Python中用Redis的ZSET实现滑动窗口限流，通过ZREMRANGEBYSCORE清理过期请求、ZADD插入新请求、ZCARD统计数量，并用Lua脚本保证原子性；支持按用户/IP/接口等多维度key设计，辅以降级与监控策略。
Python应用中用Redis实现滑动窗口限流，核心是利用Redis的ZSET（有序集合）按时间戳排序存储请求记录，并通过ZREMRANGEBYSCORE自动清理过期项，再用ZCARD统计当前窗口内请求数。不依赖外部库也能高效完成，关键是设计好时间粒度和key结构。
用ZSET模拟时间滑动窗口
ZSET的score设为毫秒级时间戳，member可设为唯一标识（如用户ID+时间戳或随机UUID），这样既能去重又能按时间排序。每次请求到来时：
- 先用
ZREMRANGEBYSCORE key -inf (current_timestamp - window_ms)剔除窗口外的旧记录 - 再用
ZADD key current_timestamp member插入新请求 - 最后用
ZCARD key获取当前窗口内请求数，与阈值比对
例如：1分钟内最多100次请求，window_ms = 60000，所有score小于time.time()*1000 - 60000的成员都会被自动清理。
避免单Key热点，支持多维度限流
直接用全局key会成为瓶颈，应按限流维度构造key，比如：
立即学习“Python免费学习笔记（深入）”；
- 按用户限流：
f"rate_limit:uid:{user_id}" - 按IP限流：
f"rate_limit:ip:{ip_address}" - 按接口+用户组合：
f"rate_limit:api:{endpoint}:uid:{user_id}"
注意key生命周期无需手动设置过期——只要窗口内无新请求，ZSET自然变空；也可给key加个较长的EXPIRE（如1小时），防止极端情况下残留空key堆积。
原子性保障：用Lua脚本封装操作
上面三步若拆成多个Redis命令，在高并发下可能因执行间隙导致超限（如A刚删完旧数据、B插入前A又插入一次）。推荐用Lua脚本一次性完成：
local key = KEYS[1]
local now = tonumber(ARGV[1])
local window_ms = tonumber(ARGV[2])
local max_count = tonumber(ARGV[3])
<p>redis.call('zremrangebyscore', key, '-inf', '('..(now - window_ms))
local count = redis.call('zcard', key)
if count < max_count then
redis.call('zadd', key, now, ARGV[4])
return 1
else
return 0
endPython中调用：redis.eval(lua_script, 1, key, now_ms, window_ms, max_count, member_id)，返回1表示放行，0表示拒绝。
补充技巧：降级与监控
生产环境别让限流失败直接抛异常：
- Redis异常时可降级为内存计数（如
threading.local或LRU cache），仅限临时兜底 - 对key做采样监控，比如每100次请求记录一次
ZCARD结果，观察分布是否倾斜 - 把“被限流次数”单独用
INCR计数，便于告警（如5分钟内超1000次触发通知）
基本上就这些。滑动窗口比固定窗口更平滑，比漏桶/令牌桶更易理解，用好ZSET和Lua，就能在Python服务里稳稳扛住突发流量。
