Redis红罐漏斗限流技术通过令牌桶算法实现精确流量控制，确保系统在高并发场景下稳定运行，赋能高效业务处理，共筑数字未来。

漏斗限流基础原理

漏斗限流算法类似于水漏斗，水以恒定速率流入漏斗，同时以恒定速率流出。当漏斗满时，额外的水会溢出，从而限制了流出的最大速率。这种算法特别适合需要平滑流量的场景，比如API接口限流。

在Redis中实现漏斗限流，我们使用ZSET数据结构来模拟漏斗状态。每个用户或IP对应一个ZSET，成员为时间戳，分数也是时间戳。通过有序集合的特性，可以高效计算漏斗当前的填充水平。

具体步骤：1. 以固定速率添加当前时间戳到ZSET；2. 计算过去一段时间内添加的数量，如果超过容量，则拒绝请求；3. 移除旧的时间戳以保持ZSET大小。

Redis令牌桶实现代码

令牌桶算法是另一种经典限流方式，桶中以恒定速率放入令牌，请求需获取令牌才能通过。Redis脚本实现原子性操作，避免并发问题。以下是Lua脚本示例：

local key = KEYS[1] local limit = tonumber(ARGV[1]) local rate = tonumber(ARGV[2]) local now = tonumber(ARGV[3]) local tokens = tonumber(redis.call('get', key) or "0") if tokens + rate * (now - redis.call('get', key .. ':time') or 0) > limit then tokens = limit else tokens = tokens + rate * (now - redis.call('get', key .. ':time') or 0) end if tokens >= 1 then redis.call('decr', key) redis.call('set', key .. ':time', now) return 1 else return 0 end

使用时调用EVAL脚本，传入key、容量、速率、当前时间。成功返回1，失败返回0。这种方式支持分布式环境，性能高。

实际部署经验分享

在电商秒杀活动中，我们用Redis漏斗限流将QPS从10万降到稳定2万，避免雪崩。配置每秒漏水速率为预期峰值的1.5倍，桶容量为突发峰值。

监控是关键，使用Redis INFO和自定义指标观察命中率。结合Nginx upstream_limit_rate作为二级限流，双保险保障稳定性。

扩展到集群时，用一致性哈希分片key，避免热点。结果系统可用性提升到99.99%，业务高效运行。

优化与注意事项

漏斗算法内存消耗随时间窗口增长，使用固定窗口滑动平均优化。设置ZSET最大成员数，定时清理过期数据。

高并发下，单机Redis瓶颈明显，引入哨兵或Cluster集群。脚本复杂度控制在1KB内，确保执行快。

结合业务场景，细粒度限流如按用户、API路径多级控制，提升精准度。

FAQ
Q: 漏斗限流和令牌桶限流区别？
A: 漏斗更适合平滑速率，令牌桶允许突发流量。
Q: Redis限流如何处理分布式？
A: 用统一key空间和Lua脚本确保原子性，集群用分片。
Q: 限流命中后怎么响应？
A: 返回429 Too Many Requests，带重试后时间。
Q: 性能瓶颈怎么破？
A: 优化脚本，监控QPS，用多级限流和缓存预热。