Go+Redis實(shí)現(xiàn)常見(jiàn)限流算法的示例代碼

更新時(shí)間：2023年04月02日 16:17:00 作者：jxwu

限流是項(xiàng)目中經(jīng)常需要使用到的一種工具，一般用于限制用戶的請(qǐng)求的頻率，也可以避免瞬間流量過(guò)大導(dǎo)致系統(tǒng)崩潰，或者穩(wěn)定消息處理速率。這篇文章主要是使用Go+Redis實(shí)現(xiàn)常見(jiàn)的限流算法，需要的可以參考一下

限流是項(xiàng)目中經(jīng)常需要使用到的一種工具，一般用于限制用戶的請(qǐng)求的頻率，也可以避免瞬間流量過(guò)大導(dǎo)致系統(tǒng)崩潰，或者穩(wěn)定消息處理速率。并且有時(shí)候我們還需要使用到分布式限流，常見(jiàn)的實(shí)現(xiàn)方式是使用Redis作為中心存儲(chǔ)。

這個(gè)文章主要是使用Go+Redis實(shí)現(xiàn)常見(jiàn)的限流算法，如果需要了解每種限流算法的原理可以閱讀文章 Go實(shí)現(xiàn)常見(jiàn)的限流算法

下面的代碼使用到了go-redis客戶端

固定窗口

使用Redis實(shí)現(xiàn)固定窗口比較簡(jiǎn)單，主要是由于固定窗口同時(shí)只會(huì)存在一個(gè)窗口，所以我們可以在第一次進(jìn)入窗口時(shí)使用pexpire命令設(shè)置過(guò)期時(shí)間為窗口時(shí)間大小，這樣窗口會(huì)隨過(guò)期時(shí)間而失效，同時(shí)我們使用incr命令增加窗口計(jì)數(shù)。

因?yàn)槲覀冃枰?code>counter==1的時(shí)候設(shè)置窗口的過(guò)期時(shí)間，為了保證原子性，我們使用簡(jiǎn)單的Lua腳本實(shí)現(xiàn)。

const fixedWindowLimiterTryAcquireRedisScript = `
-- ARGV[1]: 窗口時(shí)間大小
-- ARGV[2]: 窗口請(qǐng)求上限

local window = tonumber(ARGV[1])
local limit = tonumber(ARGV[2])

-- 獲取原始值
local counter = tonumber(redis.call("get", KEYS[1]))
if counter == nil then 
   counter = 0
end
-- 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
if counter >= limit then
   return 0
end
-- 窗口值+1
redis.call("incr", KEYS[1])
if counter == 0 then
    redis.call("pexpire", KEYS[1], window)
end
return 1
`

package redis

import (
   "context"
   "errors"
   "github.com/go-redis/redis/v8"
   "time"
)

// FixedWindowLimiter 固定窗口限流器
type FixedWindowLimiter struct {
   limit  int           // 窗口請(qǐng)求上限
   window int           // 窗口時(shí)間大小
   client *redis.Client // Redis客戶端
   script *redis.Script // TryAcquire腳本
}

func NewFixedWindowLimiter(client *redis.Client, limit int, window time.Duration) (*FixedWindowLimiter, error) {
   // redis過(guò)期時(shí)間精度最大到毫秒，因此窗口必須能被毫秒整除
   if window%time.Millisecond != 0 {
      return nil, errors.New("the window uint must not be less than millisecond")
   }

   return &FixedWindowLimiter{
      limit:  limit,
      window: int(window / time.Millisecond),
      client: client,
      script: redis.NewScript(fixedWindowLimiterTryAcquireRedisScript),
   }, nil
}

func (l *FixedWindowLimiter) TryAcquire(ctx context.Context, resource string) error {
   success, err := l.script.Run(ctx, l.client, []string{resource}, l.window, l.limit).Bool()
   if err != nil {
      return err
   }
   // 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
   if !success {
      return ErrAcquireFailed
   }
   return nil
}

滑動(dòng)窗口

hash實(shí)現(xiàn)

我們使用Redis的hash存儲(chǔ)每個(gè)小窗口的計(jì)數(shù)，每次請(qǐng)求會(huì)把所有有效窗口的計(jì)數(shù)累加到count，使用hdel刪除失效窗口，最后判斷窗口的總計(jì)數(shù)是否大于上限。

我們基本上把所有的邏輯都放到Lua腳本里面，其中大頭是對(duì)hash的遍歷，時(shí)間復(fù)雜度是O(N)，N是小窗口數(shù)量，所以小窗口數(shù)量最好不要太多。

const slidingWindowLimiterTryAcquireRedisScriptHashImpl = `
-- ARGV[1]: 窗口時(shí)間大小
-- ARGV[2]: 窗口請(qǐng)求上限
-- ARGV[3]: 當(dāng)前小窗口值
-- ARGV[4]: 起始小窗口值

local window = tonumber(ARGV[1])
local limit = tonumber(ARGV[2])
local currentSmallWindow = tonumber(ARGV[3])
local startSmallWindow = tonumber(ARGV[4])

-- 計(jì)算當(dāng)前窗口的請(qǐng)求總數(shù)
local counters = redis.call("hgetall", KEYS[1])
local count = 0
for i = 1, #(counters) / 2 do 
   local smallWindow = tonumber(counters[i * 2 - 1])
   local counter = tonumber(counters[i * 2])
   if smallWindow < startSmallWindow then
      redis.call("hdel", KEYS[1], smallWindow)
   else 
      count = count + counter
   end
end

-- 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
if count >= limit then
   return 0
end

-- 若沒(méi)到窗口請(qǐng)求上限，當(dāng)前小窗口計(jì)數(shù)器+1，請(qǐng)求成功
redis.call("hincrby", KEYS[1], currentSmallWindow, 1)
redis.call("pexpire", KEYS[1], window)
return 1
`

package redis

import (
   "context"
   "errors"
   "github.com/go-redis/redis/v8"
   "time"
)

// SlidingWindowLimiter 滑動(dòng)窗口限流器
type SlidingWindowLimiter struct {
   limit        int           // 窗口請(qǐng)求上限
   window       int64         // 窗口時(shí)間大小
   smallWindow  int64         // 小窗口時(shí)間大小
   smallWindows int64         // 小窗口數(shù)量
   client       *redis.Client // Redis客戶端
   script       *redis.Script // TryAcquire腳本
}

func NewSlidingWindowLimiter(client *redis.Client, limit int, window, smallWindow time.Duration) (
   *SlidingWindowLimiter, error) {
   // redis過(guò)期時(shí)間精度最大到毫秒，因此窗口必須能被毫秒整除
   if window%time.Millisecond != 0 || smallWindow%time.Millisecond != 0 {
      return nil, errors.New("the window uint must not be less than millisecond")
   }

   // 窗口時(shí)間必須能夠被小窗口時(shí)間整除
   if window%smallWindow != 0 {
      return nil, errors.New("window cannot be split by integers")
   }

   return &SlidingWindowLimiter{
      limit:        limit,
      window:       int64(window / time.Millisecond),
      smallWindow:  int64(smallWindow / time.Millisecond),
      smallWindows: int64(window / smallWindow),
      client:       client,
      script:       redis.NewScript(slidingWindowLimiterTryAcquireRedisScriptHashImpl),
   }, nil
}

func (l *SlidingWindowLimiter) TryAcquire(ctx context.Context, resource string) error {
   // 獲取當(dāng)前小窗口值
   currentSmallWindow := time.Now().UnixMilli() / l.smallWindow * l.smallWindow
   // 獲取起始小窗口值
   startSmallWindow := currentSmallWindow - l.smallWindow*(l.smallWindows-1)

   success, err := l.script.Run(
      ctx, l.client, []string{resource}, l.window, l.limit, currentSmallWindow, startSmallWindow).Bool()
   if err != nil {
      return err
   }
   // 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
   if !success {
      return ErrAcquireFailed
   }
   return nil
}

list實(shí)現(xiàn)

如果小窗口數(shù)量特別多，可以使用list優(yōu)化時(shí)間復(fù)雜度，list的結(jié)構(gòu)是：

[counter, smallWindow1, count1, smallWindow2, count2, smallWindow3, count3...]

也就是我們使用list的第一個(gè)元素存儲(chǔ)計(jì)數(shù)器，每個(gè)窗口用兩個(gè)元素表示，第一個(gè)元素表示小窗口值，第二個(gè)元素表示這個(gè)小窗口的計(jì)數(shù)。不直接把小窗口值和計(jì)數(shù)放到一個(gè)元素里是因?yàn)镽edis Lua腳本里沒(méi)有分割字符串的函數(shù)。

具體操作流程：

1.獲取list長(zhǎng)度

2.如果長(zhǎng)度是0，設(shè)置counter，長(zhǎng)度+1

3.如果長(zhǎng)度大于1，獲取第二第三個(gè)元素

如果該值小于起始小窗口值，counter-第三個(gè)元素的值，刪除第二第三個(gè)元素，長(zhǎng)度-2

4.如果counter大于等于limit，請(qǐng)求失敗

5.如果長(zhǎng)度大于1，獲取倒數(shù)第二第一個(gè)元素

如果倒數(shù)第二個(gè)元素小窗口值大于等于當(dāng)前小窗口值，表示當(dāng)前請(qǐng)求因?yàn)榫W(wǎng)絡(luò)延遲的問(wèn)題，到達(dá)服務(wù)器的時(shí)候，窗口已經(jīng)過(guò)時(shí)了，把倒數(shù)第二個(gè)元素當(dāng)成當(dāng)前小窗口（因?yàn)樗拢?，倒?shù)第一個(gè)元素值+1
否則，添加新的窗口值，添加新的計(jì)數(shù)（1），更新過(guò)期時(shí)間

6.否則，添加新的窗口值，添加新的計(jì)數(shù)（1），更新過(guò)期時(shí)間

7.counter + 1

8.返回成功

const slidingWindowLimiterTryAcquireRedisScriptListImpl = `
-- ARGV[1]: 窗口時(shí)間大小
-- ARGV[2]: 窗口請(qǐng)求上限
-- ARGV[3]: 當(dāng)前小窗口值
-- ARGV[4]: 起始小窗口值

local window = tonumber(ARGV[1])
local limit = tonumber(ARGV[2])
local currentSmallWindow = tonumber(ARGV[3])
local startSmallWindow = tonumber(ARGV[4])

-- 獲取list長(zhǎng)度
local len = redis.call("llen", KEYS[1])
-- 如果長(zhǎng)度是0，設(shè)置counter，長(zhǎng)度+1
local counter = 0
if len == 0 then 
   redis.call("rpush", KEYS[1], 0)
   redis.call("pexpire", KEYS[1], window)
   len = len + 1
else
   -- 如果長(zhǎng)度大于1，獲取第二第個(gè)元素
   local smallWindow1 = tonumber(redis.call("lindex", KEYS[1], 1))
   counter = tonumber(redis.call("lindex", KEYS[1], 0))
   -- 如果該值小于起始小窗口值
   if smallWindow1 < startSmallWindow then 
      local count1 = redis.call("lindex", KEYS[1], 2)
      -- counter-第三個(gè)元素的值
      counter = counter - count1
      -- 長(zhǎng)度-2
      len = len - 2
      -- 刪除第二第三個(gè)元素
      redis.call("lrem", KEYS[1], 1, smallWindow1)
      redis.call("lrem", KEYS[1], 1, count1)
   end
end

-- 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
if counter >= limit then 
   return 0
end 

-- 如果長(zhǎng)度大于1，獲取倒數(shù)第二第一個(gè)元素
if len > 1 then
   local smallWindown = tonumber(redis.call("lindex", KEYS[1], -2))
   -- 如果倒數(shù)第二個(gè)元素小窗口值大于等于當(dāng)前小窗口值
   if smallWindown >= currentSmallWindow then
      -- 把倒數(shù)第二個(gè)元素當(dāng)成當(dāng)前小窗口（因?yàn)樗拢?，倒?shù)第一個(gè)元素值+1
      local countn = redis.call("lindex", KEYS[1], -1)
      redis.call("lset", KEYS[1], -1, countn + 1)
   else 
      -- 否則，添加新的窗口值，添加新的計(jì)數(shù)（1），更新過(guò)期時(shí)間
      redis.call("rpush", KEYS[1], currentSmallWindow, 1)
      redis.call("pexpire", KEYS[1], window)
   end
else 
   -- 否則，添加新的窗口值，添加新的計(jì)數(shù)（1），更新過(guò)期時(shí)間
   redis.call("rpush", KEYS[1], currentSmallWindow, 1)
   redis.call("pexpire", KEYS[1], window)
end 

-- counter + 1并更新
redis.call("lset", KEYS[1], 0, counter + 1)
return 1
`

算法都是操作list頭部或者尾部，所以時(shí)間復(fù)雜度接近O(1)

漏桶算法

漏桶需要保存當(dāng)前水位和上次放水時(shí)間，因此我們使用hash來(lái)保存這兩個(gè)值。

const leakyBucketLimiterTryAcquireRedisScript = `
-- ARGV[1]: 最高水位
-- ARGV[2]: 水流速度/秒
-- ARGV[3]: 當(dāng)前時(shí)間（秒）

local peakLevel = tonumber(ARGV[1])
local currentVelocity = tonumber(ARGV[2])
local now = tonumber(ARGV[3])

local lastTime = tonumber(redis.call("hget", KEYS[1], "lastTime"))
local currentLevel = tonumber(redis.call("hget", KEYS[1], "currentLevel"))
-- 初始化
if lastTime == nil then 
   lastTime = now
   currentLevel = 0
   redis.call("hmset", KEYS[1], "currentLevel", currentLevel, "lastTime", lastTime)
end 

-- 嘗試放水
-- 距離上次放水的時(shí)間
local interval = now - lastTime
if interval > 0 then
   -- 當(dāng)前水位-距離上次放水的時(shí)間(秒)*水流速度
   local newLevel = currentLevel - interval * currentVelocity
   if newLevel < 0 then 
      newLevel = 0
   end 
   currentLevel = newLevel
   redis.call("hmset", KEYS[1], "currentLevel", newLevel, "lastTime", now)
end

-- 若到達(dá)最高水位，請(qǐng)求失敗
if currentLevel >= peakLevel then
   return 0
end
-- 若沒(méi)有到達(dá)最高水位，當(dāng)前水位+1，請(qǐng)求成功
redis.call("hincrby", KEYS[1], "currentLevel", 1)
redis.call("expire", KEYS[1], peakLevel / currentVelocity)
return 1
`

package redis

import (
   "context"
   "github.com/go-redis/redis/v8"
   "time"
)

// LeakyBucketLimiter 漏桶限流器
type LeakyBucketLimiter struct {
   peakLevel       int           // 最高水位
   currentVelocity int           // 水流速度/秒
   client          *redis.Client // Redis客戶端
   script          *redis.Script // TryAcquire腳本
}

func NewLeakyBucketLimiter(client *redis.Client, peakLevel, currentVelocity int) *LeakyBucketLimiter {
   return &LeakyBucketLimiter{
      peakLevel:       peakLevel,
      currentVelocity: currentVelocity,
      client:          client,
      script:          redis.NewScript(leakyBucketLimiterTryAcquireRedisScript),
   }
}

func (l *LeakyBucketLimiter) TryAcquire(ctx context.Context, resource string) error {
   // 當(dāng)前時(shí)間
   now := time.Now().Unix()
   success, err := l.script.Run(ctx, l.client, []string{resource}, l.peakLevel, l.currentVelocity, now).Bool()
   if err != nil {
      return err
   }
   // 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
   if !success {
      return ErrAcquireFailed
   }
   return nil
}

令牌桶

令牌桶可以看作是漏桶的相反算法，它們一個(gè)是把水倒進(jìn)桶里，一個(gè)是從桶里獲取令牌。

const tokenBucketLimiterTryAcquireRedisScript = `
-- ARGV[1]: 容量
-- ARGV[2]: 發(fā)放令牌速率/秒
-- ARGV[3]: 當(dāng)前時(shí)間（秒）

local capacity = tonumber(ARGV[1])
local rate = tonumber(ARGV[2])
local now = tonumber(ARGV[3])

local lastTime = tonumber(redis.call("hget", KEYS[1], "lastTime"))
local currentTokens = tonumber(redis.call("hget", KEYS[1], "currentTokens"))
-- 初始化
if lastTime == nil then 
   lastTime = now
   currentTokens = capacity
   redis.call("hmset", KEYS[1], "currentTokens", currentTokens, "lastTime", lastTime)
end 

-- 嘗試發(fā)放令牌
-- 距離上次發(fā)放令牌的時(shí)間
local interval = now - lastTime
if interval > 0 then
   -- 當(dāng)前令牌數(shù)量+距離上次發(fā)放令牌的時(shí)間(秒)*發(fā)放令牌速率
   local newTokens = currentTokens + interval * rate
   if newTokens > capacity then 
      newTokens = capacity
   end 
   currentTokens = newTokens
   redis.call("hmset", KEYS[1], "currentTokens", newTokens, "lastTime", now)
end

-- 如果沒(méi)有令牌，請(qǐng)求失敗
if currentTokens == 0 then
   return 0
end
-- 果有令牌，當(dāng)前令牌-1，請(qǐng)求成功
redis.call("hincrby", KEYS[1], "currentTokens", -1)
redis.call("expire", KEYS[1], capacity / rate)
return 1
`

package redis

import (
   "context"
   "github.com/go-redis/redis/v8"
   "time"
)

// TokenBucketLimiter 令牌桶限流器
type TokenBucketLimiter struct {
   capacity int           // 容量
   rate     int           // 發(fā)放令牌速率/秒
   client   *redis.Client // Redis客戶端
   script   *redis.Script // TryAcquire腳本
}

func NewTokenBucketLimiter(client *redis.Client, capacity, rate int) *TokenBucketLimiter {
   return &TokenBucketLimiter{
      capacity: capacity,
      rate:     rate,
      client:   client,
      script:   redis.NewScript(tokenBucketLimiterTryAcquireRedisScript),
   }
}

func (l *TokenBucketLimiter) TryAcquire(ctx context.Context, resource string) error {
   // 當(dāng)前時(shí)間
   now := time.Now().Unix()
   success, err := l.script.Run(ctx, l.client, []string{resource}, l.capacity, l.rate, now).Bool()
   if err != nil {
      return err
   }
   // 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
   if !success {
      return ErrAcquireFailed
   }
   return nil
}

滑動(dòng)日志

算法流程與滑動(dòng)窗口相同，只是它可以指定多個(gè)策略，同時(shí)在請(qǐng)求失敗的時(shí)候，需要通知調(diào)用方是被哪個(gè)策略所攔截。

const slidingLogLimiterTryAcquireRedisScriptHashImpl = `
-- ARGV[1]: 當(dāng)前小窗口值
-- ARGV[2]: 第一個(gè)策略的窗口時(shí)間大小
-- ARGV[i * 2 + 1]: 每個(gè)策略的起始小窗口值
-- ARGV[i * 2 + 2]: 每個(gè)策略的窗口請(qǐng)求上限

local currentSmallWindow = tonumber(ARGV[1])
-- 第一個(gè)策略的窗口時(shí)間大小
local window = tonumber(ARGV[2])
-- 第一個(gè)策略的起始小窗口值
local startSmallWindow = tonumber(ARGV[3])
local strategiesLen = #(ARGV) / 2 - 1

-- 計(jì)算每個(gè)策略當(dāng)前窗口的請(qǐng)求總數(shù)
local counters = redis.call("hgetall", KEYS[1])
local counts = {}
-- 初始化counts
for j = 1, strategiesLen do
   counts[j] = 0
end

for i = 1, #(counters) / 2 do 
   local smallWindow = tonumber(counters[i * 2 - 1])
   local counter = tonumber(counters[i * 2])
   if smallWindow < startSmallWindow then
      redis.call("hdel", KEYS[1], smallWindow)
   else 
      for j = 1, strategiesLen do
         if smallWindow >= tonumber(ARGV[j * 2 + 1]) then
            counts[j] = counts[j] + counter
         end
      end
   end
end

-- 若到達(dá)對(duì)應(yīng)策略窗口請(qǐng)求上限，請(qǐng)求失敗，返回違背的策略下標(biāo)
for i = 1, strategiesLen do
   if counts[i] >= tonumber(ARGV[i * 2 + 2]) then
      return i - 1
   end
end

-- 若沒(méi)到窗口請(qǐng)求上限，當(dāng)前小窗口計(jì)數(shù)器+1，請(qǐng)求成功
redis.call("hincrby", KEYS[1], currentSmallWindow, 1)
redis.call("pexpire", KEYS[1], window)
return -1
`

package redis

import (
   "context"
   "errors"
   "fmt"
   "github.com/go-redis/redis/v8"
   "sort"
   "time"
)

// ViolationStrategyError 違背策略錯(cuò)誤
type ViolationStrategyError struct {
   Limit  int           // 窗口請(qǐng)求上限
   Window time.Duration // 窗口時(shí)間大小
}

func (e *ViolationStrategyError) Error() string {
   return fmt.Sprintf("violation strategy that limit = %d and window = %d", e.Limit, e.Window)
}

// SlidingLogLimiterStrategy 滑動(dòng)日志限流器的策略
type SlidingLogLimiterStrategy struct {
   limit        int   // 窗口請(qǐng)求上限
   window       int64 // 窗口時(shí)間大小
   smallWindows int64 // 小窗口數(shù)量
}

func NewSlidingLogLimiterStrategy(limit int, window time.Duration) *SlidingLogLimiterStrategy {
   return &SlidingLogLimiterStrategy{
      limit:  limit,
      window: int64(window),
   }
}

// SlidingLogLimiter 滑動(dòng)日志限流器
type SlidingLogLimiter struct {
   strategies  []*SlidingLogLimiterStrategy // 滑動(dòng)日志限流器策略列表
   smallWindow int64                        // 小窗口時(shí)間大小
   client      *redis.Client                // Redis客戶端
   script      *redis.Script                // TryAcquire腳本
}

func NewSlidingLogLimiter(client *redis.Client, smallWindow time.Duration, strategies ...*SlidingLogLimiterStrategy) (
   *SlidingLogLimiter, error) {
   // 復(fù)制策略避免被修改
   strategies = append(make([]*SlidingLogLimiterStrategy, 0, len(strategies)), strategies...)

   // 不能不設(shè)置策略
   if len(strategies) == 0 {
      return nil, errors.New("must be set strategies")
   }

   // redis過(guò)期時(shí)間精度最大到毫秒，因此窗口必須能被毫秒整除
   if smallWindow%time.Millisecond != 0 {
      return nil, errors.New("the window uint must not be less than millisecond")
   }
   smallWindow = smallWindow / time.Millisecond
   for _, strategy := range strategies {
      if strategy.window%int64(time.Millisecond) != 0 {
         return nil, errors.New("the window uint must not be less than millisecond")
      }
      strategy.window = strategy.window / int64(time.Millisecond)
   }

   // 排序策略，窗口時(shí)間大的排前面，相同窗口上限大的排前面
   sort.Slice(strategies, func(i, j int) bool {
      a, b := strategies[i], strategies[j]
      if a.window == b.window {
         return a.limit > b.limit
      }
      return a.window > b.window
   })

   for i, strategy := range strategies {
      // 隨著窗口時(shí)間變小，窗口上限也應(yīng)該變小
      if i > 0 {
         if strategy.limit >= strategies[i-1].limit {
            return nil, errors.New("the smaller window should be the smaller limit")
         }
      }
      // 窗口時(shí)間必須能夠被小窗口時(shí)間整除
      if strategy.window%int64(smallWindow) != 0 {
         return nil, errors.New("window cannot be split by integers")
      }
      strategy.smallWindows = strategy.window / int64(smallWindow)
   }

   return &SlidingLogLimiter{
      strategies:  strategies,
      smallWindow: int64(smallWindow),
      client:      client,
      script:      redis.NewScript(slidingLogLimiterTryAcquireRedisScriptHashImpl),
   }, nil
}

func (l *SlidingLogLimiter) TryAcquire(ctx context.Context, resource string) error {
   // 獲取當(dāng)前小窗口值
   currentSmallWindow := time.Now().UnixMilli() / l.smallWindow * l.smallWindow
   args := make([]interface{}, len(l.strategies)*2+2)
   args[0] = currentSmallWindow
   args[1] = l.strategies[0].window
   // 獲取每個(gè)策略的起始小窗口值
   for i, strategy := range l.strategies {
      args[i*2+2] = currentSmallWindow - l.smallWindow*(strategy.smallWindows-1)
      args[i*2+3] = strategy.limit
   }

   index, err := l.script.Run(
      ctx, l.client, []string{resource}, args...).Int()
   if err != nil {
      return err
   }
   // 若到達(dá)窗口請(qǐng)求上限，請(qǐng)求失敗
   if index != -1 {
      return &ViolationStrategyError{
         Limit:  l.strategies[index].limit,
         Window: time.Duration(l.strategies[index].window),
      }
   }
   return nil
}