限流是保障高并发Web服务稳定的关键，Golang中可通过多种策略实现：①基于x/time/rate的令牌桶算法，支持突发流量并控制平均速率，适用于API网关等场景；②通过定时器+channel模拟漏桶算法，实现请求平滑处理，适合防爬虫等严格限流需求；③在分布式环境下，结合Redis与Lua脚本实现原子性操作，利用滑动窗口统计精确控制全局限流；④将限流封装为中间件，基于IP地址为每个客户端分配独立限流器，并返回429状态码，便于集成到Gin、Echo等框架。选择策略需根据部署环境与业务需求，单机服务可用令牌桶，公网流量推荐Redis分布式方案，关键在于合理调参以平衡防护与用户体验。
在构建高并发的 Web 服务时，HTTP 请求限流是保障系统稳定性的关键措施之一。Golang 凭借其高效的并发模型和简洁的标准库，非常适合实现灵活且高性能的限流机制。下面介绍几种常见的限流策略及其在 Golang 中的具体实现方式。
基于令牌桶算法的限流
令牌桶算法是一种经典的限流方法，它允许请求在一定范围内“突发”执行，同时控制平均速率。Golang 的 x/time/rate 包提供了开箱即用的令牌桶实现。
使用 rate.Limiter 可以轻松为每个客户端或全局设置请求频率限制：
- 创建一个每秒生成 10 个令牌、最多容纳 20 个令牌的限流器：
limiter := rate.NewLimiter(10, 20) - 在处理请求前调用
limiter.Allow()或limiter.Wait(context)判断是否放行 - 适用于接口级限流，如 API 网关或中间件中对特定路由进行控制
基于漏桶算法的限流
漏桶算法强调请求的平滑处理，以恒定速率向外“漏水”，超出容量的请求被丢弃或排队。虽然标准库未直接提供漏桶实现，但可通过定时器 + channel 模拟。
立即学习“go语言免费学习笔记（深入）”；
一种简单实现方式是维护一个带缓冲的 channel 作为桶，每次请求尝试向其中发送信号：
- 定义固定大小的 channel，例如
bucket := make(chan struct{}, capacity) - 启动后台 goroutine 定时从 channel 中取出元素（模拟漏水）
- 请求到来时尝试非阻塞写入 channel，失败则表示桶满，拒绝请求
- 适合需要严格控制请求数量的场景，比如防止爬虫高频访问
分布式环境下的限流方案
单机限流无法应对多实例部署的情况。在微服务架构中，需借助外部存储实现全局限流。
常用做法是结合 Redis 与 Lua 脚本实现原子性操作：
- 使用 Redis 记录每个客户端的请求时间戳列表
- 通过 Lua 脚本判断当前请求是否超过阈值，避免多次网络往返
- 采用滑动窗口算法提升精度，例如统计最近一分钟内的请求数
- Golang 中可使用 go-redis/redis 客户端调用 EVAL 命令执行脚本
集成到 HTTP 服务中的限流中间件
将限流逻辑封装成中间件，可以方便地应用于 Gin、Echo 或原生 net/http 框架。
示例：编写一个基于 IP 地址的限流中间件：
- 从请求中提取客户端 IP，作为限流键值
- 使用 map + sync.RWMutex 或第三方缓存（如 fasthttp/fastip）管理多个限流器实例
- 每个 IP 对应一个独立的 rate.Limiter，定期清理长时间未活动的记录
- 返回 429 Too Many Requests 状态码告知客户端已被限流
基本上就这些。选择合适的限流策略取决于业务需求：如果是内部服务调用，单机令牌桶足够；面对公网流量，则建议结合 Redis 实现更精确的分布式控制。关键是根据实际负载情况调整参数，避免误杀正常用户。
