Redis限流的三种方式

我用Redis实践了三种实现方法，可以简单地实现。

当我们使用Redis分布式锁时，我们都知道我们在CAS中依靠Setnx的指令（Compare and swap）在操作过程中，指定的key设置了过期实践（expire），限流的主要目的是在单位时间内，只有N个请求可以访问我的代码程序。因此，依靠setnx可以很容易地实现这方面的功能。

例如，我们需要在10秒内限制20个请求，因此我们可以在setnx中设置10个过期时间，当setnx的数量达到20时，我们可以达到流量限制效果。如果代码相对简单，则不显示。

当然，这种做法有很多缺点。例如，当统计1-10秒时，不能在2-11秒内统计。如果需要在N秒内统计M请求，则需要在我们的Redis中保持Nkey等

事实上，限流涉及的最重要的是滑动窗口，上面还提到了1-10是如何变成2-11的。事实上，起始值和终端值都是+1。

如果我们使用Redislist数据结构，我们可以很容易地实现这个功能

我们可以将请求构建成一个zset数组。当每个请求进来时，value是唯一的，可以用UUUID生成，score可以用当前时间戳表示，因为score可以用来计算当前时间戳中的请求数量。zset数据结构还提供了range方法，让我们在两个时间戳中轻松获得多少请求。

代码如下

public Response limitFlow(){        Long currentTime = new Date().getTime();        System.out.println(currentTime);        if(redisTemplate.hasKey("limit")) {            Integer count = redisTemplate.opsForZSet().rangeByScore("limit", currentTime -  intervalTime, currentTime).size();        // intervaltime是限流时间             System.out.println(count);            if (count != null && count > 5) {                return Response.ok(“每分钟最多只能访问5次”;            }        }        redisTemplate.opsForZSet().add("limit",UUID.randomUUID().toString(),currentTime);        return Response.ok(访问成功);    }

滑动窗口的效果可以通过上述代码来实现，M请求最多可以在每N秒内保证。缺点是zset的数据结构会越来越大。实现方法相对简单。

说到限流，不得不提到令牌桶算法。

令牌桶算法提到输入速率和输出速率，当输出速率大于输入速率时，就超过了流量限制。

也就是说，每次我们访问请求时，我们都可以从Redis中获得令牌。如果我们获得令牌，这意味着没有超过限制。如果我们得不到它，结果是相反的。

依靠上述思想，我们可以很容易地结合Redis的List数据结构来实现这样的代码，只是简单地实现

依靠ListleftPop获取令牌

// publicicc输出令牌 Response limitFlow2(Long id){        Object result = redisTemplate.opsForList().leftPop("limit_list");        if(result == null){            return Response.ok(“当前令牌桶中无令牌”;        }        return Response.ok(articledescription2);    }

然后依靠Java的定时任务，定期到Listrightpush令牌。当然，令牌也需要独特性，所以我在这里生成了UUID

// 10S的速率将UUID添加到令牌桶中，以确保唯一性    @Scheduled(fixedDelay = 10_000,initialDelay = 0)    public void setIntervalTimeTask(){        redisTemplate.opsForList().rightPush("limit_list",UUID.randomUUID().toString());    }

综上所述，代码一开始并不难实现。对于这些限流方式，我们可以将上述代码添加到AOP或filter中，以实现界面的限流，最终保护您的网站。