在Rate Limiting with Redis这篇文章中，作者介绍了一个十分惊艳的速率限制算法，该算法基于 Redis 实现，能够支持多个限制条件。
先看看原作者在工作中对速率限制的需求：
- 严格的速率限制，避免时间边界（time boundary）问题
- 支持多个限制条件
- 支持手动阻塞
- 分布式，多个系统可以并发使用
举例说明下时间边界（time boundary）问题。假如我们想每分钟限制20个请求，则有可能遇到这种情况，在头一分钟的最后一秒发生了20次请求，然后在接下来的一分钟的头一秒发生了20次请求。这样，在短短的2秒内总共发生了40次请求。这并不是严格的速率限制，我们需要的是在任何一个60秒的滑动窗口内，请求个数都不超过20.
上述情况也引出了对多个速率限制条件的需求。举例来说，不仅仅希望每分钟限制20个请求，还希望每秒不超过1个请求，每30秒不超过15个请求等等。
那么原作者是如何利用 Redis 来解决上面的需求呢？原作者使用 Redis 的 list 数据类型来按序记录每次请求的时刻。
举例说明下算法的逻辑。假设前五次请求的时刻如下表所示：
并且，有两个速率限制条件：每秒1个和每分钟5个。
- 如果接下来的请求时刻小于12:34:29，由于它与12:34:28的时间间隔不超过1秒并且在这1秒内已经有了1次请求，所以触犯了每秒1个这个限制条件
- 如果接下来的请求时刻小于12:34:35，由于它与12:33:35的时间间隔不超过1分钟并且在这1分钟内已经有了5次请求，所以触犯了每分钟5个这个限制条件
- 如果接下来的请求时刻是12:34:40，那么与最近一次请求相比时间已经过了12秒，与五次前的请求相比时间已经过了65秒，于是通过了这两个速率限制
现在，我们把这次请求的时刻12:34:40追加到时刻表中。从上面两个速率限制条件可知，只需要关心最近5次请求的时刻就可以了，所以可以把5次以前的请求时刻删除掉。于是，请求时刻表变成了这样：
如果想进一步的理解该算法，可以参考原作者速率限制的Python实现。
