在微服务架构中，分布式限流是保障系统稳定性的核心手段。传统单机限流方案（如 Guava RateLimiter）无法跨节点协同，而 Redis+Lua 凭借原子性执行与高性能特性，成为分布式场景的最优解之一。
核心原理
- 利用 Redis 的 String/Hash 结构存储限流计数器，记录单位时间内请求次数；
- 通过 Lua 脚本封装 "判断 - 计数 - 返回" 逻辑，确保跨命令原子性，避免并发漏洞；
- 基于滑动窗口算法，动态调整时间窗口内的请求阈值，平衡灵活性与准确性。
实战实现
1. Lua 限流脚本
lua
local key = KEYS[1] -- 限流key（如user:123:api）
local limit = tonumber(ARGV[1]) -- 限流阈值
local window = tonumber(ARGV[2]) -- 时间窗口（秒）
local current = redis.call('incr', key)
if current == 1 then
redis.call('expire', key, window) -- 首次设置过期时间
end
return current <= limit -- 返回是否允许请求
2. 服务端集成（Java 示例）
通过 Spring Data Redis 调用脚本，封装通用限流工具类，支持按用户、接口等多维度限流，结合 AOP 实现无侵入式接入。
优势与优化
- 高性能：Redis 单实例支持每秒 10 万 + 请求，Lua 脚本执行耗时毫秒级；
- 可扩展：配合 Redis Cluster 实现水平扩容，应对高并发场景；
- 避坑点：需合理设置窗口粒度，避免缓存穿透，建议搭配熔断降级机制使用。
该方案已在电商秒杀、API 网关等场景落地，有效抵御流量峰值冲击，保障系统平稳运行。
