在Redis数据库中实现分布式速率限制的方法

问题

在许多应用中，对昂贵的资源的访问必须加以限制,此时速率限制是必不可少的。许多现代网络应用程序在多个进程和服务器上运行，状态需要被共享。一个理想的解决方案应该是高效、 快捷的，而不是依赖于被绑定到特定客户端的单个应用程序服务器（由于负载平衡） 或本身持有任何状态。
解决方案

实现这一目标的一个简单有效的方法就是使用 Redis, 它有很多有用的数据结构和功能, 尽管实现速率限制只需要2个功能用: 一、在某个具体的键值上递增一个整数，二、给这个键值设置过期时间。

因为redis 有个单一的事件循环系统 (每个人每次在同一个时间只能执行一个操作),这是个原子操作, 也就是说无论有多少个客户端同时交互操作，对于同一个键值总有一个确定的数值。

这在对同一个资源进行多个速率限制的情况下通常是有利的, 因为这允许少量的破裂，以及更长的期限限制。例如每秒钟请求3次，没分钟请求20次。因为每个限制都是相对独立的，这就需要与其它限制分开进行单独的递增。

因为速率限制通常用在响应时间比较重要的资源（比如网页应用），所以尽量缩短速率限制的使用时间是非常有必要的。redis的最基本的应用就是发出命令，等待响应，然后发出另一个命令，如此往复。 这个花费是昂贵的，因为需要通过网络在应用程序和redis服务器之间多次往返。由于在这个用例中，没有命令依赖其它命令的执行结果，这使得redis的一个叫做流水线技术的使用成为可能。这就是客户端缓存所有redis请求，然后把这写请求发送给redis,redis一次性返回所有的结果。

Redis不会维护客户端需要的限制的，因为redis会根据客户端设置的过期时间删除旧的记数。这消除了客户端统筹协调的需要，和删除竞争条件的可能性。

The Code

import redis
import time
 
def rate_limit_check(r, key, limits):
  period_lengths = [_[0] for _ in sorted(limits.items())]
  period_limits = [_[1] for _ in sorted(limits.items())]
  pipe = r.pipeline()
  for period_length in period_lengths:
     current_period = int(time.time() / period_length)
     redis_key = 'rate_limit:{key}:{period_length}:{current_period}'.fORMat(key=key, period_length=period_length, current_period=current_period)
     pipe.incr(redis_key).expire(redis_key, period_length*3)
  return not any(hits > period_limit for period_limit, hits in zip(period_limits, pipe.execute()[::2]))
 
if __name__ == '__main__':
  r = redis.Redis()
  print rate_limit_check(r, '127.0.0.1', {1: 3, 60: 20})

{1: 3, 60: 20} 意味着每秒钟3次的命中率是允许的，在任何限制下，都允许20次的命中。'127.0.0.1'在这里用作键值，尽管在真实的情况下，可能作为IP地址。更高级的用例将有一个全应用程序的速率限制，键值只有客户端的IP地址，以及一个为昂贵的终结点设置的特定终结点限制，这将用到客户端的IP地址和终结点,例如127.0.0.1+/login/。这些限制可以独立地设置。

return rate_limit_check(r, '127.0.0.1', {1: 3, 60: 20}) and rate_limit_check(r, '127.0.0.1+/login/', {1: 2, 60: 5})

这是一个用python写的例子，它可以简单地移植到任何语言，只要这门语言包含Redis客户端库。