当前位置:首页 > 文章列表 > Golang > Go教程 > Go 令牌桶限流实战:用 time.Ticker 保护高频接口

Go 令牌桶限流实战:用 time.Ticker 保护高频接口

来源:17golang原创 2026-06-13 04:15:55 0浏览 收藏

接口平时很稳,一到活动页刷新、脚本误刷、移动端网络抖动重试,就突然出现数据库连接飙升、缓存被打满、下游接口超时。限流的目标不是让系统“拒绝所有请求”,而是在高峰时按可承受的速率放行,把超过能力的请求尽早挡在入口。

适合人群:已经会写 Go HTTP 服务,想给登录、下单、短信发送、报表导出等高频接口加一层轻量保护的同学。本文只使用标准库,便于理解令牌桶的核心逻辑。

目录

  • 为什么要在入口做限流
  • 令牌桶的工作方式
  • 用 Go 实现一个轻量限流器
  • 接入 HTTP 中间件
  • 指标和常见坑

一、为什么要在入口做限流

没有限流时,所有请求都会进入业务代码。只要下游资源先撑不住,问题就会从一个接口扩散到整个服务:连接池被占满、慢请求堆积、正常用户也无法访问。入口限流可以提前判断“系统现在还能不能接”,把拒绝成本控制在最小范围内。

常见需要限流的接口包括:

  • 登录、注册、验证码发送等容易被刷的入口。
  • 下单、支付确认、库存查询等依赖核心资源的链路。
  • 导出、搜索、统计报表等单次成本较高的接口。

二、令牌桶的工作方式

令牌桶可以理解成一个容量有限的小桶:后台按固定速度往桶里放令牌,每个请求进来时尝试拿一个令牌;拿到就放行,拿不到就拒绝或稍后再试。桶容量决定允许的突发峰值,补充速率决定长期吞吐。

Go 令牌桶限流中请求进入、取令牌、放行或拒绝的流程图

比如桶容量是 10,补充速率是每秒 5 个令牌。平稳情况下,每秒最多放行 5 个请求;如果之前比较空闲,桶里攒了 10 个令牌,就可以承受一次短暂突发,但突发过后仍会回到每秒 5 个的节奏。

三、用 Go 实现一个轻量限流器

下面的实现使用带缓冲的 channel 表示令牌桶,用 `time.Ticker` 定时补充令牌。`Allow` 方法不等待,能拿到令牌就返回 true,拿不到就返回 false。

package main

import (
    "context"
    "sync"
    "time"
)

type TokenBucket struct {
    tokens chan struct{}
    stop   chan struct{}
    once   sync.Once
}

func NewTokenBucket(capacity int, refillEvery time.Duration) *TokenBucket {
    bucket := &TokenBucket{
        tokens: make(chan struct{}, capacity),
        stop:   make(chan struct{}),
    }

    for i := 0; i 

这里的 `refillEvery` 是“多久补一个令牌”。如果设置为 200 毫秒,就相当于每秒最多补 5 个令牌。桶满时补充会被丢弃,避免令牌无限堆积。

Go 令牌桶中 time.Ticker 定时补充令牌、桶满丢弃补充、请求消耗令牌的流程图

四、接入 HTTP 中间件

限流器通常放在中间件里。请求进来后先判断是否允许访问,拿不到令牌就直接返回 429,拿到令牌再交给后面的业务处理。

package main

import (
    "fmt"
    "net/http"
    "time"
)

func RateLimit(bucket *TokenBucket, next http.Handler) http.Handler {
    return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
        if !bucket.Allow() {
            w.Header().Set("Retry-After", "1")
            http.Error(w, "too many requests", http.StatusTooManyRequests)
            return
        }
        next.ServeHTTP(w, r)
    })
}

func hello(w http.ResponseWriter, r *http.Request) {
    _, _ = fmt.Fprintln(w, "hello 17golang")
}

func buildServer() *http.Server {
    bucket := NewTokenBucket(20, 100*time.Millisecond)
    mux := http.NewServeMux()
    mux.Handle("/", RateLimit(bucket, http.HandlerFunc(hello)))

    return &http.Server{
        Addr:              ":8080",
        Handler:           mux,
        ReadHeaderTimeout: 3 * time.Second,
    }
}

这份中间件是全局限流。真实业务里可以按接口、用户、IP、租户分别设置不同桶。比如短信接口更严格,普通查询接口宽松一些。

五、指标和常见坑

1. 不要只看成功请求数

限流上线后要同时观察放行数、拒绝数、接口耗时、下游连接池占用。如果拒绝数突然升高,说明入口压力变大,或者桶参数设置太小。

2. 桶容量不是越大越好

桶容量越大,允许的瞬时突发越高。容量过大会让突发流量直接冲到下游,失去保护意义。建议从下游资源能承受的峰值反推。

3. 单机限流不等于集群总限流

上面的实现是单进程内限流。如果服务部署 10 个实例,每个实例每秒放行 50 个请求,集群总放行量就是大约每秒 500 个。需要全局配额时,要结合网关或集中式计数。

4. 上线前自测清单

  • 低并发访问时全部放行,接口耗时没有明显增加。
  • 高并发访问时出现 429,下游数据库和缓存保持稳定。
  • 桶容量和补充速率可以通过配置调整。
  • 日志里能看到限流发生的接口、来源和次数。

总结

Go 里用 `time.Ticker` 和 channel 就能实现一个容易理解的令牌桶。落地时记住两件事:桶容量控制突发,补充速率控制长期吞吐。把它放到 HTTP 中间件后,入口就能先挡住超过系统承受能力的请求,让下游资源保持在稳定区间。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Redis ZSET 延迟队列实战:订单超时取消这样做更稳Redis ZSET 延迟队列实战:订单超时取消这样做更稳
上一篇
Redis ZSET 延迟队列实战:订单超时取消这样做更稳
AI 工具调用落地实战:JSON Schema、参数校验和人工兜底
下一篇
AI 工具调用落地实战:JSON Schema、参数校验和人工兜底
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。
    919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。
    924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。
    1022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。
    1000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。
    827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