答案：Golang中限流可通过令牌桶算法（如rate.Limiter）实现单机限流，结合HTTP中间件统一管理；分布式场景需借助Redis实现滑动窗口计数，或在API网关层集成限流以支持多维度策略控制。
在微服务架构中，限流是防止系统被突发流量压垮的重要手段。Golang凭借高并发和高性能特性，非常适合实现限流逻辑。常见的限流策略包括令牌桶、漏桶、计数器等，结合中间件或第三方库可以轻松集成到服务中。
使用令牌桶算法进行限流
令牌桶算法允许一定量的突发请求通过，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。
示例代码：
import "golang.org/x/time/rate"
// 每秒最多处理5个请求，最多允许10个突发请求
limiter := rate.NewLimiter(5, 10)
http.HandleFunc("/api", func(w http.ResponseWriter, r *http.Request) {
if !limiter.Allow() {
http.Error(w, "Too Many Requests", http.StatusTooManyRequests)
return
}
// 正常处理请求
w.Write([]byte("Success"))
})
这种方式适合单机部署场景，简单高效。
立即学习“go语言免费学习笔记（深入）”；
基于中间件的统一限流
将限流逻辑封装为HTTP中间件，可复用且不影响业务代码。
func RateLimitMiddleware(limiter *rate.Limiter) func(http.Handler) http.Handler {
return func(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
if !limiter.Allow() {
http.Error(w, "Rate limit exceeded", http.StatusTooManyRequests)
return
}
next.ServeHTTP(w, r)
})
}
}
// 使用
limiter := rate.NewLimiter(2, 5)
http.Handle("/api", RateLimitMiddleware(limiter)(http.HandlerFunc(apiHandler)))
所有经过该中间件的请求都会被统一限制，便于管理。
分布式环境下的限流方案
单机限流无法应对多实例部署。此时需借助Redis等共享存储实现分布式限流。
常用方法是结合Redis的INCR和EXPIRE命令实现滑动窗口计数。
- 每个请求到来时，对用户或IP对应的key进行自增
- 设置过期时间为窗口大小（如1秒）
- 若计数超过阈值，则拒绝请求
可用 redigo 或 go-redis 客户端操作Redis。也可使用Sentinel、Resilience4j等框架提供的高级功能。
结合服务注册与API网关做全局限流
更完善的方案是在API网关层统一限流，例如使用KrakenD、Traefik或自研网关集成限流模块。
优点：
- 减轻后端服务负担
- 支持按用户、APP Key、路径等维度配置策略
- 可动态调整规则而无需重启服务
Golang编写的网关可直接集成上述限流逻辑，实现高性能拦截。
基本上就这些。选择哪种方式取决于部署规模和需求复杂度。小项目用rate.Limiter就够了，大型系统建议结合Redis+网关做精细化控制。
