站長資訊網
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。
第一種：基于Redis的setnx的操作 （推薦學習：Redis視頻教程）
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。
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
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。令牌桶算法又稱之為水桶算法，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
依靠List的leftPop來獲取令牌
// 輸出令牌 public Response limitFlow2(Long id){ Object result = redisTemplate.opsForList().leftPop("limit_list"); if(result == null){ return Response.ok("當前令牌桶中無令牌"); } return Response.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) public void setIntervalTimeTask(){ 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。
