面對越來越多的高并發場景，限流顯示的尤為重要。

當然，限流有許多種實現的方式，Redis具有很強大的功能，我用Redis實踐了三種的實現方式，可以較為簡單的實現其方式。

Redis不僅僅是可以做限流，還可以做數據統計，附近的人等功能，這些可能會后續寫到。

第一種：基于Redis的setnx的操作

我們在使用Redis的分布式鎖的時候，大家都知道是依靠了setnx的指令，在CAS（Compare and swap）的操作的時候，同時給指定的key設置了過期時間（expire），我們在限流的主要目的就是為了在單位時間內，有且僅有N數量的請求能夠訪問我的代碼程序。所以依靠setnx可以很輕松的做到這方面的功能。

比如我們需要在10秒內限定20個請求，那么我們在setnx的時候可以設置過期時間10，當請求的setnx數量達到20時候即達到了限流效果。代碼比較簡單就不做展示了。

當然這種做法的弊端是很多的，比如當統計1-10秒的時候，無法統計2-11秒之內，如果需要統計N秒內的M個請求，那么我們的Redis中需要保持N個key等等問題

第二種：基于Redis的數據結構zset

其實限流涉及的最主要的就是滑動窗口，上面也提到1-10怎么變成2-11。其實也就是起始值和末端值都各+1即可。

而我們如果用Redis的list數據結構可以輕而易舉的實現該功能

我們可以將請求打造成一個zset數組，當每一次請求進來的時候，value保持唯一，可以用UUID生成，而score可以用當前時間戳表示，因為score我們可以用來計算當前時間戳之內有多少的請求數量。而zset數據結構也提供了range方法讓我們可以很輕易的獲取到2個時間戳內有多少請求

publicResponselimitFlow(){
LongcurrentTime=newDate().getTime();
System.out.println(currentTime);
if(redisTemplate.hasKey("limit")){
Integercount=redisTemplate.opsForZSet().rangeByScore("limit",currentTime-intervalTime,currentTime).size();//intervalTime是限流的時間
System.out.println(count);
if(count!=null&&count>5){
returnResponse.ok("每分鐘最多只能訪問5次");
}
}
redisTemplate.opsForZSet().add("limit",UUID.randomUUID().toString(),currentTime);
returnResponse.ok("訪問成功");
}

通過上述代碼可以做到滑動窗口的效果，并且能保證每N秒內至多M個請求，缺點就是zset的數據結構會越來越大。實現方式相對也是比較簡單的。

第三種：基于Redis的令牌桶算法

提到限流就不得不提到令牌桶算法了。具體可以參照度娘的解釋 令牌桶算法

令牌桶算法提及到輸入速率和輸出速率，當輸出速率大于輸入速率，那么就是超出流量限制了。

也就是說我們每訪問一次請求的時候，可以從Redis中獲取一個令牌，如果拿到令牌了，那就說明沒超出限制，而如果拿不到，則結果相反。

依靠上述的思想，我們可以結合Redis的List數據結構很輕易的做到這樣的代碼，只是簡單實現

依靠List的leftPop來獲取令牌

//輸出令牌
publicResponselimitFlow2(Longid){
Objectresult=redisTemplate.opsForList().leftPop("limit_list");
if(result==null){
returnResponse.ok("當前令牌桶中無令牌");
}
returnResponse.ok(articleDescription2);
}

再依靠Java的定時任務，定時往List中rightPush令牌，當然令牌也需要唯一性，所以我這里還是用UUID進行了生成

//10S的速率往令牌桶中添加UUID，只為保證唯一性
@Scheduled(fixedDelay=10_000,initialDelay=0)
publicvoidsetIntervalTimeTask(){
redisTemplate.opsForList().rightPush("limit_list",UUID.randomUUID().toString());
}

綜上，代碼實現起始都不是很難，針對這些限流方式我們可以在AOP或者filter中加入以上代碼，用來做到接口的限流，最終保護你的網站。

Redis其實還有很多其他的用處，他的作用不僅僅是緩存，分布式鎖的作用。他的數據結構也不僅僅是只有String，Hash，List，Set，Zset。有興趣的可以后續了解下他的GeoHash算法；BitMap，HLL以及布隆過濾器數據(Redis4.0之后加入，可以用Docker直接安裝redislabs/rebloom)結構。

審核編輯：劉清