4、限流算法基础：滑动窗口算法原理与适用场景

在自愈剧本的限流保护设计中，算法选型直接决定了流量控制的精确度与系统开销。滑动窗口（Sliding Window）算法是固定窗口算法的进化版本，通过将时间窗口细分为多个小格，以更平滑的方式统计请求量，有效避免了“窗口临界突发”问题。

4.1 固定窗口的缺陷：临界突发

固定窗口算法（如每秒允许 100 个请求）在每个窗口切换瞬间存在明显的安全漏洞。假设系统限制为 100 请求/秒，若第 1 秒的最后 50ms 内涌入 100 个请求，且第 2 秒的前 50ms 内又涌入 100 个请求，则系统在 100ms 内实际承受了 200 个请求，远超阈值。

4.2 滑动窗口核心原理

滑动窗口算法将主时间窗口（如 1 秒）划分为 N 个等长的子窗口（如 10 个 100ms 子窗口）。每个子窗口独立维护请求计数。随着时间推移，窗口整体向前滑动——最旧的子窗口被丢弃，最新的子窗口加入统计。当前总请求量为所有子窗口计数之和。

4.3 滑动窗口 vs 固定窗口：核心差异

4.4 适用场景分析

滑动窗口算法在以下场景中表现优异：

• API 网关限流： 需要精确控制每秒/每分钟的请求量，防止客户端在窗口边界发起突发请求。
• 数据库连接池保护： 限制单位时间内的连接创建速率，避免数据库被短时高并发打满。
• 消息队列消费速率控制： 消费者按滑动窗口统计处理量，动态调整拉取速率。
• 自愈剧本中的熔断前检测： 在触发熔断前，使用滑动窗口统计最近一段时间内的错误率，避免因窗口切换导致误判。

4.5 滑动窗口实现要点

在自愈剧本中实现滑动窗口限流时，需关注以下关键点：

1. 子窗口数据结构： 使用环形数组（Circular Array）或双端队列（Deque）存储子窗口计数，避免频繁内存分配。
2. 时间戳对齐： 每个请求到达时，计算其所属的子窗口索引：index = (currentTimeMs / subWindowSize) % N。
3. 过期清理： 在每次请求处理时，检查并重置已滑出窗口的子窗口计数器。
4. 原子更新： 使用原子操作（如 AtomicInteger 或 LongAdder）更新子窗口计数，避免并发问题。

// 滑动窗口限流核心伪代码（Java 风格）
public class SlidingWindowRateLimiter {
    private final int windowSize;          // 主窗口大小（ms）
    private final int subWindowCount;      // 子窗口数量
    private final long subWindowSize;      // 子窗口大小（ms）
    private final AtomicLongArray counters; // 子窗口计数器
    private volatile int currentIndex;     // 当前子窗口索引

    public boolean tryAcquire() {
        long now = System.currentTimeMillis();
        int index = (int) ((now / subWindowSize) % subWindowCount);
        
        // 如果索引变化，清理过期子窗口
        if (index != currentIndex) {
            cleanExpiredWindows(index);
            currentIndex = index;
        }
        
        // 统计当前窗口总请求数
        long total = 0;
        for (int i = 0; i < subWindowCount; i++) {
            total += counters.get(i);
        }
        
        if (total >= threshold) {
            return false; // 限流
        }
        
        counters.incrementAndGet(index);
        return true;
    }
}

4.6 滑动窗口的局限性

• 内存占用与 N 成正比： 当 N 设置过大（如 N=1000）时，内存开销和计算开销会显著增加。
• 时钟同步依赖： 在分布式环境中，各节点的时间戳需要基本同步，否则会导致窗口偏移。
• 无法完全消除突发： 突发流量仍可在单个子窗口粒度内集中到达，但相比固定窗口已大幅改善。