面试题答案
一键面试1. 优化子窗口时间粒度
- 调整粒度：当前子窗口时间粒度如果过小，会导致大量的Redis键产生，增加内存开销和读写压力。例如，若原本每10毫秒为一个子窗口，可以适当增大到100毫秒。这样在一定时间周期内，键的数量会大幅减少。
- Redis数据结构：使用
HASH结构存储每个子窗口的限流数据。以时间窗口的标识作为HASH的键，子窗口的请求计数等信息作为FIELD-VALUE对。比如HSET window:1 request_count 5，减少键的数量能降低Redis内存和I/O压力。
2. 减少子窗口数量
- 动态调整：根据系统实际请求情况动态调整子窗口数量。如果发现某个时间段内请求量较为平稳，可适当合并子窗口。例如，在凌晨低峰期，将原本每1秒一个子窗口，合并为每5秒一个子窗口。
- Redis操作：利用Redis的事务（
MULTI、EXEC）操作，在合并子窗口时，将多个子窗口的请求计数等信息合并到新的子窗口对应的键中。如先使用HMGET获取多个子窗口的请求计数，再通过计算合并后使用HSET写入新子窗口。
3. 采用分层子窗口
- 分层设计：设计多层子窗口结构，比如粗粒度的外层子窗口和细粒度的内层子窗口。外层子窗口用于快速过滤，内层子窗口用于更精确的限流。例如，外层每1分钟一个窗口，内层每10秒一个窗口。
- Redis结构应用：外层子窗口可使用
STRING类型记录在该分钟内总的请求计数，SET类型记录是否有内层子窗口超限。内层子窗口仍使用HASH结构记录详细请求信息。这样既能快速判断整体限流情况，又能在需要时精确分析子窗口状态。
4. 基于时间戳桶的子窗口划分
- 桶式划分：不严格按照固定时间间隔划分窗口，而是根据请求到达的时间戳划分到对应的时间戳桶中。例如，每100个请求创建一个新桶，桶的时间范围依据这100个请求的时间跨度决定。
- Redis实现：使用
ZSET结构，以时间戳为分数，请求标识等信息为成员。通过ZRANGEBYSCORE等命令获取特定时间范围内的请求数量，实现灵活的子窗口限流，减少固定窗口划分带来的不必要开销。