当前位置:首页 > 文章列表 > Golang > Go教程 > Golang令牌桶算法实现API限流详解

Golang令牌桶算法实现API限流详解

2025-08-15 23:13:50 0浏览 收藏

哈喽!大家好,很高兴又见面了,我是golang学习网的一名作者,今天由我给大家带来一篇《Golang实现API限流:令牌桶算法详解》,本文主要会讲到等等知识点,希望大家一起学习进步,也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧!

使用Golang实现API限流的推荐方法是采用golang.org/x/time/rate包实现令牌桶算法,该方法每秒生成10个令牌、桶容量为20,通过限流中间件对每个IP进行并发控制,结合sync.RWMutex保证并发安全,并可扩展支持动态配置与分布式限流,最终构建稳定的API防护体系。

如何用Golang实现API限流 令牌桶算法实践

在高并发场景下,API限流是保护后端服务稳定的重要手段。Golang 因其高并发支持和简洁的并发模型,非常适合实现高效的限流机制。其中,令牌桶算法(Token Bucket) 是一种常用且灵活的限流策略。本文将介绍如何使用 Golang 实现基于令牌桶算法的 API 限流。


什么是令牌桶算法?

令牌桶算法的核心思想是:

  • 系统以固定速率向桶中添加令牌;
  • 每次请求需要从桶中获取一个令牌;
  • 如果桶中有足够的令牌,请求被放行;
  • 如果令牌不足,请求被拒绝或等待。

相比漏桶算法,令牌桶允许一定程度的突发流量(burst),只要桶中还有令牌就可以通过,更加实用。


使用 Golang 实现令牌桶

我们可以使用标准库 time 和 sync 来实现一个简单的令牌桶,也可以借助 golang.org/x/time/rate 包(推荐)。

方法一:使用 golang.org/x/time/rate(推荐)

这是官方维护的限流工具包,基于令牌桶实现,简单高效。

package main

import (
    "fmt"
    "log"
    "net/http"
    ""sync"
    "time"

    "golang.org/x/time/rate"
)

// 为每个用户或IP维护一个限流器
var visitors = make(map[string]*rate.Limiter)
var mtx sync.RWMutex

// 获取对应IP的限流器,每秒允许10个请求,桶容量为20
func getVisitorLimiter(ip string) *rate.Limiter {
    mtx.Lock()
    defer mtx.Unlock()

    limiter, exists := visitors[ip]
    if !exists {
        // 每秒生成10个令牌,桶最多存20个
        limiter = rate.NewLimiter(10, 20)
        visitors[ip] = limiter
    }
    return limiter
}

// 限流中间件
func rateLimit(next http.Handler) http.Handler {
    return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
        ip := r.RemoteAddr // 实际使用中建议提取真实IP
        limiter := getVisitorLimiter(ip)

        if !limiter.Allow() {
            http.StatusText(http.StatusTooManyRequests)
            w.WriteHeader(http.StatusTooManyRequests)
            w.Write([]byte("Too many requests"))
            return
        }

        next.ServeHTTP(w, r)
    })
}

func main() {
    mux := http.NewServeMux()
    mux.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
        fmt.Fprintf(w, "Hello, your request is processed at %v", time.Now())
    })

    log.Println("Server starting on :8080")
    log.Fatal(http.ListenAndServe(":8080", rateLimit(mux)))
}

说明:

  • rate.NewLimiter(10, 20):每秒生成10个令牌,最多积压20个。
  • limiter.Allow():判断是否允许请求通过,返回布尔值。
  • 使用 sync.RWMutex 保证并发安全。
  • 可以按 IP、用户ID 或 API Key 做维度限流。

方法二:手动实现一个简单的令牌桶

如果你希望理解底层原理,可以自己实现一个基础版本。

package main

import (
    "sync"
    "time"
)

type TokenBucket struct {
    capacity  int           // 桶容量
    tokens    int           // 当前令牌数
    rate      time.Duration // 添加一个令牌的时间间隔
    lastToken time.Time     // 上次添加令牌的时间
    mutex     sync.Mutex
}

// 创建令牌桶:每 `rate` 时间添加一个令牌,最多 `capacity` 个
func NewTokenBucket(capacity int, rate time.Duration) *TokenBucket {
    return &TokenBucket{
        capacity:  capacity,
        tokens:    capacity,
        rate:      rate,
        lastToken: time.Now(),
    }
}

// 获取令牌,成功返回 true
func (tb *TokenBucket) Allow() bool {
    tb.mutex.Lock()
    defer tb.mutex.Unlock()

    now := time.Now()
    // 计算应该补充多少令牌
    elapsed := now.Sub(tb.lastToken)
    newTokens := int(elapsed / tb.rate)
    if newTokens > 0 {
        tb.tokens = min(tb.capacity, tb.tokens+newTokens)
        tb.lastToken = now
    }

    if tb.tokens > 0 {
        tb.tokens--
        return true
    }
    return false
}

func min(a, b int) int {
    if a < b {
        return a
    }
    return b
}

使用方式与上面类似,可集成到 HTTP 中间件中。


限流策略建议

  • 按客户端限流:根据 IP、用户ID、API Key 区分限流维度。
  • 分层限流:可同时做全局限流 + 用户级限流。
  • 动态配置:从配置中心动态调整限流参数。
  • 监控与告警:记录被限流的请求,便于分析和优化。

注意事项

  • r.RemoteAddr 在有反向代理时可能不准确,建议使用 X-Forwarded-For 或 X-Real-IP 头部。
  • 生产环境中建议使用 redis + lua 实现分布式限流,当前方案适用于单机。
  • rate.Limiter 支持阻塞等待(Wait())和带上下文的控制,适合更复杂场景。

基本上就这些。使用 golang.org/x/time/rate 是最简单可靠的方式,而手动实现有助于理解原理。在实际项目中,推荐结合中间件、日志和监控,打造完整的 API 防护体系。

终于介绍完啦!小伙伴们,这篇关于《Golang令牌桶算法实现API限流详解》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布Golang相关知识,快来关注吧!

CSS网格背景制作教程CSS网格背景制作教程
上一篇
CSS网格背景制作教程
PHP加密函数实用技巧大全
下一篇
PHP加密函数实用技巧大全
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    292次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    345次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    350次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    313次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    133次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码