使用Golang的rate包实现令牌桶限流，控制请求速率；2. 通过IP级限流器对客户端独立限流；3. 结合上下文超时防止慢请求；4. 可选第三方库提升精度。
在高并发场景下，Golang 编写的 HTTP 服务面临请求过载风险。合理实施限流与请求控制，能有效保护系统稳定性，防止资源耗尽。本文结合常见实践，介绍几种实用的限流策略与实现方式。
基于令牌桶的限流实现
令牌桶算法是限流中最常用的模型之一，允许一定程度的突发流量，同时控制平均速率。
Golang 标准库 golang.org/x/time/rate 提供了开箱即用的令牌桶实现：
import "golang.org/x/time/rate"
var limiter = rate.NewLimiter(10, 50) // 每秒10个令牌，最多积压50个
func handler(w http.ResponseWriter, r *http.Request) {
if !limiter.Allow() {
http.StatusText(http.StatusTooManyRequests)
return
}
// 正常处理逻辑
}
上述代码限制每秒最多处理10个请求，支持短时突发50次。可将其封装为中间件，统一应用于多个路由。
立即学习“go语言免费学习笔记（深入）”；
按客户端IP进行精细化限流
单一全局限流不够灵活，实际中常需对每个客户端独立限流。
使用 map + sync.RWMutex 维护每个 IP 的限流器：
type IPRateLimiter struct {
visitors map[string]*rate.Limiter
mu sync.RWMutex
}
func (i *IPRateLimiter) Add(ip string) *rate.Limiter {
i.mu.Lock()
defer i.mu.Unlock()
limiter := rate.NewLimiter(2, 5)
i.visitors[ip] = limiter
return limiter
}
func (i *IPRateLimiter) GetLimiter(ip string) *rate.Limiter {
i.mu.Lock()
limiter, exists := i.visitors[ip]
i.mu.Unlock()
if !exists {
return i.Add(ip)
}
return limiter
}
在中间件中调用：
func rateLimitMiddleware(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
ip := getClientIP(r)
if !ipLimiter.GetLimiter(ip).Allow() {
http.StatusText(http.StatusTooManyRequests)
return
}
next.ServeHTTP(w, r)
})
}
结合超时与上下文控制请求生命周期
除了限制请求数量，还需防止慢请求拖垮服务。
为每个请求设置上下文超时：
func timeoutMiddleware(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
ctx, cancel := context.WithTimeout(r.Context(), 5*time.Second)
defer cancel()
r = r.WithContext(ctx)
next.ServeHTTP(w, r)
})
}
在业务处理中监听 ctx.Done() 可及时中断长时间操作，避免资源堆积。
使用第三方库简化集成
对于复杂场景，可选用成熟库如 uber-go/ratelimit 或 gin-gonic/contrib（若使用 Gin）。
例如 uber-go/ratelimit 提供更精确的限流控制：
import "go.uber.org/ratelimit" rl := ratelimit.New(100) // 每秒100次 defer rl.Take()
适合对精度要求更高的场景。
基本上就这些。通过组合令牌桶、IP级控制、超时机制，再辅以适当中间件封装，就能构建出稳定可靠的限流体系。关键在于根据业务需求选择合适粒度和阈值，避免过度限制影响正常用户。
