使用带缓冲channel可限制最大并发数，如10个goroutine；基于time.Ticker可实现漏桶限流，按固定速率处理请求，保障系统稳定性。
在高并发场景下，Golang常用于构建高性能服务，但如果不加控制地处理大量请求，可能导致系统资源耗尽、数据库压力过大或第三方接口被限。因此，并发限流是保障系统稳定性的关键手段。Golang提供了多种方式实现并发请求的限流与控制，下面介绍几种常用且实用的方法。
使用带缓冲的channel实现简单计数限流
最基础的限流方式是通过固定大小的带缓冲 channel 控制最大并发数。每个请求需要先从 channel 获取一个“令牌”，处理完成后再释放。
这种方式适合控制最大并发量，例如限制同时最多10个 goroutine 执行任务：
var limitCh = make(chan struct{}, 10) // 最多10个并发
func handleRequest() {
limitCh <- struct{}{} // 获取令牌
defer func() { <-limitCh }() // 释放令牌
// 处理业务逻辑
doWork()
}
立即学习“go语言免费学习笔记（深入）”；
这种方法简单直观，适用于不需要精确时间窗口控制的场景。
基于time.Ticker实现漏桶限流
如果希望以固定速率处理请求（如每秒最多处理5个），可以使用 time.Ticker 模拟漏桶算法。
func rateLimiter(rps int) <-chan struct{} {
ch := make(chan struct{})
go func() {
ticker := time.NewTicker(time.Second / time.Duration(rps))
for range ticker.C {
select {
case ch <- struct{}{}:
default: // 非阻塞发送，避免堆积
}
}
}()
return ch
}
// 使用示例
limiter := rateLimiter(5) // 每秒5次
for i := 0; i < 100; i++ {
<-limiter
go handleRequest()
}
这种模式能平滑控制请求速率，防止突发流量冲击后端服务。
本文档主要讲述的是android rtsp流媒体播放介绍；实时流协议（RTSP）是应用级协议，控制实时数据的发送。RTSP提供了一个可扩展框架，使实时数据，如音频与视频，的受控、点播成为可能。数据源包括现场数据与存储在剪辑中数据。该协议目的在于控制多个数据发送连接，为选择发送通道，如UDP、组播UDP与TCP，提供途径，并为选择基于RTP上发送机制提供方法。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
使用golang.org/x/time/rate实现令牌桶限流
Golang官方扩展库 golang.org/x/time/rate 提供了成熟的令牌桶实现，支持突发请求和长期速率控制，是生产环境推荐的方式。
import "golang.org/x/time/rate"limiter := rate.NewLimiter(rate.Limit(10), 5) // 每秒10个，最多允许5个突发
for i := 0; i < 100; i++ { if !limiter.Allow() { continue // 跳过或排队 } go handleRequest() }
也可以用 Wait() 方法阻塞等待令牌，确保请求按速率执行：
ctx, cancel := context.WithTimeout(context.Background(), time.Second) defer cancel()if err := limiter.Wait(ctx); err != nil { // 超时或被取消 return } handleRequest()
该方法灵活支持上下文超时、突发容量设置，适合API调用、微服务间通信等场景。
结合context实现请求级超时与取消
在并发控制中，应始终使用 context 避免 goroutine 泄漏。将限流与 context 结合，可实现更安全的请求管理。
ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond) defer cancel()limiter := rate.NewLimiter(1, 1) for i := 0; i < 100; i++ { go func(id int) { if err := limiter.Wait(ctx); err != nil { log.Printf("request %d timed out", id) return } doWork() }(i) }
这样即使某个请求卡住，也能及时退出，避免资源浪费。
基本上就这些。根据实际需求选择合适的方式：简单并发控制用 channel，固定速率用 Ticker，复杂场景推荐 rate 包。合理限流能让系统更健壮，响应更可控。
