限流算法 redis

限流算法 redis：高并发场景下的核心技术解析

在实际开发中，限流算法是应对高并发流量的关键防线。今天咱们重点聊聊如何用Redis这把瑞士军刀实现高效限流，这也是大厂面试的常考点。

---

🔥 为什么需要限流算法？

想象双十一秒杀场景：瞬间百万请求涌来。不加控制的话：

1. 数据库连接池被打爆
2. CPU负载飙升
3. 服务雪崩连环宕机
   Redis凭借单线程+内存操作特性，天然适合做限流控制中枢。

---

🛠️ Redis实现四大经典限流算法

📌 固定窗口计数器

-- Redis原子操作实现
local key = "rate_limit:" .. KEYS[1]
local limit = tonumber(ARGV[1])
local current = redis.call('GET', key) or 0
if current + 1 > limit then
    return 0
else
    redis.call('INCR', key)
    redis.call('EXPIRE', key, ARGV[2])
    return 1
end

✅ 优点：实现简单，内存占用少
⚠️ 缺点：窗口临界突发流量可能穿透

📌 滑动日志算法

用Redis的ZSET保存请求时间戳：

# 伪代码实现
timestamps = zrange(key, 0, -1)
now = time.time()
# 删除60秒外记录
zremrangebyscore(key, 0, now-60)  
if zcard(key) < limit:
    zadd(key, now, str(uuid4()))
    return "通过"

🔍 精准控制但内存消耗较大

---

📌 令牌桶算法（生产环境首选）

-- Redis实现核心逻辑
local tokens = redis.call('HGET', key, 'tokens')
local last_time = redis.call('HGET', key, 'time')
local new_tokens = (now - last_time) * rate  -- 补充令牌
if new_tokens > 0 then
    tokens = math.min(max_tokens, tokens + new_tokens)
end
if tokens >= 1 then
    redis.call('HSET', key, 'tokens', tokens-1)
    return true
end

🌟 兼顾突发流量与平均速率控制

---

📌 漏桶算法

类似消息队列的消费模式：

1. 请求进入桶队列
2. 以恒定速率处理
3. 队列满则拒绝请求
   Redis可用LIST结构实现，适合流量整形场景。

---

⚡ 算法选择实战建议

| 算法类型 | 适用场景 | Redis实现复杂度 | |----------------|-------------------------|----------------| | 固定窗口 | 简单低频控制 | ⭐ | | 滑动窗口 | 精准控流 | ⭐⭐⭐⭐ | | 令牌桶 | 突发流量兼容型（推荐） | ⭐⭐⭐ | | 漏桶 | 恒定速率输出 | ⭐⭐ |

---

💡 面试避坑指南

当面试官问“如何用Redis做分布式限流”时：

1. 明确业务场景（突发/平滑流量？）
2. 对比算法优缺点
3. 强调Redis的原子操作（INCR/LUA脚本）
4. 提及集群环境下的一致性哈希问题

📌 2025年Java面试宝典最新版：
🔗 百度网盘下载
提取码：9b3g

---

🎁 特别福利

如果大家需要购买面试鸭会员，可以通过面试鸭返利网找我，额外返利25元！用专业工具备战面试更高效：

---

掌握好Redis限流算法，不仅能扛住高并发冲击，更是面试突围的利器。建议动手实践这些方案，遇到真实场景才能游刃有余。