（面试题）Redis实现 IP 维度滑动窗口限流实践

引言

在开发高并发系统时，限流是一个绕不开的话题。无论是为了保护后端服务不被突发流量打垮，还是为了防爬虫、防恶意攻击，限流都是最常用的手段之一。常见的限流算法有计数器（固定窗口）、滑动窗口、漏桶、令牌桶等。今天我们就来聊一聊如何用 Redis 的有序集合（ZSET）实现一个滑动窗口限流，并以 IP 维度限制 60 秒内最多 100 次请求为例，给出完整的设计思路和代码。
需求描述

假设我们有一个公开的 API，需要根据调用方的 IP 地址进行限流：

• 任意时刻向前推 60 秒（滑动窗口）
  
• 同一个 IP 最多允许 100 次请求
  

这里强调“任意时刻”，意味着我们不能用固定时间窗口（比如每分钟重置一次），因为固定窗口在边界处可能允许瞬间两倍的流量。比如：

• 12:30:59 请求了 100 次
  
• 12:31:00 又请求了 100 次
  

那么在 12:30:30 ~ 12:31:30 这 60 秒内，实际发生了 200 次请求，显然违背了我们的限制。所以必须用滑动窗口来精确控制。
为什么不用 INCR 做固定窗口？

很多初学者会想到用 Redis 的 INCR 配合过期时间来实现限流：

1. INCR limit:ip:192.168.1.1:202503051230   # 按分钟分片
2. EXPIRE limit:ip:192.168.1.1:202503051230 60

复制代码

这种做法本质是固定窗口：每分钟一个计数器，窗口切换时计数器重置。问题就在于窗口切换的那一瞬间，前后两个窗口的请求可能叠加，导致实际 QPS 翻倍。虽然你可以把窗口粒度调小（比如按秒分片），但依然存在边界突刺，而且 key 的数量会爆炸。所以，要实现严格的滑动窗口，必须记录每一次请求的时间戳。
滑动窗口设计：基于 Redis ZSET

核心思路

利用有序集合（ZSET）的特性：

• 每个 IP 对应一个 ZSET，key 设计为 limit:ip:{ip}
  
• ZSET 的 member 可以用唯一请求 ID（比如 UUID 或 请求时间戳+随机数），但为了简单，通常直接用 当前时间戳 作为 member 也可以（如果同一毫秒内有多个请求，member 会重复，但概率极低，也可以用 时间戳_递增计数 保证唯一）
  
• ZSET 的 score 就是请求发生的时间戳（毫秒或秒级，根据精度要求）
  

每次请求到来时，我们执行以下逻辑：

• 删除窗口外的数据：ZREMRANGEBYSCORE key 0 (now - 60)，移除 60 秒之前的记录。
  
• 统计当前窗口内的请求数：ZCARD key。
  
• 如果数量 ≥ 100，则拒绝请求。
  
• 否则，记录本次请求：ZADD key now requestId。
  
• 设置 key 的过期时间（比如 120 秒），避免长期占用内存。
  

原子性保证

上述步骤需要保证原子性，否则在高并发下可能出现竞争条件：比如两个请求同时删除过期数据，然后都发现当前计数 < 100，都执行了 ZADD，导致限流失效。因此，我们必须把整个逻辑封装在一个 Lua 脚本里，让 Redis 原子执行。
下面是一个简单的 Lua 脚本示例（使用秒级时间戳）：

1. -- KEYS[1] = key
2. -- ARGV[1] = 当前时间戳（秒）
3. -- ARGV[2] = 窗口大小（秒）
4. -- ARGV[3] = 最大请求数
5. -- ARGV[4] = requestId（可选，也可以用时间戳+随机数生成）
7. local key = KEYS[1]
8. local now = tonumber(ARGV[1])
9. local window = tonumber(ARGV[2])
10. local limit = tonumber(ARGV[3])
11. local requestId = ARGV[4] or tostring(now) .. '_' .. tostring(math.random(1000000))
13. -- 移除窗口外的数据
14. redis.call('ZREMRANGEBYSCORE', key, 0, now - window)
16. -- 统计当前窗口请求数
17. local current = redis.call('ZCARD', key)
19. if current >= limit then
20.     return 0  -- 拒绝
21. else
22.     -- 记录本次请求
23.     redis.call('ZADD', key, now, requestId)
24.     -- 设置过期时间（窗口大小*2，避免key长期存在）
25.     redis.call('EXPIRE', key, window * 2)
26.     return 1  -- 允许
27. end

复制代码

调用时，用 EVALSHA 或 EVAL 传入参数即可。这个脚本返回 1 表示放行，0 表示限流。
为什么 requestId 不能直接用时间戳？

如果多个请求在同一秒内到达，使用相同的时间戳作为 member 会导致 ZADD 时只保留最后一个，丢失之前的计数。所以必须保证 member 唯一。可以用 时间戳_递增序号 或者 UUID。如果并发量不大，也可以直接用时间戳，但为了严谨，还是加上随机后缀为好。
应用场景扩展

这个基于 ZSET 的滑动窗口限流，除了 IP 维度，还可以用在很多地方：

• API 限流：按用户 ID、AppKey 等维度，限制单位时间内调用次数。
  
• 登录防爆破：限制同一 IP 或同一账号的失败尝试次数，比如 5 分钟允许 5 次登录失败。
  
• 短信验证码发送限制：防止短信轰炸，同一手机号 1 分钟内最多发送 1 条。
  
• 爬虫防护：对爬虫 IP 进行动态封禁，如果某 IP 在短时间内请求量过大，则返回验证码或直接拒绝。
  
• 商品秒杀/活动防刷：限制同一用户参加秒杀的频率。
  
• 评论/点赞防刷：限制同一用户对同一内容的操作次数。
  

它的优点是精确、无边界突刺，缺点是需要存储每一次请求的记录，如果限流阈值很大（比如每秒 10 万次），ZSET 会变得非常庞大，内存占用和性能都会成为问题。因此，它适用于阈值较低的场景（比如几十到几百次/分钟）。对于超高阈值的限流，可以采用令牌桶或漏斗算法，这些算法内存占用更小，但精度稍低。
注意事项

• 时间同步：所有请求的时间戳最好由 Redis 服务器生成，或者使用同一个时间源（如 NTP），避免因客户端时间不一致导致窗口错乱。上面的 Lua 脚本中，时间戳由调用方传入，如果调用方时间不准，会影响限流效果。建议在脚本内使用 redis.call('TIME') 获取 Redis 服务器时间。
  
• 内存清理：虽然我们设置了过期时间，但 ZSET 的 member 会一直保留到过期。如果窗口大小是 60 秒，过期时间设为 120 秒，那么每个 key 最多保留 120 秒的数据。即便如此，如果 IP 量很大，Redis 内存消耗依然可观。可以结合业务特点，对非活跃 IP 及时清理。
  
• 性能考虑：ZREMRANGEBYSCORE 和 ZADD 都是 O(log N) 操作，N 是窗口内的请求数。如果阈值是 100，N 就是 100，性能完全没问题。但如果阈值是 10000，ZSET 操作会变慢，此时可以考虑改用哈希结构或别的算法。
  
• 分布式环境：如果应用是多实例部署，所有实例共享同一个 Redis，上面的设计天然支持分布式限流。但要注意 Redis 的单点故障，可以配合 Redis 集群或哨兵提高可用性。
  
• 降级方案：当 Redis 不可用时，限流组件应该能快速失败（比如拒绝请求）或降级为本地限流，避免服务雪崩。
  

总结

通过 Redis 的 ZSET 实现滑动窗口限流，代码简单，逻辑清晰，能够精确控制任意时间窗口内的请求量，完美规避固定窗口的边界突刺问题。虽然需要存储每一次请求的记录，但在阈值不大的场景下非常实用。结合 Lua 脚本的原子性，我们可以放心地在生产环境中使用。
希望这篇文章能帮你理解滑动窗口限流的原理和实现。如果你有更好的想法或问题，欢迎留言讨论！

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！