_key' rate = 10 # 每秒最多处理 10 个请求 capacity = 20 # 最大令牌数量为 20 request = 1 # 单次请求消耗 1 个令牌 print(is_allowed(key, rate, capacity, request)) # 输出 True 或 False ``` --- ### 最佳实践 1. **合理设置参数** 参数 `rate` 和 `capacity` 需要根据实际业务场景调整。如果配置不当可能导致服务被频繁拒绝或者资源耗尽。 2. **持久化与过期策略** 对于每个用户的限流键值,建议设置合理的 TTL 时间以释放内存空间。例如,在上面的 Python 示例中,可以额外调用 `EXPIRE` 命令给键加上超时属性。 3. **高并发环境下的优化** 在极端情况下,可能会遇到大量客户端同时尝试获取锁的情况。此时应考虑引入队列机制或其他缓存技术缓解压力[^3]。 4. **监控与报警** 定期检查 Redis 性能指标以及限流效果,及时发现潜在瓶颈并通过扩展集群等方式解决问题。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值