面试题：Redis固定窗口限流在高并发下的优化

Question

在高并发场景中，Redis固定窗口限流可能会出现哪些问题？针对这些问题，你会采取哪些优化措施？请结合实际业务场景举例说明。

Answer 1

可能出现的问题

1. 限流精度问题：固定窗口限流在窗口切换瞬间可能会出现流量突增情况。例如一个限流窗口为1分钟，允许通过100个请求，在0:59 - 1:00这1秒内来了100个请求，在1:00 - 1:01这1秒又来100个请求，实际在这2秒内通过了200个请求，超过了预期的每分钟100个请求的限制。
2. 无法应对突发流量：固定窗口限流策略相对较为死板，当遇到短时间内突发流量超过窗口限制时，后续合法流量也会被限制。例如电商秒杀活动开始瞬间，大量请求涌入，固定窗口限流可能直接把后续一些正常的购买请求也限制掉，影响用户体验。

优化措施

1. 滑动窗口算法：
   • 原理：将固定窗口划分为多个小的子窗口，随着时间的推移，窗口像滑动一样移动。每次请求到来，计算当前请求在滑动窗口内的位置，判断是否超过限流阈值。
   • 实际场景举例：以一个API接口限流为例，假设限流为每分钟100个请求。使用滑动窗口算法，将1分钟划分为60个1秒的子窗口。当一个请求到来时，计算当前时间在窗口中的位置，统计当前滑动窗口内的请求数量。如果请求数量未超过100，则允许通过；否则，限流。这样可以有效避免窗口切换瞬间的流量突增问题。
2. 结合漏桶算法：
   • 原理：漏桶算法的核心思想是水（请求）先进入到漏桶里，漏桶以一定的速度出水（处理请求），当水流入速度过大会直接溢出（拒绝请求）。结合Redis固定窗口限流，先通过固定窗口统计请求数量，再使用漏桶算法平滑处理请求，避免突发流量对系统造成过大冲击。
   • 实际场景举例：在直播平台，直播推流接口可能会遇到主播开播瞬间的大量推流请求。先通过固定窗口限流统计一定时间内的推流请求数量，再利用漏桶算法以稳定的速度处理推流请求，保证系统不会因为突发流量而崩溃，同时也能合理分配资源处理正常请求。