本例采用滑动窗口算法实现分布式限流。

滑动窗口算法是固定窗口算的改进，将时间窗口看作是连续滑动的，不是固定大小的。滑动窗口需要记录每个请求记录。

示例

package main

import (
	"context"
	"fmt"
	"time"

	"github.com/redis/go-redis/v9"
)

var ctx = context.Background()

type SlideWindowLimiter struct {
	Rdb        *redis.Client
	Key        string 
	Limit      int
	CurrentTime int64
	WindowSize int
}

func (swl *SlideWindowLimiter) IsLimit() int {

	// Lua脚本用于限流

	script := redis.NewScript(`
local key = KEYS[1]
local limit = tonumber(ARGV[1]) -- 限制数量
local currenttime = tonumber(ARGV[2]) -- 当前时间戳
local window = tonumber(ARGV[3]) -- 滑动窗口大小，单位为秒

-- 移除过期的时间戳
redis.call('ZREMRANGEBYSCORE', key, 0, currenttime - window*1000)

-- 没有超过限制，添加当前请求的时间戳并设置过期时间
redis.call('ZADD', key, currenttime, currenttime)
-- 设置key的过期时间，防止无限制增长
redis.call('EXPIRE', key, window)


-- 获取当前窗口内的所有请求数
local count = redis.call('ZCARD', key)

-- 判断请求数是否超过限制
if count > limit then
    -- 超过限制，拒绝请求
    return 0
else
    return count + 1
end
    `)


	// 调用Lua脚本进行限流
	res, err := script.Run(ctx, swl.Rdb, []string{swl.Key}, swl.Limit,swl.CurrentTime, swl.WindowSize).Int()
	if err != nil {
		panic(err)
	}

	return res

}
func main() {
	rdb := redis.NewClient(&redis.Options{
		Addr:     "localhost:6379",
		Password: "", // no password set
		DB:       0,  // use default DB
	})
	
	windowLimiter:=SlideWindowLimiter{
		Rdb:rdb ,
		Key: "slidelimiter" ,//限流器的键
		Limit:2 ,//允许的请求数量
		WindowSize: 1,//时间窗口 1秒
	}
	for i := 0; i < 10; i++ {
		// 获取当前时间戳毫秒
		windowLimiter.CurrentTime=time.Now().UnixMilli()
		res:=windowLimiter.IsLimit()

		if res == 0 {
			fmt.Println("请求超出限制")
		} else {
			fmt.Println("请求被允许")
		}

	}

}

滑动窗口算法优缺点：

优点：一定程度避免了固定窗口算法请求分布不均的请况，可以通过动态调整窗口大小来适应流量变化。

缺点：因为需要存储所有请求，对内存有一定消耗，相对固定窗口算法增加了复杂度。