【软考架构】滑动窗口限流算法的原理是什么？

核心结论

滑动窗口限流算法是对固定窗口计数器算法的优化，核心是将整体时间窗口拆分为多个等长的子窗口（时间片），通过“滑动”方式实时更新当前统计窗口的范围，并累加窗口内所有子窗口的请求数，以此精准控制流量，解决固定窗口的临界峰值漏洞。

滑动窗口限流算法的具体原理

1. 时间窗口拆分

首先预设一个整体限流时间窗口（比如1分钟），并将其拆分为N个等长的子窗口（时间片）。子窗口的粒度决定了限流精度：

• 示例：把1分钟（60秒）的整体窗口拆分为6个10秒的子窗口，或60个1秒的子窗口；子窗口越细，限流精度越高。

2. 窗口滑动规则

每经过一个子窗口的时长（比如10秒），整体时间窗口会向前“滑动”一个子窗口的位置：

• 丢弃最左侧（最旧）的子窗口；
• 纳入最新产生的右侧子窗口；
• 始终保持当前统计窗口的总时长等于预设的整体窗口时长（如1分钟）。

3. 请求计数与限流判断

每个子窗口独立统计自身时间段内的请求数量，当前窗口的总请求数 = 所有包含在当前统计窗口内的子窗口请求数之和：

• 若总请求数 ≤ 预设阈值：允许请求通过，并将请求计入对应子窗口的计数中；
• 若总请求数 > 预设阈值：拒绝请求，避免流量过载。

直观示例

假设整体窗口为1分钟（6个10秒子窗口），限流阈值为1000次/分钟：

• 当时间为00:00:15时，当前统计窗口覆盖的是00:00:05 ~ 00:01:05的6个子窗口（包含00:00:05-00:00:15、00:00:15-00:00:25……00:00:55-00:01:05）；
• 累加这6个子窗口的请求数，若总和达到1000，则后续请求会被拒绝，直到窗口滑动后总计数下降。

关键特性

通过“拆分+滑动”的机制，滑动窗口能避免固定窗口在“窗口边界”出现的流量突刺问题（比如固定窗口下，前一个窗口末尾和后一个窗口开头的请求叠加超限），实现更平滑、精准的流量控制。