面试题：Redis固定窗口限流与复杂业务需求深度适配

数据结构设计

用户限流数据结构：
- 使用Redis的哈希（Hash）结构来存储不同用户类型的限流规则。例如，以user_type_limit为键，哈希表的字段为用户类型（如normal_user，vip_user，admin），字段值为该用户类型的限流阈值（如每分钟允许的操作次数）。
- 示例：

HSET user_type_limit normal_user 100
HSET user_type_limit vip_user 500
HSET user_type_limit admin 1000

子操作限流数据结构：
- 同样使用哈希结构，以sub_op_limit为键，字段为子操作名称，字段值为该子操作的限流阈值。
- 示例：

HSET sub_op_limit sub_op1 50
HSET sub_op_limit sub_op2 30

用户操作计数数据结构：
- 对于每个用户的操作计数，使用Redis的字符串（String）结构。键的命名可以采用user_{user_id}_{operation}_{sub_op}的格式，值为该用户在当前窗口内执行该操作及子操作的次数。
- 例如，对于用户ID为123，操作main_op下的子操作sub_op1，键为user_123_main_op_sub_op1，初始值为0。

代码实现思路

获取限流规则：
- 从user_type_limit哈希表中根据用户类型获取限流阈值。
- 从sub_op_limit哈希表中根据子操作名称获取子操作的限流阈值。
检查限流：
- 每次用户执行操作时，先检查当前用户类型和子操作的限流阈值。
- 使用INCR命令对user_{user_id}_{operation}_{sub_op}键进行自增操作，获取当前操作次数。
- 如果当前操作次数超过了对应的限流阈值，则拒绝该操作；否则允许操作继续。
窗口管理：
- 可以通过设置键的过期时间来实现固定窗口。例如，在每次设置user_{user_id}_{operation}_{sub_op}键时，设置过期时间为窗口时间（如1分钟）。过期后，该键自动删除，下一个窗口重新计数。

以下是Python示例代码（使用redis - py库）：

import redis

class RateLimiter:
    def __init__(self, host='localhost', port=6379, db=0):
        self.redis_client = redis.StrictRedis(host=host, port=port, db=db)

    def get_user_type_limit(self, user_type):
        return int(self.redis_client.hget('user_type_limit', user_type))

    def get_sub_op_limit(self, sub_op):
        return int(self.redis_client.hget('sub_op_limit', sub_op))

    def is_allowed(self, user_id, user_type, operation, sub_op):
        user_type_limit = self.get_user_type_limit(user_type)
        sub_op_limit = self.get_sub_op_limit(sub_op)

        key = f'user_{user_id}_{operation}_{sub_op}'
        current_count = self.redis_client.incr(key)

        if current_count == 1:
            self.redis_client.expire(key, 60)  # 设置1分钟过期

        if current_count > user_type_limit or current_count > sub_op_limit:
            return False
        return True

可能遇到的问题和应对策略

并发问题：
- 问题：在高并发场景下，多个请求同时对计数键进行自增操作可能导致不准确的计数。
- 策略：Redis的INCR命令是原子操作，天然保证了并发安全，无需额外处理。
窗口边界问题：
- 问题：在窗口切换瞬间，可能会出现短时间内请求数超过预期的情况（如在窗口结束前最后一秒大量请求，窗口切换后又可以继续请求）。
- 策略：可以采用滑动窗口算法替代固定窗口算法，但如果必须使用固定窗口，可以适当增加限流阈值以应对这种短暂的突发情况。
Redis故障问题：
- 问题：如果Redis出现故障，限流功能将无法正常工作。
- 策略：采用Redis集群模式，增加系统的可用性。同时，可以在应用层设置本地缓存（如lru_cache），在Redis故障时提供有限的限流功能作为临时解决方案。

星途面试题库

面试题：Redis固定窗口限流与复杂业务需求深度适配

知识考点

面试题答案

数据结构设计

代码实现思路

可能遇到的问题和应对策略