构建分布式滑动窗口限流器：TypeScript 与 Redis 的协同实践
从传统算法到滑动窗口的演进
在分布式系统的设计中，限流是确保服务可用性的基石。传统的令牌桶和漏桶算法虽然经典，但往难以精确控制短时间内的流量突发。滑动窗口算法应运而生，它能够基于时间维度的连续区间进行计数，从而在保证整体平均速率的同时，更好地平滑流量峰值。这种方法特别适用于需要严格控制请求频率的场景，如 API 网关、登录验证接口以及第三方服务调用的中间层。
然而，在单体应用场景下实现滑动窗口相对直观，一旦进入分布式环境，状态共享便成为最大的挑战。每个服务实例维护自己的计数器，缺乏全局视角，很容易导致整体阈值被突破。因此，引入一个中心化的存储介质，能够提供统一的视图和原子操作能力，成为解决分布式限流问题的关键一步。
Redis Sorted Sets 的数据结构设计
Redis 的 Sorted Set（有序集合）是实现滑动窗口限流的理想数据结构。其核心优势在于可以为每个成员关联一个分数，且分数会自动进行排序。在本实践中，我们利用成员 ID 存储请求的唯一标识（如用户 ID 或 IP 地址），而将时间戳作为分数。这种设计使得我们可以通过分数的范围查询，快速定位出当前时间窗口内的所有有效记录。
具体实现上，对于每一个受限的键（如 user:123:limit），我们维护一个有序集合。成员的唯一标识符通常是请求的元数据，而分数则是请求发起的 Unix 时间戳。这样，当我们需要统计窗口内的请求数时，只需通过 ZCOUNT 命令，在当前时间减去窗口大小的范围内统计成员数量即可。这种方式不仅查询效率高，而且天然支持时间过期的自动清理机制，无需额外的垃圾回收逻辑。
Lua 脚本保证操作原子性
在分布式环境中，防止竞态条件是实现限流的灵魂。如果在查询计数的同时，另一个请求已经修改了数据，可能会导致计数错误，从而失去限流的意义。为了解决这个问题，我们利用 Redis 的 Lua 脚本执行机制。
Lua 脚本的执行在 Redis 单线程模型下是原子的，这意味着在脚本执行期间，不会有其他命令插入。我们可以在单个脚本内部完成从查询当前计数、检查阈值限制、添加新记录到将结果返回给客户端的全过程。这种“查-检-加”的原子操作，确保了即使在高并发下，也不会出现超限请求被错误放行的情况。文章详细展示了如何编写这段 Lua 脚本，它如同一位严谨的守门员，在每一次请求到来时，以最严格的逻辑进行判断和处理。
双重配额策略：RPM 与 TPM 的平衡
现实中的流量控制往往不仅仅是单一的速率限制。为了更精细地管理服务资源，文章引入了双重配额的概念：RPM（Requests Per Minute，每分钟请求数）和 TPM（Tokens Per Minute，每分钟令牌数）。这两者分别对应不同的业务场景。RPM 通常用于防止单一用户或 IP 的恶意刷量，确保系统资源不被单点消耗；而 TPM 则更关注整体服务的带宽承载能力，防止整个服务因总流量过大而雪崩。
实现这种双重配额的策略在于，Lua 脚本内部需要维护两套独立的计数逻辑，或者通过不同的键前缀进行隔离。文章指出，合理的阈值设置需要结合业务的 QPS 特性和后端数据库的承受能力。例如，对于一个读密集型的 API，可能设置较高的 RPM 但适中的 TPM；而对于写操作，则需要更为保守的配额。这种灵活的配置方式，使得限流器不仅是一道技术关卡，更是一个可以根据业务变化动态调优的参数平台。
标准化的速率限制响应头
一个优秀的限流系统不仅要拦截非法请求，还应当提供清晰的反馈机制。文章介绍了如何在 HTTP 响应中嵌入标准的速率限制头。常见的包括 X-RateLimit-Limit（限制的总请求数）、X-RateLimit-Remaining（剩余可用请求数）以及 X-RateLimit-Reset（限制重置的时间戳）。
这些头信息的生成需要在限流判断的基础上，计算出当前窗口的剩余容量以及下一次配额重置的时间点。通过在响应头中透露这些信息，客户端可以自适应地调整请求频率，避免无意义的重试，从而降低服务器的负载。同时，这种透明度也提升了开发者的调试体验，使得限流策略的生效一目了然。
前瞻展望：自适应与智能化
展望未来，分布式限流技术正朝着更加智能化的方向发展。单纯的固定阈值在面对复杂的流量模式时显得力不从心。基于机器学习的自适应限流系统，能够实时分析历史流量趋势，动态调整阈值。例如，在业务高峰期自动放宽阈值以接纳更多合法流量，而在检测到异常突发时则迅速收紧限制。
此外，随着边缘计算的兴起，将限流逻辑下沉到边缘节点，将进一步减少核心数据中心的压力。结合 TypeScript 与 Redis 的组合在当前的 Web 开发生态中已经展现出极高的性价比和开发效率。未来，我们有理由期待看到更多结合了微服务网关能力、服务熔断与限流于一体的全链路保护框架，为构建更加鲁棒的分布式生态贡献力量。