面试题：优化Redis固定窗口限流原子性保障机制以适应高并发场景

方案设计思路

滑动窗口算法优化：采用滑动时间窗口算法替代固定窗口算法。固定窗口在窗口切换瞬间可能导致限流失效，滑动窗口通过将时间窗口划分为多个小格子，随着时间流逝，窗口平滑移动，能更精确地进行限流控制。
Lua脚本实现原子性：使用Lua脚本来保证限流操作的原子性。Redis执行Lua脚本是原子性的，这样可以避免多线程或多进程环境下的竞态条件。

涉及的数据结构与操作命令

数据结构：
- 哈希表（Hash）：用于存储每个限流维度（如IP地址、用户ID等）的滑动窗口统计信息。哈希表的key为限流维度标识，value是一个有序集合（Sorted Set），有序集合的member为时间窗口的小格子标识（可以是时间戳），score为该小格子内的请求计数。
操作命令：
- ZADD：用于向有序集合中添加成员。在滑动窗口中，每次有请求到来，使用ZADD将当前时间窗口小格子（时间戳）添加到对应的有序集合中，并将该小格子的请求计数加1（若小格子已存在，通过Lua脚本更新计数）。
- ZRANGEBYSCORE：用于获取滑动窗口内的请求计数总和。通过设置合适的score范围（对应滑动窗口的时间范围），获取窗口内的所有小格子及其计数，然后在Lua脚本中累加得到总请求数。
- EVAL：用于执行Lua脚本，保证限流操作的原子性。

Lua脚本示例

-- 获取当前时间戳
local current_time = tonumber(ARGV[1])
-- 限流窗口大小（秒）
local window_size = tonumber(ARGV[2])
-- 限流阈值
local limit = tonumber(ARGV[3])
-- 限流维度标识
local key = KEYS[1]

-- 添加当前时间窗口小格子（时间戳），计数为1
redis.call('ZADD', key, current_time, current_time)
-- 移除过期的时间窗口小格子
redis.call('ZREMRANGEBYSCORE', key, 0, current_time - window_size)
-- 获取滑动窗口内的请求计数总和
local count = redis.call('ZCARD', key)
if count > limit then
    -- 超出限流阈值，返回0表示拒绝请求
    return 0
else
    -- 未超出限流阈值，返回1表示允许请求
    return 1
end

优点

精确限流：滑动窗口算法能更精确地控制请求流量，避免固定窗口在窗口切换瞬间的限流漏洞，提高限流的准确性。
原子性保障：通过Lua脚本在Redis中执行限流逻辑，确保了限流操作的原子性，防止并发环境下的不一致问题。
高性能：Redis本身是单线程模型，Lua脚本执行也是原子性的，在高并发场景下能有效减少锁竞争，提升处理效率。

缺点

复杂度增加：相比于固定窗口限流，滑动窗口算法和Lua脚本的实现相对复杂，增加了开发和维护的难度。
内存消耗：每个限流维度需要使用哈希表和有序集合来存储滑动窗口信息，随着限流维度的增多和时间窗口的细化，内存消耗会相应增加。

星途面试题库

面试题：优化Redis固定窗口限流原子性保障机制以适应高并发场景

知识考点

面试题答案

方案设计思路

涉及的数据结构与操作命令

Lua脚本示例

优点

缺点