4. 限流算法基础（一）：计数器算法原理、实现方式、优缺点分析

在催收触达系统中，API 网关需要应对突发流量、异常重试以及爬虫攻击。计数器算法是最直观的限流手段，它通过统计单位时间内的请求次数来决定是否放行。本节将深入剖析其原理、代码实现与适用边界。

4.1 算法原理

计数器算法维护一个时间窗口（如 1 秒）和一个计数器。每当请求到达时，执行以下逻辑：

1. 检查时间窗口：若当前时间已超出窗口起始时间 + 窗口长度，则重置计数器并更新窗口起始时间。
2. 递增计数器：将计数器加 1。
3. 阈值判断：若计数器 ≤ 阈值，放行请求；否则拒绝请求。

下图展示了计数器算法在 1 秒窗口、阈值 5 的场景下的工作流程：

4.2 实现方式

计数器算法在单机环境与分布式环境下的实现差异较大。以下分别给出 Java 伪代码与 Redis 实现。

4.2.1 单机实现（Java 伪代码）

public class CounterRateLimiter {
    private final long windowSizeMillis;   // 窗口大小，单位毫秒
    private final int threshold;           // 阈值
    private long windowStart;              // 当前窗口起始时间戳
    private int counter;                   // 当前计数器

    public CounterRateLimiter(long windowSizeMillis, int threshold) {
        this.windowSizeMillis = windowSizeMillis;
        this.threshold = threshold;
        this.windowStart = System.currentTimeMillis();
        this.counter = 0;
    }

    public synchronized boolean tryAcquire() {
        long now = System.currentTimeMillis();
        // 1. 检查是否进入新窗口
        if (now - windowStart >= windowSizeMillis) {
            windowStart = now;
            counter = 0;
        }
        // 2. 递增计数器
        counter++;
        // 3. 判断是否超过阈值
        return counter <= threshold;
    }
}

4.2.2 分布式实现（Redis + Lua）

利用 Redis 的 INCR 和 EXPIRE 命令，配合 Lua 脚本保证原子性：

-- Lua 脚本：counter_rate_limiter.lua
local key = KEYS[1]               -- 限流 key，如 "rate_limit:api:v1"
local threshold = tonumber(ARGV[1]) -- 阈值
local windowSeconds = tonumber(ARGV[2]) -- 窗口大小（秒）

local current = redis.call('INCR', key)
if current == 1 then
    -- 第一次访问，设置过期时间
    redis.call('EXPIRE', key, windowSeconds)
end

if current > threshold then
    return 0  -- 拒绝
else
    return 1  -- 放行
end

调用方通过 EVALSHA 执行该脚本，返回 1 表示放行，0 表示拒绝。

4.3 优缺点分析

4.4 临界突变问题详解

计数器算法最典型的缺陷是“窗口边界突刺”。假设阈值 5，窗口 1 秒：

• 第 0.9 秒时计数器为 5，后续请求被拒绝。
• 第 1.0 秒窗口重置，计数器归零。
• 第 1.01 秒又有 5 个请求同时到达，全部放行。

实际在 0.2 秒内（0.9s ~ 1.1s）通过了 10 个请求，远超阈值。下图直观展示该问题：

4.5 适用场景与选型建议