3. 固定窗口计数器算法：原理详解、在金融秒杀场景下的实现与临界问题分析

3.1 算法原理与核心思想

固定窗口计数器（Fixed Window Counter）是限流算法中最直观、实现成本最低的一种。其核心思想是将时间划分为固定的窗口（例如 1 秒），每个窗口内维护一个计数器，当请求到达时计数器加 1；若计数器超过预设阈值，则拒绝后续请求；窗口结束时计数器归零，进入下一个窗口。

3.2 金融秒杀场景下的实现方案

在金融秒杀场景中，固定窗口计数器通常配合 Redis + Lua 脚本实现原子计数，避免并发竞争。以下是一个典型的秒杀接口限流实现：

-- Lua 脚本：固定窗口计数器限流
-- KEYS[1] = 限流 key，例如 "seckill:12345:window"
-- ARGV[1] = 窗口大小（毫秒）
-- ARGV[2] = 阈值
-- ARGV[3] = 当前时间戳（毫秒）

local window_key = KEYS[1]
local window_size = tonumber(ARGV[1])
local threshold = tonumber(ARGV[2])
local now = tonumber(ARGV[3])

-- 计算当前窗口起始时间
local window_start = math.floor(now / window_size) * window_size
local window_key_full = window_key .. ":" .. tostring(window_start)

-- 原子递增并获取当前计数
local current = redis.call("INCR", window_key_full)

-- 如果是第一次创建，设置过期时间
if current == 1 then
    redis.call("PEXPIRE", window_key_full, window_size)
end

-- 判断是否超过阈值
if current > threshold then
    return 0  -- 限流
else
    return 1  -- 放行
end

3.3 临界问题（Traffic Burst at Window Boundary）

固定窗口计数器最著名的缺陷是窗口边界突发问题。由于计数器在窗口切换时瞬间归零，攻击者或突发流量可以在窗口末尾和下一个窗口开头集中发送请求，导致实际通过量达到阈值的 2 倍。

3.4 临界问题的影响与应对策略

3.5 适用场景与局限性总结