Python 令牌桶限流的异步版本
2026-05-02 18:18:29
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《Python 令牌桶限流的异步版本》,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!
asyncio版令牌桶不能直接套用threading版逻辑,因为threading.Lock在协程中会阻塞event loop且不可await,导致并发请求串行化、吞吐量骤降;必须改用asyncio.Lock或无锁结构。

asyncio 版令牌桶为什么不能直接套用 threading 版逻辑
因为 threading.Lock 在协程里会阻塞整个 event loop,不是 awaitable;用它会导致所有并发请求串行化,吞吐量断崖下跌。真正的异步限流必须用 asyncio.Lock 或无锁结构(如原子计数器 + asyncio.sleep)。
- 常见错误现象:
RuntimeWarning: coroutine 'Lock.acquire' was never awaited,或压测时 QPS 卡在 1–2,远低于预期 - 正确做法:用
asyncio.Lock包裹桶状态更新,且只在需要修改tokens和last_refill时加锁,读取当前令牌数可不加锁(容忍短暂脏读) - 性能影响:锁粒度越小越好,避免把
await asyncio.sleep()放在锁内——那会让其他协程干等
如何实现线程安全又低开销的 async 令牌桶
核心是分离「判断是否放行」和「更新桶状态」两个动作,用「先检查、再尝试更新」+ 失败重试(或直接拒绝)的策略,减少锁持有时间。
- 使用场景:FastAPI / Starlette 中间件、aiohttp 路由装饰器、或独立的限流服务客户端
- 关键参数:
rate(每秒令牌数)、burst(最大令牌数)、refill_interval(推荐设为1.0 / rate,但避免浮点精度误差) - 示例片段:
async def _refill_tokens(self): now = time.time() if now = self.last_refill + self.refill_interval: self.tokens = min(self.burst, self.tokens + 1) self.last_refill = now return True return False
asyncio.Lock 和 aioredis 结合做分布式限流要注意什么
单机 asyncio.Lock 只管得住本进程协程,跨实例就得靠外部存储;但 Redis 的 INCR + EXPIRE 组合不是原子的,直接拼命令会丢令牌或误限流。
- 常见错误现象:高并发下
redis.exceptions.ConnectionError频发,或同一用户在不同实例上被重复计数 - 必须用 Lua 脚本封装 refill + check 逻辑,例如用
redis.eval执行一段脚本,保证「读当前值 → 判断 → 写新值 → 设 TTL」全在服务端原子完成 - 兼容性影响:Redis 6.0+ 支持
ACL权限控制,Lua 脚本里不能调用EVALSHA以外的命令(除非显式授权),否则报NOPERM - 参数差异:本地桶用
time.time(),Redis 桶必须用redis.time()(即服务器时间),否则时钟漂移导致 refill 错乱
为什么 aiofiles 或 httpx 不该在限流中间件里做耗时 IO
限流本身应该是微秒级决策,一旦在里面加日志写文件、查数据库、或调第三方 API,就会把整个路由 pipeline 拖慢,甚至让限流器自己成为瓶颈。
- 典型踩坑:在
__aenter__里用aiofiles.open记录每次请求,结果磁盘 IO 成为性能天花板 - 正确做法:限流只做两件事——返回 True/False,和可选地更新内存/Redis 状态;审计日志、告警、指标上报全部异步解耦(比如发到
asyncio.Queue由后台 task 消费) - 性能影响:实测在 FastAPI middleware 中加入一次
httpx.AsyncClient.get("https://httpbin.org/delay/0.1"),P99 延迟从 8ms 涨到 120ms+
事情说清了就结束。真正难的不是写个能跑的 async 令牌桶,而是想清楚哪些操作必须原子、哪些可以妥协、以及什么时候该放弃“精确限流”去换确定性延迟。
理论要掌握,实操不能落!以上关于《Python 令牌桶限流的异步版本》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
微信隐私安全防范:这样操作,聊天记录永久清空永不复原
- 上一篇
- 微信隐私安全防范:这样操作,聊天记录永久清空永不复原
- 下一篇
- CSS怎么控制绝对定位元素的宽度_设置width 100%或auto
查看更多
最新文章
-
- 文章 · python教程 | 3小时前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 10小时前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 12小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 21小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 1天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
查看更多
课程推荐
-
- 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
- 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
- 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
- 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
- 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
- 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。
- 260次使用
-
- 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。
- 305次使用
-
- 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。
- 285次使用
-
- 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。
- 261次使用
-
- 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。
- 71次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
