面试题：Redis多维度限流中如何根据不同维度分配权重

Question

在Redis多维度限流场景下，假设存在用户维度、IP维度和设备维度，现在要为每个维度分配不同权重以实现更精准的限流，请阐述你会如何设计权重分配的逻辑以及利用Redis数据结构和命令来实现？

Answer 1

权重分配逻辑设计

1. 用户维度：通常用户是核心主体，若应用主要面向个人用户，且希望重点限制单个用户行为，可给予较高权重。比如业务是内容发布，为防止单个用户大量发布垃圾信息，将用户维度权重设为 5。
2. IP 维度：主要用于防止恶意 IP 攻击。若网络环境复杂，存在大量代理 IP 等情况，可适当给予较低权重，如设为 3，以避免误判正常用户行为。
3. 设备维度：可作为辅助维度，若应用在多种设备上使用，为防止单个设备异常操作，权重设为 2。

利用 Redis 数据结构和命令实现

1. 数据结构选择
   • 使用 Redis 的 Hash 结构存储每个维度的限流信息。例如，以 limit:{key} 作为 Hash 的 key，其中 key 可以是用户 ID、IP 地址或设备 ID。Hash 的 field 存储时间窗口相关信息，value 存储对应时间窗口内的访问次数。
   • 例如，limit:user:1 这个 Hash 结构，field 为 10s（表示 10 秒时间窗口），value 为 3（表示 10 秒内访问了 3 次）。
2. 实现步骤
   • 初始化限流数据：在系统启动或用户首次访问时，为每个维度的 key 在 Redis 中创建对应的 Hash 结构，并初始化时间窗口内的访问次数为 0。

   import redis
   
   r = redis.Redis(host='localhost', port=6379, db=0)
   
   def init_limit(key, time_windows):
       data = {window: 0 for window in time_windows}
       r.hmset(f'limit:{key}', data)
   

   • 每次请求处理：每次请求到达时，根据请求的用户 ID、IP 地址和设备 ID 获取对应的 Hash 结构，更新相应时间窗口内的访问次数。

   def incr_limit(key, time_window):
       current_count = r.hincrby(f'limit:{key}', time_window, 1)
       return current_count
   

   • 限流判断：根据权重分配，计算总访问次数，与设定的限流阈值比较。假设用户权重为 user_weight，IP 权重为 ip_weight，设备权重为 device_weight，限流阈值为 threshold。

   def check_limit(user_key, ip_key, device_key, time_window, user_weight, ip_weight, device_weight, threshold):
       user_count = r.hget(f'limit:{user_key}', time_window)
       ip_count = r.hget(f'limit:{ip_key}', time_window)
       device_count = r.hget(f'limit:{device_key}', time_window)
       total_count = (int(user_count) if user_count else 0) * user_weight + \
                     (int(ip_count) if ip_count else 0) * ip_weight + \
                     (int(device_count) if device_count else 0) * device_weight
       return total_count <= threshold
   

通过上述设计和实现，可以在 Redis 中实现多维度带权重的限流。