Redis知识梳理(6) [ 简单限流 ]

谁借莪１个温暖的怀抱￠ 2022-02-03 13:25 242阅读 0赞

限流算法在分布式领域是一个经常被提起的话题，当系统的处理能力有限时，如 何阻止计划外的请求继续对系统施压，这是一个需要重视的问题。

除了控制流量，限流还有一个应用目的是用于控制用户行为，避免垃圾请求。比 如在 UGC 社区，用户的发帖、回复、点赞等行为都要严格受控，一般要严格限 定某行为在规定时间内允许的次数，超过了次数那就是非法行为。对非法行为， 业务必须规定适当的惩处策略。

这个限流需求中存在一个滑动时间窗口，想想 zset 数据结构的 score 值，是不 是可以通过 score 来圈出这个时间窗口来。而且我们只需要保留这个时间窗口， 窗口之外的数据都可以砍掉。那这个 zset 的 value 填什么比较合适呢?它只需 要保证唯一性即可，用 uuid 会比较浪费空间，那就改用毫秒时间戳吧

![img][]

如图所示，用一个 zset 结构记录用户的行为历史，每一个行为都会作为 zset 中 的一个 key 保存下来。

同一个用户同一种行为用一个 zset 记录。

为节省内存，我们只需要保留时间窗口内的行为记录，同时如果用户是冷用户， 滑动时间窗口内的行为是空记录，

那么这个 zset 就可以从内存中移除，不再占 用空间。

通过统计滑动窗口内的行为数量与阈值 max\_count 进行比较就可以得出当前的 行为是否允许。用代码表示如下:

python 版本:

> public class SimpleRateLimiter \{
> 
>  private Jedis jedis;  
> public SimpleRateLimiter(Jedis jedis) \{  
> this.jedis = jedis;  
> \}
> 
>  public boolean isActionAllowed(String userId, String actionKey, int period, int maxCount) \{  
> String key = String.format(“hist:%s:%s”, userId, actionKey);  
> long nowTs = System.currentTimeMillis();  
> Pipeline pipe = jedis.pipelined();  
> pipe.multi(); //事务  
> pipe.zadd(key, nowTs, “” + nowTs);  
> pipe.zremrangeByScore(key, 0, nowTs - period \* 1000);  
> Response count = pipe.zcard(key);  
> pipe.expire(key, period + 1);  
> pipe.exec();  
> pipe.close();  
> return count.get() <= maxCount;  
> \}  
> public static void main(String\[\] args) \{  
> Jedis jedis = new Jedis();  
> SimpleRateLimiter limiter = new SimpleRateLimiter(jedis);  
> for(int i=0;i<20;i++) \{  
> System.out.println(limiter.isActionAllowed(“laoqian”, “reply”, 60, 5));  
> \}  
> \}
> 
> \}

整体思路就是:

每 一个行为到来时，都维护一次时间窗口。将时间窗口外的记录全部清理掉，只保 留窗口内的记录。

zset 集合中只有 score 值非常重要，value 值没有特别的意 义，只需要保证它是唯一的就可以了。

因为这几个连续的 Redis 操作都是针对同一个 key 的，使用 pipeline 可以显著 提升 Redis 存取效率。

但这种方案也有缺点，因为它要记录时间窗口内所有的行 为记录，如果这个量很大，比

如限定 60s 内操作不得超过 100w 次这样的参 数，它是不适合做这样的限流的，因为会消耗大量的存储空间。

[img]: /images/20220203/21ed6731f1fe4c939a7d3bc5ac20c445.png