Redis限流正确姿势指导指南，结尾附带Bug小惊喜，不要错过哦，2021大厂Java面试真题集锦

| — | — | — | — | — | — | — |

| 固定窗口 | 计数周期T、周期内最大访问数N | 低O(1)（记录周期内访问次数及周期开始时间 | 低O(1) | 否 | 否 | 低 |

| 滑动窗口 | 计数周期T、周期内最大访问数N | 高O(N)（记录每个小周期中的访问数量） | 中O(N) | 是 | 相对实现。滑动窗口的格子划分的越多，那么滑动窗口的滚动就越平滑 | 中 |

| 漏桶 | 漏桶流出速度r、漏桶容量N | 低O(1)（记录当前漏桶中容量） | 高O(N) | 是 | 是 | 高 |

| 令牌桶 | 令牌产生速度r、令牌桶容量N | 低O(1)（记录当前令牌桶中令牌数） | 高O(N) | 是 | 是 | 高 |

二、分布式限流实现

现在的服务基本都是采用分布式多实例，单例的限流一般都是采用框架实现，例如Guava就一键式集成了令牌桶限流算法，直接调用API就可以了，很简单，但是在分布式环境下，就要求我

《一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》

【docs.qq.com/doc/DSmxTbFJ1cmN1R2dB】 完整内容开源分享

们自己来实现了。

一般分布式限流刚开始都会使用固定窗口算法进行限流，这主要原因是借助Redis，可以轻轻松松几行代码搞定分布式限流。

if (redisTemplate.hasKey(key)) {

int currentNum = redisTemplate.opsForValue().get(key);

if (currentNum < maxMum) {

// 请求并发量加1

redisTemplate.opsForValue().increment(key, 1);

} else {

return;

}

} else {

redisTemplate.opsForValue().set(key, 1, 1, TimeUnit.MINUTES);

}

三、限流成绝流

如上述代码所示，非常简单，设置一个带有过期时间的key，再加一个阀值就可以了，代码看似没有问题，其实隐藏着一个巨大的Bug，也正是因为这个Bug导致限流变成绝流。

3.1 Bug场景

先给大家讲解一下Bug出现的场景，博主将限流代码发布到线上之后，刚开始确实实现了限流，达到阀值之后就不会再增加了，但是过了几分钟之后发现还处于限流状态，此时Redis早就到了过期时间。查看Redis对应的Key发现，Key的过期时间竟然是-1，也就是永不过期。这个过程就非常诡异了，博主将Key删除掉之后，过一段时间又发生同样的问题。

3.2 错误整理

我们从这个错误场景中可以得出，这个Bug并不是必然发生的，而是在某一个时间点就会突然发生，明确这一点之后，基本可以确定应该是Redis操作这个Key发生的问题。

我们再来仔细看一下代码，所有的代码都没有问题，唯一可能出现的只可能是redisTemplate.opsForValue().increment(key, 1)命令了，假如说执行increment的时候，key正好过期了呢，执行increment方法是会报错还是会生成一个新的Key然后加1呢？

通过实验我们可以得出,通过redisTemplate.opsForValue().increment(key, 1)命令也可以创建Key，而且创建的还是不过期的Key，好了罪魁祸首找到了，那我们应该如何修复这个Bug呢，别着急我们接着往下看。

不说版本就瞎逼逼，那是耍流氓。RedisTemplate的版本号为：spring.data.redis-2.1.8.RELEASE

3.3 Bug修复

public void resetExpireKey(String key) {

Long expireSeconds = redisTemplate.opsForValue().getOperations().getExpire(key);

// 永不过期或者不存在

if (expireSeconds == -1

|| expireSeconds == -2) {

redisTemplate.opsForValue().set(key, 1, 1, TimeUnit.MINUTES);

}

}

@Override

public boolean isLimiter(String key, int maxMum) {

try {

// key存在,说明1分钟之后还未过期

if (redisTemplate.hasKey(key)) {

// 重置过期时间

resetExpireKey(key);

int currentNum = redisTemplate.opsForValue().get(key);

if (currentNum < maxMum) {

// 请求并发量加1

redisTemplate.opsForValue().increment(key, 1);

} else {

return true;

}

} else {

// 已经过期，下一个周期开始（过期时间为1分钟）

redisTemplate.opsForValue().set(key, 1, 1, TimeUnit.MINUTES);

}

} catch (Exception e) {

e.printStackTrace();

}

return false;

}

解决这个Bug其实很简单，只要在increment之前，做一层判断即可，这样一个分布式限流就完成了。