4. 滑动窗口限流算法：原理详解、Go语言实现滑动窗口计数器、内存与精度权衡

4.1 滑动窗口算法原理

滑动窗口（Sliding Window）限流算法是对固定窗口算法的改进，旨在解决固定窗口在窗口边界处的“突发流量”问题。其核心思想是将时间窗口细分为多个更小的“子窗口”（slot），并让窗口随着时间推移平滑地向前滑动，而非在整点时刻重置计数器。

4.2 滑动窗口计数器模型

滑动窗口计数器通常采用“环形数组”或“时间轮”数据结构。我们将一个完整的时间窗口（如 1 秒）划分为 N 个等长的子窗口（如 10 个，每个 100ms）。每个子窗口维护一个独立的计数器。窗口的滑动通过移动起始指针实现，每次请求到来时，计算当前时间所属的子窗口索引，并累加该子窗口的计数。同时，需要将已过期（超出当前窗口范围）的子窗口计数器归零。

4.3 Go 语言实现滑动窗口计数器

以下实现采用环形数组（slice）存储子窗口计数器，配合互斥锁保证并发安全。核心逻辑包括：计算当前子窗口索引、清理过期子窗口、累加计数并判断是否超过阈值。

package slidingwindow

import (
    "sync"
    "time"
)

// SlidingWindow 滑动窗口限流器
type SlidingWindow struct {
    mu          sync.Mutex
    windowSize  time.Duration // 窗口总大小，如 1s
    slotCount   int           // 子窗口数量
    slotDuration time.Duration // 每个子窗口时长
    slots       []int64       // 环形数组，存储每个子窗口的计数
    cursor      int           // 当前写入的子窗口索引
    lastTime    time.Time     // 上次更新时间
    threshold   int64         // 阈值
}

// NewSlidingWindow 创建滑动窗口限流器
func NewSlidingWindow(windowSize time.Duration, slotCount int, threshold int64) *SlidingWindow {
    return &SlidingWindow{
        windowSize:   windowSize,
        slotCount:    slotCount,
        slotDuration: windowSize / time.Duration(slotCount),
        slots:        make([]int64, slotCount),
        cursor:       0,
        lastTime:     time.Now(),
        threshold:    threshold,
    }
}

// Allow 判断是否允许请求通过
func (sw *SlidingWindow) Allow() bool {
    sw.mu.Lock()
    defer sw.mu.Unlock()

    now := time.Now()
    // 1. 计算当前时间对应的子窗口索引
    elapsed := now.Sub(sw.lastTime)
    if elapsed < 0 {
        elapsed = 0
    }
    moveSteps := int(elapsed / sw.slotDuration)
    if moveSteps > sw.slotCount {
        moveSteps = sw.slotCount // 最多移动整个窗口
    }

    // 2. 滑动窗口：将跳过的子窗口计数器归零
    for i := 0; i < moveSteps; i++ {
        sw.cursor = (sw.cursor + 1) % sw.slotCount
        sw.slots[sw.cursor] = 0
    }
    sw.lastTime = now

    // 3. 累加当前子窗口计数
    sw.slots[sw.cursor]++

    // 4. 计算窗口内总计数
    var total int64
    for _, count := range sw.slots {
        total += count
    }

    // 5. 判断是否超过阈值
    if total > sw.threshold {
        // 超过阈值，回滚当前计数
        sw.slots[sw.cursor]--
        return false
    }
    return true
}

4.4 内存与精度权衡

滑动窗口算法的核心权衡在于子窗口数量（slotCount）的选择。子窗口数量直接影响限流的平滑度和内存占用。

4.5 滑动窗口 vs 固定窗口 vs 令牌桶