当前位置：首页 > news >正文

分布式限流——Redis实现令牌桶算法

news 2026/2/9 2:40:23

令牌桶算法

令牌桶算法（Token Bucket Algorithm）是一种广泛使用的流量控制（流量整形）和速率限制算法。这个算法能够控制网络数据的传输速率，确保数据传输的平滑性，防止网络拥堵，同时也被应用于软件系统中限制请求的速率，如API限流等场景。

工作原理

令牌的生成：系统以固定的速率向令牌桶中添加令牌（token），直到桶满为止。桶的容量（即最大令牌数）限制了短时间内可以发送的最大数据量。
请求的处理：每个传入的请求需要从桶中取出一定数量的令牌。如果桶中有足够的令牌，请求就被处理，消耗掉相应数量的令牌；如果桶中令牌不足，请求则根据策略（如排队、丢弃或延迟处理）来处理。
灵活控制：通过调整令牌的生成速率和桶的容量，可以灵活地控制数据传输的平均速率和允许的突发速率。

漏桶算法

漏桶算法（Leaky Bucket Algorithm）是另一种流量控制算法，用于确保数据传输以稳定的速率进行，减少或消除突发流量。与令牌桶算法相比，漏桶算法提供了一种更为严格的速率限制方式。

漏桶算法的工作原理

数据流入：数据（如网络包、API请求等）以任意速率流入漏桶。
恒定速率流出：数据以恒定的速率从桶中“漏出”（被处理）。如果桶满了（达到其容量），则新进入的数据会被丢弃或排队等待。
稳定输出：无论输入数据的速率如何变化，输出数据的速率保持不变，由漏桶的“漏洞”大小决定。

令牌桶算法与漏桶算法的主要区别

速率控制灵活性：令牌桶算法允许一定程度的突发流量，因为如果桶中有足够的令牌，突发的请求可以立即被处理。而漏桶算法则以恒定的速率处理请求，输入速率超过这个恒定值的部分将被限制或丢弃，因此不允许突发流量。
应对突发流量：令牌桶算法能够更好地应对突发流量。当桶中有足够令牌时，可以一次性处理较多的请求。漏桶算法则始终以固定的速率处理流入的请求，突发流量只能在桶内等待，直到它们逐渐被处理。
应用场景：漏桶算法适用于需要严格控制数据传输速率的场景，确保数据处理的平稳性；令牌桶算法则更适用于需要一定程度突发性处理能力的场景，例如网络带宽控制和API限流。

总结

漏桶算法通过以固定的速率“漏出”数据来控制数据的传输速率，适用于对输出速率有严格要求的场景。
令牌桶算法允许在桶中累积令牌，从而应对突发流量，适用于需要较大灵活性的速率限制场景。

Redis实现令牌桶算法限流

Redis 实现令牌桶算法限流是一种非常有效的限流策略，适用于分布式系统中的接口限流。令牌桶算法的核心思想是以恒定的速率向桶中添加令牌，每个请求需要消耗一定数量的令牌才能被执行。如果桶中令牌不足，则拒绝服务。

在 Redis 中实现令牌桶算法通常可以通过 Lua 脚本来保证操作的原子性，以下是一个基于 Redis 的令牌桶限流实现示例：

-- Lua 脚本实现令牌桶算法
-- key 为 Redis 中用于存储桶的键
-- rate 为令牌填充速率（每秒填充的令牌数）
-- capacity 为桶的容量
-- now 为当前时间戳
-- permits 为本次请求需要的令牌数local key = KEYS[1]
local rate = tonumber(ARGV[1])
local capacity = tonumber(ARGV[2])
local now = tonumber(ARGV[3])
local permits = tonumber(ARGV[4])local bucket = redis.call('hmget', key, 'lastRefillTime', 'tokens')
local lastRefillTime = tonumber(bucket[1])
local tokens = tonumber(bucket[2])if lastRefillTime == nil thenlastRefillTime = nowtokens = capacity
end-- 计算自上次填充以来经过的时间
local delta = math.max(0, now - lastRefillTime)
-- 计算应该填充的令牌数
local refillTokens = math.floor(delta * rate)
tokens = math.min(capacity, tokens + refillTokens)
lastRefillTime = nowlocal enoughTokens = false
if tokens >= permits thenenoughTokens = truetokens = tokens - permits
end-- 更新桶的状态
redis.call('hmset', key, 'lastRefillTime', lastRefillTime, 'tokens', tokens)-- 设置过期时间防止无限增长
redis.call('expire', key, math.ceil(capacity/rate)*2)if enoughTokens thenreturn 1
elsereturn 0
end

具体的 key-value 结构

在这个场景中，hash 的键（key）是用来唯一标识一个令牌桶的，而这个 hash 包含了两个字段（field），分别存储了令牌桶的两个重要属性：

lastRefillTime：最后一次填充令牌的时间戳。
tokens：当前桶中的令牌数量。

具体的 key-value 结构如下所示：

Key：令牌桶的唯一标识符，例如 "my_bucket_key"，根据具体业务标识有所不同。
Value：是一个 hash 结构，包含以下字段：
- lastRefillTime：桶最后一次填充令牌的时间戳，用来计算距离上次填充令牌过去了多少时间，以及这段时间内应该填充多少新的令牌。
- tokens：表示当前桶内剩余的令牌数量。

为什么用Hash

在 Redis 中使用 hash 数据结构来实现令牌桶算法的原因主要包括以下几点：

空间效率：使用 hash 可以将与令牌桶相关的多个属性（如 lastRefillTime 和 tokens）存储在同一个键下。这比为每个属性分别使用一个键要节省空间，因为 Redis 的每个键都会有额外的内存开销。
原子操作：Redis 提供了对 hash 类型的一系列原子操作命令，如 HSET, HGET, HMSET, HMGET 等。这意味着可以在一个命令中更新令牌桶的多个属性，而无需担心并发访问导致的数据不一致问题。
性能优势：相对于单独存储每个属性，hash 数据结构减少了存储开销和访问时间。对于频繁更新和查询的令牌桶状态信息，这种优势尤为重要。
方便管理：使用 hash 数据结构可以将所有与令牌桶相关的信息组织在一起，这使得管理（如查看、更新和删除等操作）更为方便。
扩展性：如果将来需要在令牌桶中添加更多的属性（例如，添加一个 rate 字段来存储令牌填充速率），使用 hash 结构可以很容易地进行扩展，而无需改变现有的数据结构或逻辑。
利用 Lua 脚本进行复杂操作：通过在 Redis 上运行 Lua 脚本，可以在服务器端直接执行复杂的逻辑（如计算新的令牌数量和更新最后填充时间），而不需要在客户端和服务器之间进行多次通信。hash 数据结构支持通过一个命令对多个字段进行操作，这与 Lua 脚本的使用非常契合。