如何用Redis实现限流？

用户11397231

发布于 2024-12-10 19:31:16

11200

代码可运行

文章被收录于专栏：算法算法

运行总次数：0

代码可运行

如何用Redis实现限流？

什么是限流？

限流是指在各种应用场景中，通过技术和策略手段对数据流量、请求频率或资源消耗进行有计划的限制，以避免系统负载过高、性能下降甚至崩溃的情况发生。限流的目标在于维护系统的稳定性和可用性，并确保服务质量。

限流的意义

使用限流有以下几个好处：

保护系统稳定性：过多的并发请求可能导致服务器内存耗尽、CPU 使用率饱和，从而引发系统响应慢、无法正常服务的问题。
防止资源滥用：确保有限的服务资源被合理公平地分配给所有用户，防止个别用户或恶意程序过度消耗资源。
优化用户体验：对于网站和应用程序而言，如果任由高并发导致响应速度变慢，会影响所有用户的正常使用体验。
保障安全：在网络层面，限流有助于防范 DoS/DDoS 攻击，降低系统遭受恶意攻击的风险。
运维成本控制：合理的限流措施可以帮助企业减少不必要的硬件投入，节省运营成本。

限流常见算法

限流的常见实现算法有以下几个：

计数器算法
- 将时间周期划分为固定大小的窗口（如每分钟、每小时），并在每个窗口内统计请求的数量。当窗口内的请求数达到预设的阈值时，后续请求将被限制。时间窗口结束后，计数器清零。
- 优点：实现简单，易于理解。
- 缺点：在窗口切换时刻可能会有突刺流量问题，即在窗口结束时会有短暂的大量请求被允许通过。
滑动窗口算法
- 改进了计数器算法的突刺问题，将时间窗口划分为多个小的时间段（桶），每个小时间段有自己的计数器。随着时间流逝，窗口像滑块一样平移，过期的小时间段的计数会被丢弃，新时间段加入计数。所有小时间段的计数之和不能超过设定的阈值。
- 优点：更平滑地处理流量，避免了突刺问题。
- 缺点：实现相对复杂，需要维护多个计数器。
漏桶算法
- 想象一个固定容量的桶，水（请求）以恒定速率流入桶中，同时桶底部有小孔让水以恒定速率流出。当桶满时，新来的水（请求）会被丢弃。此算法主要用来平滑网络流量，防止瞬时流量过大。
- 优点：可以平滑突发流量，保证下游系统的稳定。
- 缺点：无法处理突发流量高峰，多余的请求会被直接丢弃。
令牌桶算法
- 与漏桶相反，有一个固定速率填充令牌的桶，令牌代表请求许可。当请求到达时，需要从桶中取出一个令牌，如果桶中有令牌则允许请求通过，否则拒绝。桶的容量是有限的，多余的令牌会被丢弃。
- 优点：既能平滑流量，又能处理一定程度的突发流量（因为令牌可以累积）。
- 缺点：需要精确控制令牌生成速度，实现较漏桶复杂。

使用Redis实现限流

计数器算法

此方法的实现思路是：使用一个计数器存储当前请求量（每次使用incr方法相加），并设置一个过期时间，计数器在一定时间内自动清零。

具体实现代码如下：

import redis.clients.jedis.Jedis;

public class RedisRateLimiter {
    private static final String REDIS_KEY = "request_counter";
    private static final int REQUEST_LIMIT = 100; // 限流阈值
    private static final int EXPIRE_TIME = 60; // 过期时间（秒）

    public boolean allowRequest() {
        Jedis jedis = new Jedis("localhost");
        
        try {
            Long counter = jedis.incr(REDIS_KEY);
            if (counter == 1) {
                // 第一次设置过期时间
                jedis.expire(REDIS_KEY, EXPIRE_TIME);
            }
            
            if (counter <= REQUEST_LIMIT) {
                return true; // 允许请求通过
            } else {
                return false; // 请求达到限流阈值，拒绝请求
            }
        } finally {
            jedis.close();
        }
    }

    public static void main(String[] args) {
        RedisRateLimiter rateLimiter = new RedisRateLimiter();
        for (int i = 0; i < 110; i++) {
            if (rateLimiter.allowRequest()) {
                System.out.println("Request Allowed");
            } else {
                System.out.println("Request Denied (Rate Limited)");
            }
        }
    }
}

滑动窗口算法

此方法的实现思路是：将请求都存入到ZSet集合中，在分数（score）中存储当前请求时间。然后再使用ZSet提供的range方法轻易的获取到2个时间戳内的所有请求，通过获取的请求数和限流数进行比较并判断，从而实现限流。

具体实现代码如下：

import redis.clients.jedis.Jedis;
import redis.clients.jedis.Tuple;

import java.util.Set;

public class RedisSlidingWindowRateLimiter {

    private static final String ZSET_KEY = "request_timestamps";
    private static final int WINDOW_SIZE = 60; // 时间窗口大小（单位：秒）
    private static final int REQUEST_LIMIT = 100; // 限流阈值

    public boolean allowRequest() {
        Jedis jedis = new Jedis("localhost");
        long currentTimestamp = System.currentTimeMillis() / 1000;

        // 添加当前请求的时间戳到有序集合
        jedis.zadd(ZSET_KEY, currentTimestamp, String.valueOf(currentTimestamp));

        // 移除过期的请求时间戳，保持时间窗口内的请求
        long start = currentTimestamp - WINDOW_SIZE;
        long end = currentTimestamp;
        jedis.zremrangeByScore(ZSET_KEY, 0, start);

        // 查询当前时间窗口内的请求数量
        Set<Tuple> requestTimestamps = jedis.zrangeByScoreWithScores(ZSET_KEY, start, end);
        long requestCount = requestTimestamps.size();

        jedis.close();

        // 判断请求数量是否超过限流阈值
        return requestCount <= REQUEST_LIMIT;
    }

    public static void main(String[] args) {
        RedisSlidingWindowRateLimiter rateLimiter = new RedisSlidingWindowRateLimiter();

        for (int i = 0; i < 110; i++) {
            if (rateLimiter.allowRequest()) {
                System.out.println("Request Allowed");
            } else {
                System.out.println("Request Denied (Rate Limited)");
            }
        }
    }
}

漏桶算法

漏桶算法的实现思路是：使用一个固定容量的桶来存储请求，请求以固定的速率被处理。如果桶满了，新的请求将被丢弃。

令牌桶算法

令牌桶算法的实现思路是：有一个固定速率填充令牌的桶，令牌代表请求许可。当请求到达时，需要从桶中取出一个令牌，如果桶中有令牌则允许请求通过，否则拒绝。桶的容量是有限的，多余的令牌会被丢弃。

Redis限流的实践案例

在实际应用中，Redis限流可以应用于多个场景，例如API调用频率限制、用户行为监控、服务降级等。以下是一些实践案例：

API调用频率限制：限制用户对特定API的调用频率，防止API滥用和过载。
用户行为监控：监控用户的登录尝试、请求行为等，防止恶意攻击和滥用。
服务降级：在系统负载过高时，通过限流策略降低非核心服务的请求量，确保核心服务的稳定性。

总结

Redis作为一个高性能的键值存储系统，在限流方面有着广泛的应用。通过使用不同的限流算法，如计数器算法、滑动窗口算法、漏桶算法和令牌桶算法，我们可以有效地控制请求流量，保护系统稳定性，优化用户体验，并降低运维成本。每种算法都有其适用场景和优缺点，选择合适的限流策略需要根据具体的业务需求和系统特点来决定。通过合理配置和优化，Redis可以帮助我们实现高效、稳定的限流解决方案。

在实际应用中，限流策略的选择和实现需要综合考虑业务特点、系统架构和性能要求。例如，在面对高并发、高流量的场景时，可能需要采用更复杂的限流算法和策略，

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2024-12-07，如有侵权请联系 cloudcommunity@tencent.com 删除

系统