Redis知识梳理(6) [ 简单限流 ]

限流算法在分布式领域是一个经常被提起的话题，当系统的处理能力有限时，如 何阻止计划外的请求继续对系统施压，这是一个需要重视的问题。

除了控制流量，限流还有一个应用目的是用于控制用户行为，避免垃圾请求。比 如在 UGC 社区，用户的发帖、回复、点赞等行为都要严格受控，一般要严格限 定某行为在规定时间内允许的次数，超过了次数那就是非法行为。对非法行为， 业务必须规定适当的惩处策略。

这个限流需求中存在一个滑动时间窗口，想想 zset 数据结构的 score 值，是不 是可以通过 score 来圈出这个时间窗口来。而且我们只需要保留这个时间窗口， 窗口之外的数据都可以砍掉。那这个 zset 的 value 填什么比较合适呢?它只需 要保证唯一性即可，用 uuid 会比较浪费空间，那就改用毫秒时间戳吧

如图所示，用一个 zset 结构记录用户的行为历史，每一个行为都会作为 zset 中 的一个 key 保存下来。

同一个用户同一种行为用一个 zset 记录。

为节省内存，我们只需要保留时间窗口内的行为记录，同时如果用户是冷用户， 滑动时间窗口内的行为是空记录，

那么这个 zset 就可以从内存中移除，不再占 用空间。

通过统计滑动窗口内的行为数量与阈值 max_count 进行比较就可以得出当前的 行为是否允许。用代码表示如下:

python 版本:

public class SimpleRateLimiter {

​ private Jedis jedis;
public SimpleRateLimiter(Jedis jedis) {
this.jedis = jedis;
}

​ public boolean isActionAllowed(String userId, String actionKey, int period, int maxCount) {
String key = String.format(“hist:%s:%s”, userId, actionKey);
long nowTs = System.currentTimeMillis();
Pipeline pipe = jedis.pipelined();
pipe.multi(); //事务
pipe.zadd(key, nowTs, “” + nowTs);
pipe.zremrangeByScore(key, 0, nowTs - period * 1000);
Response count = pipe.zcard(key);
pipe.expire(key, period + 1);
pipe.exec();
pipe.close();
return count.get() <= maxCount;
}
public static void main(String[] args) {
Jedis jedis = new Jedis();
SimpleRateLimiter limiter = new SimpleRateLimiter(jedis);
for(int i=0;i<20;i++) {
System.out.println(limiter.isActionAllowed(“laoqian”, “reply”, 60, 5));
}
}

}

整体思路就是:

每 一个行为到来时，都维护一次时间窗口。将时间窗口外的记录全部清理掉，只保 留窗口内的记录。

zset 集合中只有 score 值非常重要，value 值没有特别的意 义，只需要保证它是唯一的就可以了。

因为这几个连续的 Redis 操作都是针对同一个 key 的，使用 pipeline 可以显著 提升 Redis 存取效率。

但这种方案也有缺点，因为它要记录时间窗口内所有的行 为记录，如果这个量很大，比

如限定 60s 内操作不得超过 100w 次这样的参 数，它是不适合做这样的限流的，因为会消耗大量的存储空间。