Redis实现API接口限流之滑动窗口算法

Redis实现API接口限流之滑动窗口算法

1. 引言

本文为了填补上一篇的坑点,有兴趣的小伙伴可以先去了解上一篇的固定窗口详解:
Redis实现API接口限流之固定窗口算法

在这里插入图片描述
如上图所示,固定窗口和滑动窗口的区别一目了然,回到上一篇坑点的结论就是:固定窗口无法完美规避固定时间临界点的流量冲击。而滑动窗口则是一个动态窗口,它会随着时间的推移不断前移,动态更新某时间范围内的数据,下面直接上干货。

2.上干货

2.1 lua脚本

不少小伙伴可能对lua脚本不太熟悉,因为平时确实接触得比较少。不过关于Redisson的分布式锁,想必大家也都耳濡目染了,其获取锁的原理就是基于lua脚本的原子性。

rateLimiter.lua:编写属于我们限流业务的lua脚本

--获取KEY

local key = KEYS[1]

--获取ARGV内的参数

-- 缓存时间

local expire = tonumber(ARGV[1])

-- 当前时间

local currentMs = tonumber(ARGV[2])

-- 最大次数

local count = tonumber(ARGV[3])

--窗口开始时间

local windowStartMs = currentMs - expire * 1000;

--获取key的次数

local current = redis.call('zcount', key, windowStartMs, currentMs)

--如果key的次数存在且大于预设值直接返回当前key的次数

if current and t
### 使用 Redis 实现滑动窗口算法进行限流的最佳实践 #### 1. 滑动窗口限流的特点 滑动窗口限流相比固定窗口限流更加精确,能够更好地处理突发流量。然而,这种实现方式确实更为复杂,并且对Redis的性能有更高的要求,在高并发场景下尤其如此[^1]。 #### 2. 利用 ZSET 数据结构 通过使用 Redis 的 `ZSET` (有序集合),可以在一定时间内记录请求的时间戳并对其进行排序。对于每一个新的请求到来时,程序会移除超过指定时间段之外的数据项,从而保持数据的有效性和准确性[^2]。 #### 3. Pipeline 提升效率 由于涉及到多次与 Redis 进行交互的操作(如增加新成员、删除过期成员以及获取当前计数值等),采用 pipeline 方式批量执行命令能显著减少网络延迟带来的开销,提高整体性能表现。 #### 4. Lua 脚本确保原子性 为了避免竞争条件的发生,推荐利用 Redis 内置的支持事务特性的 Lua 脚本来完成整个流程的一次性提交。这不仅简化了客户端代码的设计难度,同时也保障了操作的安全可靠[^4]。 --- 以下是 Python 版本的一个简单示例来展示如何基于上述原则构建一个高效的滑动窗口限流器: ```python import time from redis import StrictRedis class SlidingWindowRateLimiter(object): def __init__(self, redis_client: StrictRedis, key_prefix='swrl:', window_size=60, max_requests=100): self.redis = redis_client self.key_prefix = key_prefix self.window_size = window_size self.max_requests = max_requests def _get_key(self, identifier): return f"{self.key_prefix}{identifier}" def is_allowed(self, identifier): now_ms = int(time.time() * 1000) key = self._get_key(identifier) lua_script = """ local current_time = tonumber(ARGV[1]) local cutoff_time = current_time - tonumber(ARGV[2]) -- Remove expired entries from the sorted set. redis.call('ZREMRANGEBYSCORE', KEYS[1], '-inf', '(' .. tostring(cutoff_time)) -- Count remaining items within allowed timeframe. local count = redis.call('ZCOUNT', KEYS[1], '-inf', '+inf') if tonumber(count) >= tonumber(ARGV[3]) then return 0 else redis.call('ZADD', KEYS[1], current_time, current_time) return 1 end """ result = self.redis.eval(lua_script, [key], [ str(now_ms), str(self.window_size*1000), str(self.max_requests)]) return bool(result) if __name__ == "__main__": rdb = StrictRedis(host="localhost", port=6379, db=0) limiter = SlidingWindowRateLimiter(rdb, 'test_api_', 60, 5) user_id = "user_1" for i in range(8): print(f"Attempt {i}: ", limiter.is_allowed(user_id)) ``` 此段代码定义了一个名为 `SlidingWindowRateLimiter` 类用于管理特定 API 接口下的用户访问频率控制逻辑;其中包含了两个主要方法 `_get_key()` 和 `is_allowed()` 。前者负责生成唯一标识符以便区分不同资源对象间的统计数据差异;后者则实现了核心业务功能——即依据传入的身份参数决定是否允许此次调用继续前进还是返回拒绝响应给前端应用层面上做进一步处理。
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