固定窗口限流实现简单但存在突增问题，滑动窗口更平滑精确，令牌桶支持突发流量，Golang可用rate库实现；分布式场景推荐Redis+Lua脚本进行集群限流。
微服务架构中，限流是保障系统稳定性的重要手段。Golang 因其高并发和高性能特性，非常适合构建需要精细控制流量的微服务。实现限流策略的核心目标是在高并发场景下防止服务被压垮，保护后端资源。下面介绍几种常见的限流方式及 Golang 实践示例。
固定窗口限流（Fixed Window）
固定窗口限流是最简单的实现方式，将时间划分为固定长度的窗口，在每个窗口内限制请求次数。
例如：每分钟最多允许 100 次请求。
优点：实现简单；缺点：存在“突发流量”问题，可能在窗口切换时出现双倍请求通过。
示例代码：
立即学习“go语言免费学习笔记（深入）”；
package mainimport ("sync""time")
type FixedWindowLimiter struct {maxCount intwindow time.Durationcount intlastReset time.Timemu sync.Mutex}
func NewFixedWindowLimiter(maxCount int, window time.Duration) *FixedWindowLimiter {return &FixedWindowLimiter{maxCount: maxCount,window: window,lastReset: time.Now(),}}
func (l *FixedWindowLimiter) Allow() bool {l.mu.Lock()defer l.mu.Unlock()
now := time.Now()if now.Sub(l.lastReset) > l.window { l.count = 0 l.lastReset = now}if l.count < l.maxCount { l.count++ return true}return false
}
滑动窗口限流（Sliding Window）
相比固定窗口，滑动窗口能更平滑地计算请求数，避免突增问题。它记录每个请求的时间戳，并判断过去一个窗口时间内是否超过阈值。
示例实现：
type SlidingWindowLimiter struct { maxCount int window time.Duration requests []time.Time mu sync.Mutex}func NewSlidingWindowLimiter(maxCount int, window time.Duration) *SlidingWindowLimiter {return &SlidingWindowLimiter{maxCount: maxCount,window: window,}}
func (l *SlidingWindowLimiter) Allow() bool {l.mu.Lock()defer l.mu.Unlock()
now := time.Now()cutOff := now.Add(-l.window)// 删除过期请求i := 0for _, t := range l.requests { if t.After(cutOff) { l.requests[i] = t i++ }}l.requests = l.requests[:i]if len(l.requests) < l.maxCount { l.requests = append(l.requests, now) return true}return false
}
令牌桶限流（Token Bucket）
令牌桶是一种更灵活的限流算法，以恒定速率生成令牌，每个请求消耗一个令牌。允许一定程度的突发流量，只要桶中有足够令牌即可通过。
Golang 标准库 golang.org/x/time/rate 提供了开箱即用的实现。
使用示例：
package mainimport ("fmt""golang.org/x/time/rate""time")
func main() {// 每秒产生 5 个令牌，桶容量为 10limiter := rate.NewLimiter(5, 10)
for i := 0; i < 15; i++ { if limiter.Allow() { fmt.Printf("Request %d allowed at %vn", i, time.Now()) } else { fmt.Printf("Request %d deniedn", i) } time.Sleep(100 * time.Millisecond)}
}
分布式环境下限流
单机限流在微服务集群中不够用，需借助 Redis 等中间件实现分布式限流。常用方案是基于 Redis 的 Lua 脚本实现原子性操作。
Redis + Lua 实现滑动窗口限流脚本：
-- KEYS[1]: key-- ARGV[1]: window size in seconds-- ARGV[2]: max countlocal key = KEYS[1]local window = tonumber(ARGV[1])local max_count = tonumber(ARGV[2])local now = redis.call('TIME')[1]-- 清理过期数据redis.call('ZREMRANGEBYSCORE', key, 0, now - window)
-- 获取当前请求数local current = redis.call('ZCARD', key)
if current < max_count thenredis.call('ZADD', key, now, now)redis.call('EXPIRE', key, window)return 1elsereturn 0end
Golang 调用示例：
import ( "context" "github.com/go-redis/redis/v8")var ctx = context.Background()
func allowByRedis(client *redis.Client, key string, windowSec, maxCount int) (bool, error) {script :=
local key = KEYS[1] local window = tonumber(ARGV[1]) local max_count = tonumber(ARGV[2]) local now = redis.call('TIME')[1] redis.call('ZREMRANGEBYSCORE', key, 0, now - window) local current = redis.call('ZCARD', key) if current < max_count then redis.call('ZADD', key, now, now) redis.call('EXPIRE', key, window) return 1 else return 0 endresult, err := client.Eval(ctx, script, []string{key}, windowSec, maxCount).Result()if err != nil { return false, err}return result == int64(1), nil
}
基本上就这些。根据实际场景选择合适的限流策略：单机可用 rate.Limiter，追求精度可用滑动窗口，集群环境推荐 Redis + Lua 方案。合理配置限流规则，能有效提升微服务的容错能力和可用性。
以上就是Golang如何实现微服务限流策略_Golang 微服务流控实践示例的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1426470.html
微信扫一扫 
支付宝扫一扫 
