标准答案
- 以时间戳队列保存最近请求，删除窗口外记录后判断剩余数量。
- 高流量场景可用多个时间桶近似，桶越细越准确但存储和更新成本越高。
- 分布式实现要考虑计数原子性、时钟偏差和过期清理。
题目解析
固定窗口只保存当前桶计数，在窗口边界附近可能让请求短时间通过两倍额度。精确滑动窗口保存最近事件，能减少边界误差，但高流量下会带来更多内存和清理成本。
时间桶是常见近似：桶越细，精度越高，更新和存储开销也越大。实现要处理过期清理、取消是否计数以及请求开始还是成功时计数。
多实例滑动窗口需要共享的原子时间桶或近似算法，并处理时钟偏差和存储故障。限流误差要与业务风险匹配，不能只追求数学精确。
代码示例
单机时间戳队列示意：
TypeScript
while (timestamps.length && timestamps[0] <= now - windowMs) timestamps.shift()
if (timestamps.length >= limit) return false
timestamps.push(now)
return true常见误区
- 误区：时间戳不清理。改正：每次判断和后台任务都清理窗口外记录，并设置内存上限。
- 误区：只在请求开始计数却不说明取消行为。改正：先定义限制请求进入、并发占用还是成功完成，并保持指标语义一致。
- 误区：多节点使用本地窗口却当成全局窗口。改正：使用共享计数或明确接受每节点近似误差。