在php应用中实现请求限流需采用令牌桶或漏桶算法，1. 令牌桶通过维护令牌数量和生成速率控制请求，允许突发流量；2. 漏桶通过固定漏水速率平滑请求处理，防止突发冲击；3. 两者均需借助redis的原子操作（如lua脚本）确保并发一致性；4. 限流维度可基于用户、ip或接口，通过唯一键标识；5. 核心目标是保障系统稳定性，防止过载，确保服务可用性，最终通过返回布尔值明确是否放行请求。
请求限流在PHP应用中，特别是对于API接口的保护，通常会采用令牌桶（Token Bucket）或漏桶（Leaky Bucket）这两种经典算法。它们的核心思想都是控制单位时间内允许处理的请求数量，避免系统过载，保障服务的稳定性与可用性。在PHP中实现它们，关键在于如何高效地管理“令牌”或“水滴”，并利用共享存储（如Redis）来维护状态，确保并发环境下的数据一致性。
解决方案
实现请求限流，我们首先要明确限流的目标：是限制某个用户、某个IP，还是整个接口的访问频率？这决定了我们存储状态的维度。通常，基于Redis的实现是首选，因为它提供了原子操作和高并发读写能力。
令牌桶算法（Token Bucket）
立即学习“PHP免费学习笔记（深入）”；
想象一个固定容量的桶，系统会以恒定的速率往桶里放入令牌。每个请求到来时，都需要从桶里取走一个令牌才能被处理。如果桶里没有令牌，请求就会被拒绝或排队。
-
实现思路：
- 定义桶的容量（
bucket_capacity
）和令牌生成速率（token_rate
，每秒生成多少个）。 - 在Redis中存储一个键，表示当前桶中令牌的数量（
current_tokens
）以及上次更新令牌的时间戳（last_fill_time
）。 - 每次请求到达时，通过Redis的Lua脚本来原子性地执行以下逻辑：
- 计算自上次填充以来新增的令牌数量：
new_tokens = (current_timestamp - last_fill_time) * token_rate
。 - 更新桶中令牌数：
current_tokens = min(bucket_capacity, current_tokens + new_tokens)
。 - 更新
last_fill_time = current_timestamp
。 - 如果
current_tokens >= 1
，则允许请求，并current_tokens--
。 - 否则，拒绝请求。
- 计算自上次填充以来新增的令牌数量：
- 定义桶的容量（
-
PHP伪代码示例 (使用Redis)：
redis = $redis; } /** * 令牌桶算法限流 * @param string $key 限流的唯一标识，例如 'user:123' 或 'api:product_list' * @param int $capacity 桶的容量，即最大允许的突发请求数 * @param float $rate 令牌生成速率，每秒生成的令牌数 * @return bool 是否允许请求通过 */ public function tokenBucket($key, $capacity, $rate): bool { $currentTokensKey = "rate_limit:token_bucket:{$key}:tokens"; $lastFillTimeKey = "rate_limit:token_bucket:{$key}:last_fill_time"; $currentTime = microtime(true); // 使用微秒时间戳，更精确 // Lua脚本保证原子性操作 $script = <<= 1 then redis.call('set', KEYS[1], currentTokens - 1) redis.call('set', KEYS[2], ARGV[1]) return 1 -- 允许 else redis.call('set', KEYS[1], currentTokens) -- 即使不通过也要更新 redis.call('set', KEYS[2], ARGV[1]) return 0 -- 拒绝 end LUA; // eval($script, $keys, $args, $numKeys) // KEYS[1]: currentTokensKey, KEYS[2]: lastFillTimeKey // ARGV[1]: currentTime, ARGV[2]: rate, ARGV[3]: capacity $result = $this->redis->eval($script, [$currentTokensKey, $lastFillTimeKey], [$currentTime, $rate, $capacity], 2); return (bool)$result; } /** * 漏桶算法限流 * @param string $key 限流的唯一标识 * @param int $capacity 桶的容量，即最大允许的缓冲请求数 * @param float $rate 漏水速率，每秒处理的请求数 * @return bool 是否允许请求通过 */ public function leakyBucket($key, $capacity, $rate): bool { $currentWaterKey = "rate_limit:leaky_bucket:{$key}:water"; $lastLeakTimeKey = "rate_limit:leaky_bucket:{$key}:last_leak_time"; $currentTime = microtime(true); $script = << redis->eval($script, [$currentWaterKey, $lastLeakTimeKey], [$currentTime, $rate, $capacity], 2); return (bool)$result; } } // 示例用法： // $redis = new Redis(); // $redis->connect('127.0.0.1', 6379); // $limiter = new RateLimiter($redis); // 令牌桶：允许每秒2个请求，桶容量5个（允许短时突发5个请求） // if ($limiter->tokenBucket('user:123', 5, 2)) { // echo "令牌桶：请求通过\n"; // } else { // echo "令牌桶：请求被限流\n"; // } // 漏桶：允许每秒处理2个请求，桶容量5个（最多缓冲5个请求） // if ($limiter->leakyBucket('api:endpoint', 5, 2)) { // echo "漏桶：请求通过\n"; // } else { // echo "漏桶：请求被限流\n"; // } ?>
这里用Lua脚本是为了保证
get、
set、
计算的原子性，避免并发问题。
漏桶算法（Leaky Bucket）
想象一个底部有固定漏水速率的桶，水（请求）以不规则的速率流入。如果流入速度快于漏出速度，桶就会满，溢出的水（请求）就会被丢弃。
-
实现思路：
- 定义桶的容量（
bucket_capacity
）和漏水速率（leak_rate
，每秒漏出多少个请求）。 - 在Redis中存储当前桶中的水量（
current_water
）以及上次漏水的时间戳（last_leak_time
）。 - 每次请求到达时，同样通过Redis的Lua脚本原子性地执行：
- 计算自上次漏水以来漏出的水量：
leaked_water = (current_timestamp - last_leak_time) * leak_rate
。 - 更新桶中水量：
current_water = max(0, current_water - leaked_water)
。 - 更新
last_leak_time = current_timestamp
。 - 如果
current_water < bucket_capacity
，则允许请求，并current_water++
。 - 否则，拒绝请求。
- 计算自上次漏水以来漏出的水量：
- 定义桶的容量（
Lua脚本在这里同样至关重要，它确保了读写操作的原子性，避免了竞态条件。
