Python实现Redis令牌桶限流方法
2026-05-29 15:32:29
0浏览
收藏
本文深入解析了如何在Python中基于Redis高效、可靠地实现令牌桶限流,重点阐明为何选用INCR+EXPIRE组合而非SETNX——利用INCR首次返回1的特性精准触发过期设置,避免限流失效;强调必须通过预编译Lua脚本保障原子性,并采用Redis服务端TIME实现高精度惰性填充,彻底规避客户端时钟误差与并发竞态;同时给出Flask/FastAPI中规范返回429响应及X-RateLimit系列头部的最佳实践,兼顾标准兼容性与生产可用性,是构建高性能、分布式接口限流系统的实用指南。

Redis 令牌桶限流为什么选 INCR + EXPIRE 而不是 SETNX
因为要原子性地「增加令牌数」和「设置过期时间」,但 Redis 没有原生命令能一步完成这两件事。用 SETNX 只能抢锁,没法计数;而 INCR 天然支持自增,配合 EXPIRE(在 key 不存在时调用)就能模拟“首次创建+设过期”的语义。
常见错误是先 INCR 再无条件 EXPIRE,结果每次请求都重置过期时间,导致限流失效。正确做法是只在 INCR 返回 1(即 key 刚被创建)时才调用 EXPIRE。
- 使用场景:单机或分布式 Web 接口限流,比如限制用户每分钟最多调用 60 次
/api/v1/order - 参数差异:
INCR对不存在的 key 自动初始化为 0 再加 1,所以首次返回 1;后续返回值就是当前累计值 - 性能影响:纯内存操作,QPS 轻松破万;但要注意避免在高并发下反复
EXPIRE,可用 Lua 脚本封装逻辑(见下一条)
Python 用 redis-py 实现原子令牌桶的推荐写法
别手写多次 INCR + EXPIRE 请求,网络往返可能被中断。直接上 Lua 脚本,由 Redis 服务端保证原子性。
示例脚本(传入 key、最大令牌数、填充速率、时间窗口):
local current = redis.call("INCR", KEYS[1])
if current == 1 then
redis.call("EXPIRE", KEYS[1], tonumber(ARGV[1]))
end
if current > tonumber(ARGV[2]) then
return 0
end
return 1
Python 中调用:
- 用
redis_client.register_script(...)预编译,避免每次传输脚本 ARGV[1]是窗口秒数(如 60),ARGV[2]是最大令牌数(如 60)- 返回 1 表示放行,0 表示拒绝;注意它不自动填充令牌,只是基础版——真正动态填充需额外定时任务或惰性计算
令牌桶“动态填充”怎么在 Redis 里低成本实现
严格令牌桶要求每秒/毫秒自动加若干令牌,但 Redis 没有后台定时器。常见方案是「惰性填充」:每次请求时,根据距离上次更新的时间差,算出该补多少令牌,再更新值。
这必须用 Lua 完成,否则 GET + 计算 + SET 三步非原子,高并发下会丢令牌或超发。
- 关键点:用
HGETALL或两个独立 key 存「当前令牌数」和「最后更新时间戳」,Lua 里用redis.call("TIME")获取服务端时间 - 容易踩的坑:客户端时间不准、网络延迟导致时间戳误差;一律以 Redis 服务端
TIME为准 - 兼容性影响:Redis 6.0+ 支持
TIME命令,老版本需改用redis.call("INCR", "dummy")配合服务器时间预估(不推荐)
Flask/FastAPI 中拦截请求时,429 Too Many Requests 的响应头怎么设才合理
光返回状态码不够,前端或网关需要知道还能等多久、当前剩余配额。HTTP 标准建议用 X-RateLimit-Limit、X-RateLimit-Remaining 和 Retry-After。
X-RateLimit-Limit:固定值,比如 60X-RateLimit-Remaining:从 Lua 脚本返回的剩余令牌数(注意:若用惰性填充,这个值得在 Python 层再算一次)Retry-After:如果拒绝,填整数秒(如 60),表示 X 秒后重试;不要填带小数的秒或时间戳- 性能影响:每个响应都加 header 几乎无开销,但别在日志里重复打印这些字段,容易撑爆日志系统
复杂点在于「剩余令牌数」的获取时机——它不能简单等于 Lua 返回值,因为惰性填充后实际值已变;最稳的方式是在 Lua 里把新值也 RETURN 出来,Python 层直接透传。
理论要掌握,实操不能落!以上关于《Python实现Redis令牌桶限流方法》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!
智行火车票官网入口及订票指南
- 上一篇
- 智行火车票官网入口及订票指南
- 下一篇
- 解决Windows更新错误0x80070057方法
查看更多
最新文章
-
- 文章 · python教程 | 5小时前 |
- Python importlib.metadata.entry_points 怎样按组选择插件入口
- 154浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python pkgutil.get_data 遇到不支持资源读取的加载器会返回什么
- 156浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python aifc 被移除后怎样选择 AIFF 音频处理路径
- 404浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python profile 和 cProfile 的计时开销有什么区别
- 182浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python pstats 怎样同时限制性能报告的排序和显示条目
- 499浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python tokenize.detect_encoding 怎样识别源文件编码声明
- 235浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python mailbox.mbox 修改后为什么还要 flush 和 unlock
- 450浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python tabnanny 怎样检查混合缩进的歧义
- 166浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python mailbox.Maildir 怎样区分新邮件与已读邮件
- 343浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python sched 怎样取消尚未触发的定时事件
- 132浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python sched.scheduler 怎样让 run 不阻塞等待下个事件
- 164浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python cmd.Cmd 的 precmd 和 postcmd 怎样修改命令循环
- 236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。
- 781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。
- 775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。
- 861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。
- 826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。
- 653次使用
查看更多
相关文章
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- 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

