4. 常见限流算法（一）：计数器算法（固定窗口）的原理、实现与优缺点
计数器算法（固定窗口）是限流领域最直观、最容易实现的算法。它通过在一个固定的时间窗口内累计请求次数，当累计值超过预设阈值时，后续请求将被拒绝或降级。在模型风险控制场景中，该算法常用于限制单个用户或IP在秒级/分钟级窗口内的API调用频率，防止模型被高频恶意调用或资源耗尽。
4.1 核心原理
固定窗口算法的核心思想可以概括为：“时间分片 + 原子计数”。系统将时间划分为固定长度的时间片（如1秒、1分钟），每个时间片关联一个计数器。每当收到一个请求，计数器加1；当计数器达到阈值，该窗口内的后续请求被拒绝；当窗口结束时，计数器重置。
关键参数：
- 窗口大小（Window Size）： 时间片的长度，例如 1000ms、60s。
- 阈值（Threshold / Limit）： 单个窗口内允许的最大请求数。
- 计数器（Counter）： 当前窗口已累计的请求数。
4.2 实现方式
固定窗口算法在工程实现上非常简洁，通常基于 Redis + Lua 或 本地原子变量 完成。以下是一个基于 Redis 的典型实现示例：
-- Lua 脚本：固定窗口限流
-- KEYS[1] = 限流 key，例如 "ratelimit:user:123"
-- ARGV[1] = 窗口大小（毫秒）
-- ARGV[2] = 阈值
local key = KEYS[1]
local window_ms = tonumber(ARGV[1])
local threshold = tonumber(ARGV[2])
-- 获取当前窗口的起始时间戳
local now = redis.call('TIME')[1] -- 秒级时间戳
local window_start = math.floor(now / (window_ms / 1000)) * (window_ms / 1000)
-- 构造窗口 key
local window_key = key .. ":" .. tostring(window_start)
-- 原子递增并获取当前计数
local current = redis.call('INCR', window_key)
-- 如果是第一次创建，设置过期时间
if current == 1 then
redis.call('PEXPIRE', window_key, window_ms)
end
-- 判断是否超限
if current > threshold then
return 0 -- 拒绝请求
else
return 1 -- 允许请求
end
实现要点：
- 使用
TIME命令获取 Redis 服务器时间，避免客户端时间不一致。 - 窗口 key 必须包含起始时间戳，确保不同窗口的计数器隔离。
- 设置
PEXPIRE自动清理过期窗口，避免内存泄漏。
4.3 优缺点分析
| 维度 | 说明 | 影响等级 |
|---|---|---|
| 实现复杂度 | 极低，仅需一个计数器 + 时间判断，适合快速落地 | ⭐⭐⭐⭐⭐ |
| 内存占用 | 低，每个窗口仅需一个 key-value 对 | ⭐⭐⭐⭐⭐ |
| 临界突变问题 | 严重，窗口切换瞬间可能出现 2 倍阈值的请求洪峰 | ⭐ |
| 时间精度 | 依赖窗口边界对齐，无法处理跨窗口的平滑限流 | ⭐⭐ |
| 分布式支持 | 良好，基于 Redis 可轻松实现跨节点计数 | ⭐⭐⭐⭐ |
4.4 临界突变问题详解
固定窗口算法最著名的缺陷是“临界突变”（也称为“突刺”或“边界效应”）。假设阈值设置为 5 次/秒，攻击者可以在第 1 秒的最后 10ms 内发送 5 个请求，紧接着在第 2 秒的前 10ms 内再发送 5 个请求。从宏观角度看，系统在 20ms 内承受了 10 个请求，相当于 500 次/秒的瞬时流量，完全绕过了限流保护。
4.5 在模型风险控制中的适用场景
尽管存在临界突变问题，固定窗口算法在以下模型风险控制场景中仍然适用：
- 粗粒度频率限制： 限制单个用户每分钟调用模型 API 不超过 60 次，允许少量突发。
- 资源预算控制： 按小时或天统计模型推理总次数，用于成本核算和配额管理。
- 非关键路径限流： 对模型输出的后处理环节（如敏感词过滤、格式校验）进行保护。
- 多级限流的第一级： 作为前置快速过滤，配合滑动窗口或令牌桶算法实现精细控制。
风险提示： 在模型 API 的 核心推理路径 上，不建议单独使用固定窗口算法。临界突变可能导致模型服务在窗口切换瞬间被突发流量打满，引发 GPU 显存溢出或推理延迟飙升。建议至少配合 预热机制 或 请求排队 使用。
4.6 小结
固定窗口算法是限流领域的“入门级”方案，其核心优势在于实现简单、资源消耗低、易于理解。但在模型风险控制的高精度场景中，其临界突变问题不容忽视。理解该算法的原理与局限，是后续学习滑动窗口、令牌桶等高级算法的基础。在实际架构中，固定窗口通常作为“第一道防线”，用于快速拦截明显超频的请求，而将更精细的限流逻辑交给更平滑的算法处理。