Redis编码实现高并发接口限流

在高并发场景下，对接口进行限流是确保系统稳定性和防止过载的重要手段。Redis 由于其高性能和丰富的数据结构，常被用来实现高效的限流机制。下面将详细介绍如何使用 Redis 实现高并发接口限流，包括常见的限流算法、具体实现方式以及代码示例。

一、常见的限流算法

固定窗口计数器（Fixed Window Counter）

将时间划分为固定长度的窗口（如1秒、1分钟）。
在每个窗口内计数，如果请求数超过限制则拒绝。
优点：实现简单。
缺点：存在“突发流量”问题，窗口边界可能导致短时间内请求激增。
滑动窗口日志（Sliding Window Log）

记录每个请求的时间戳。
在每次请求时，移除窗口外的日志，并判断当前窗口内的请求是否超过限制。
优点：限制更精确。
缺点：内存消耗较大，性能开销较高。
滑动窗口计数器（Sliding Window Counter）

将时间窗口拆分为多个小窗口（如1秒拆分为100ms窗口）。
通过组合多个小窗口的计数来近似滑动窗口。
优点：较固定窗口更平滑，性能较好。
令牌桶算法（Token Bucket）

按固定速率生成令牌，存入桶中，桶的容量有限。
每次请求消耗一个令牌，若令牌不足则拒绝。
优点：可以平滑处理突发流量，灵活性高。
漏桶算法（Leaky Bucket）

请求以固定速率被处理，无论流量多快。
多余的请求会被丢弃。
优点：流量处理平稳，控制严格。

在高并发场景下，令牌桶算法和滑动窗口计数器常被采用，因其兼具性能和准确性。

二、使用 Redis 实现令牌桶算法

1. 算法原理
   令牌桶中以固定速率生成令牌，存储在 Redis 中（如使用 Redis 的 INCR 累加器或 Lua 脚本）。
   每次请求尝试获取一个令牌，若成功则允许请求，反之则拒绝。
   令牌桶有最大容量，防止存储过多令牌。

2. 实现步骤
   定义限流参数

rate：令牌生成速率（如每秒生成多少个令牌）。
capacity：桶的最大容量。
Lua 脚本实现原子操作

保证生成令牌、获取令牌的操作原子性，避免高并发下的数据竞争。
请求处理逻辑

每次请求执行 Lua 脚本，尝试获取令牌。
根据脚本返回结果决定是否允许请求。

3. Lua 脚本示例
   下面是一个实现令牌桶算法的 Lua 脚本示例：

-- token_bucket.lua
local key = KEYS[1]
local rate = tonumber(ARGV[1])
local capacity = tonumber(ARGV[2])
local now = tonumber(ARGV[3])
local requested = tonumber(ARGV[4])

-- 获取当前令牌桶信息
local tokens = redis.call(