共计 1844 个字符，预计需要花费 5 分钟才能阅读完成。
| 导读 | 首先让我们先看一看系统架构设计中，为什么要做“限流”。不知道大家注意过没有，比如双 11，刚过 12 点有些顾客的网页或 APP 会显示下单失败的提示，有些就是被限流掉了。 |
首先让我们先看一看系统架构设计中，为什么要做“限流”。
旅游景点通常都会有最大的接待量，不可能无限制的放游客进入，比如故宫每天只卖八万张票，超过八万的游客，无法买票进入，因为如果超过八万人，景点的工作人员可能就忙不过来，过于拥挤的景点也会影响游客的体验和心情，并且还会有安全隐患;「只卖 N 张票，这就是一种限流的手段」。
软件架构中的服务限流也是类似，也是当系统资源不够的时候，已经不足以应对大量的请求，为了保证服务还能够正常运行，那么按照规则，「系统会把多余的请求直接拒绝掉，以达到限流的效果」;
不知道大家注意过没有，比如双 11，刚过 12 点有些顾客的网页或 APP 会显示下单失败的提示，有些就是被限流掉了。
顾名思义就是来一个，记录一个，比如我 1 分钟只能处理 1000 个请求，那么我们就可以设置一个计数器，来一个请求就 incr+1，当 1 分钟之内的数量大于等于 1000 之后不处理了即可，伪代码如下
$redis = new Redis();
$redis->connect('127.0.0.1', 6379);
$rate_limit = 1000; // 限制个数
$rate_seconds = 60; // 限制时间
$redis_key = "redis_limit";
$count = $redis->get($redis_key);
if ($count >= $rate_limit){ // 判断 60 秒内请求个数是否已经达到上限
// 直接返回，不处理请求
return
}
$redis->incr($redis_key, 1);// 请求计数
$redis->expire($redis, $rate_seconds); // 设置过期时间 60s
//to do 业务逻辑处理.......这种计数方式比较简单快捷，但是有很大的缺点，因为请求的访问不一定是很平稳的，如果 0:59 过来了 1000 个请求，1:01 已经是下一个窗口，又过来了 1000 个请求，但实际上三秒内来了 2000 个请求，已经超过我们的限流上限了。所以这种方法是不推荐的。
还拿上面的例子，一分钟分 6 份，每份 10 秒; 每过 10 秒钟，我们的时间窗口就会往右滑动一格，每个格子都有独立的计数器，我们每次都计算时间窗口内的数量，可以解决计数器法中的问题，而且当滑动窗口的格子越多，那么限流的统计就会越精确。具体可以参考下图，看图比较清晰
伪代码实现如下
function api_limit($scene, $period, $maxCount){$redis = new Redis();
$redis->connect('127.0.0.1', 6379);
$key = sprintf('hist:%s', $scene); // 限流场景唯一标识
$now = msectime(); // 毫秒时间戳, 这样更精确
$pipe=$redis->multi(Redis::PIPELINE); // 使用管道提升性能
$pipe->zadd($key, $now, $now); //value 和 score 都使用毫秒时间戳
$pipe->zremrangebyscore($key, 0, $now - $period); // 移除时间窗口之前的行为记录，剩下的都是时间窗口内的
$pipe->zcard($key); // 获取窗口内的行为数量
$pipe->expire($key, $period/1000 + 1); // 多加一秒过期时间
$replies = $pipe->exec();
return $replies[2]
这段代码还是略显复杂，需要读者花一定的时间好好啃。它的整体思路就是：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。
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」。
后面还有漏桶算法和令牌桶算法，由于各自的实现比较复杂，所以准备各自新开一篇文章单独描述
