滑动窗口限流比固定窗口更可靠，因其以当前时刻为右边界动态维护时间窗口（如最近1秒），用Redis ZSET存储时间戳并配合ZREMRANGEBYSCORE清理过期数据、ZCARD统计实时请求数，彻底解决窗口边界突刺问题。
直接结论：用 Redis + 滑动窗口（zset）比固定窗口更可靠，尤其在高并发、时间边界敏感的场景下；但若业务允许宽松限流，固定窗口（incr + expire）实现更快、调试更直观。
很多团队一开始用 redisTemplate.opsForValue().increment() 配合 expire() 做“每分钟最多 100 次”，上线后发现凌晨 00:59 和 01:01 各来 100 次，实际两秒内就扛了 200 次——这不是 bug，是固定窗口天然缺陷。下面说清楚怎么选、怎么写、怎么避坑。
固定窗口限流：适合简单场景，但必须注意并发安全
适用于内部管理接口、低频调用、或对“短时峰值”不敏感的业务（如后台导出按钮）。核心是：INCR + EXPIRE 原子性保障。
- 错误写法：先
get()再set()+expire()—— 高并发下会漏计数或重复设过期时间 - 正确做法：用 Lua 脚本封装原子操作（Spring Boot 中推荐
redisTemplate.execute(new DefaultRedisScript<>(...))） - key 设计建议用
"rate:ip:" + ip + ":url:" + requestUri，避免不同用户/路径冲突 - 注意
expireTime单位要和业务单位一致（比如配置 60 表示秒，代码里别误当成毫秒传给expire()）
滑动窗口限流：用 zset 实现任意时间窗口内精确计数
真正解决“00:59 到 01:01 突增”问题。本质是把每次请求时间戳作为 score 存进 ZSET，用 ZCOUNT 查指定时间范围内的 member 数量。
Redis Skill - 高性能缓存管理
下载
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
- key 示例：
"sliding:ip:" + ip + ":url:" + requestUri - 插入命令：
ZADD key timestamp request_id（timestamp 用System.currentTimeMillis()） - 查询命令：
ZCOUNT key (start_timestamp +inf)，其中start_timestamp = now - window_ms - 务必搭配
ZREMRANGEBYSCORE清理过期项，否则 zset 无限膨胀（可在每次检查前执行） - Spring 中推荐封装成 RedisCallback 或用
redisTemplate.opsForZSet().rangeByScore()，但注意它不自动清理，得自己加zremrangebyscore
@RateLimiter 注解 + AOP：让限流逻辑和业务彻底解耦
不是所有接口都需要限流，也不是所有限流规则都一样。用注解驱动最灵活，但要注意切点表达式和参数提取逻辑。
- 注解字段建议至少包含：
count（阈值）、time（窗口秒数）、keyType（枚举：IP / USER_ID / URL / COMBINED） - AOP 中 key 生成不能只拼
joinPoint.getSignature().toShortString()，要结合上下文（如从 JWT 解析userId，或从 header 取X-Real-IP） - 拦截器里不要 throw 异常再全局捕获——直接
response.setStatus(429)+response.getWriter().write("too many requests")更轻量 - 如果用了 Spring Security，注意
RequestContextHolder在异步线程中为空，需手动传递请求上下文
生产环境必须验证的三个细节
限流不是加完就完事。这三个点不验证，上线等于裸奔：
- Redis 连接池配置是否合理？默认
max-active=8在压测时极易成为瓶颈，建议设为 32–64，并开启test-on-borrow - 限流失败时是否记录日志？至少要打
WARN级别，含key、currentCount、limit、ip、uri，方便溯源攻击源 - 是否考虑多实例部署下的 key 冲突？比如用
hostname或spring.application.name做 key 前缀，避免不同服务实例误判同一 IP
滑动窗口逻辑本身不复杂，难的是和业务上下文绑定、和运维监控打通、以及在 Redis 故障时有降级策略（比如本地 ConcurrentHashMap + 时间戳桶，仅作兜底）。别指望一个注解包打天下，得根据接口重要性分层做限流。
