当前位置：首页 > news >正文

该怎么给做网站的提页面需求网站历史权重查询

news 2025/11/2 2:23:34

该怎么给做网站的提页面需求,网站历史权重查询,成都网站建设与网站推广培训,网站建设新手看什么书滑动窗口限流算法是一种基于时间窗口的流量控制策略，它将时间划分为固定大小的窗口，并在每个窗口内记录请求次数。通过动态滑动窗口，算法能够灵活调整限流速率，以应对流量的波动。算法核心步骤统计窗口内的请求数量&#xff1…

滑动窗口限流算法是一种基于时间窗口的流量控制策略，它将时间划分为固定大小的窗口，并在每个窗口内记录请求次数。通过动态滑动窗口，算法能够灵活调整限流速率，以应对流量的波动。

算法核心步骤

统计窗口内的请求数量：记录当前时间窗口内的请求次数。
应用限流规则：根据预设的阈值判断是否允许当前请求通过。

Redis有序集合的应用

Redis的有序集合（Sorted Set）为滑动窗口限流提供了理想的实现方式。每个有序集合的成员都有一个分数（score），我们可以利用分数来定义时间窗口。每当有请求进入时，将当前时间戳作为分数，并将请求的唯一标识作为成员添加到集合中。这样，通过统计窗口内的成员数量，即可实现限流。

实现细节

Redis命令简化

通过Redis的ZADD命令，我们可以将请求的时间戳和唯一标识添加到有序集合中：

ZADD 资源标识 时间戳 请求标识

Java代码实现

以下是基于Java和Redis的滑动窗口限流实现：

public boolean isAllow(String key) {ZSetOperations<String, String> zSetOperations = stringRedisTemplate.opsForZSet();long currentTime = System.currentTimeMillis();long windowStart = currentTime - period;zSetOperations.removeRangeByScore(key, 0, windowStart);Long count = zSetOperations.zCard(key);if (count >= threshold) {return false;}String value = "请求唯一标识（如：请求流水号、哈希值、MD5值等）";zSetOperations.add(key, value, currentTime);stringRedisTemplate.expire(key, period, TimeUnit.MILLISECONDS);return true;
}

Lua脚本优化

为了确保在高并发场景下的原子性操作，我们可以将上述逻辑封装为Lua脚本：

local key = KEYS[1]
local current_time = tonumber(ARGV[1])
local window_size = tonumber(ARGV[2])
local threshold = tonumber(ARGV[3])
redis.call('ZREMRANGEBYSCORE', key, 0, current_time - window_size)
local count = redis.call('ZCARD', key)
if count >= threshold thenreturn tostring(0)
elseredis.call('ZADD', key, tostring(current_time), current_time)return tostring(1)
end

完整Java代码

package com.example.demo.controller;import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ZSetOperations;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Service;import java.util.Collections;
import java.util.concurrent.TimeUnit;@Service
public class SlidingWindowRatelimiter {private long period = 60 * 1000; // 1分钟private int threshold = 3; // 3次@Autowiredprivate StringRedisTemplate stringRedisTemplate;public boolean isAllow(String key) {ZSetOperations<String, String> zSetOperations = stringRedisTemplate.opsForZSet();long currentTime = System.currentTimeMillis();long windowStart = currentTime - period;zSetOperations.removeRangeByScore(key, 0, windowStart);Long count = zSetOperations.zCard(key);if (count >= threshold) {return false;}String value = "请求唯一标识（如：请求流水号、哈希值、MD5值等）";zSetOperations.add(key, value, currentTime);stringRedisTemplate.expire(key, period, TimeUnit.MILLISECONDS);return true;}public boolean isAllow2(String key) {String luaScript = "local key = KEYS[1]\n" +"local current_time = tonumber(ARGV[1])\n" +"local window_size = tonumber(ARGV[2])\n" +"local threshold = tonumber(ARGV[3])\n" +"redis.call('ZREMRANGEBYSCORE', key, 0, current_time - window_size)\n" +"local count = redis.call('ZCARD', key)\n" +"if count >= threshold then\n" +" return tostring(0)\n" +"else\n" +" redis.call('ZADD', key, tostring(current_time), current_time)\n" +" return tostring(1)\n" +"end";long currentTime = System.currentTimeMillis();DefaultRedisScript<String> redisScript = new DefaultRedisScript<>(luaScript, String.class);String result = stringRedisTemplate.execute(redisScript, Collections.singletonList(key), String.valueOf(currentTime), String.valueOf(period), String.valueOf(threshold));return "1".equals(result);}
}

AOP实现限流

为了更方便地应用限流策略，我们可以通过AOP（面向切面编程）来拦截请求并应用限流规则。

自定义注解

首先，定义一个限流注解：

package com.example.demo.controller;import java.lang.annotation.*;@Documented
@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface RateLimit {long period() default 60; // 窗口大小（默认：60秒）long threshold() default 3; // 阈值（默认：3次）
}

切面实现

然后，实现一个切面来拦截带有@RateLimit注解的方法：

package com.example.demo.controller;import jakarta.servlet.http.HttpServletRequest;
import lombok.extern.slf4j.Slf4j;
import org.aspectj.lang.JoinPoint;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.annotation.Before;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ZSetOperations;
import org.springframework.stereotype.Component;import java.util.concurrent.TimeUnit;@Slf4j
@Aspect
@Component
public class RateLimitAspect {@Autowiredprivate StringRedisTemplate stringRedisTemplate;@Before("@annotation(rateLimit)")public void doBefore(JoinPoint joinPoint, RateLimit rateLimit) {long period = rateLimit.period();long threshold = rateLimit.threshold();HttpServletRequest httpServletRequest = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();String uri = httpServletRequest.getRequestURI();Long userId = 123L; // 模拟获取用户IDString key = "limit:" + userId + ":" + uri;ZSetOperations<String, String> zSetOperations = stringRedisTemplate.opsForZSet();long currentTime = System.currentTimeMillis();long windowStart = currentTime - period * 1000;zSetOperations.removeRangeByScore(key, 0, windowStart);Long count = zSetOperations.zCard(key);if (count >= threshold) {throw new RuntimeException("请求过于频繁！");} else {zSetOperations.add(key, String.valueOf(currentTime), currentTime);stringRedisTemplate.expire(key, period, TimeUnit.SECONDS);}}
}

使用注解

最后，在需要限流的方法上添加@RateLimit注解：

@RestController
@RequestMapping("/hello")
public class HelloController {@RateLimit(period = 30, threshold = 2)@GetMapping("/sayHi")public void sayHi() {}
}