在现代 Web 应用程序中，流量的突增是不可避免的。为防止服务器被过多的请求压垮，限流（Rate Limiting） 是一个至关重要的技术手段。
本文将通过 Go 语言的 Gin 框架，演示如何使用漏桶算法和令牌桶算法来实现 API 的限流。
限流的意义
限流的主要目的是保护系统资源，防止因请求量过大导致服务器崩溃。同时，它也能防止恶意用户对系统的攻击，确保服务的稳定性和可用性。
两种常见的限流算法
漏桶算法（Leaky Bucket）
漏桶算法将请求视为水滴，水滴先进入桶中，然后以固定的速率从桶中流出。如果请求的速率超过了桶的流出速率，多余的请求将会被丢弃。
这个算法的优点很明显，就是让请求非常稳定，但是缺点也很明显，因为请求非常稳定，就不适于一些秒杀等一些可能在某一段时间会有洪峰流量的场景。不太好适情况控制流量的进入。
令牌桶算法（Token Bucket）
令牌桶算法中，系统会以固定的速率向桶中加入令牌，每个请求需要获取一个令牌才能执行。如果桶中没有足够的令牌，请求将被拒绝。
代码实现
在这个示例中，我们将展示如何在 Gin 框架中应用这两种算法来实现 API 的限流。
package main
import ( "fmt" "net/http" "time"
"github.com/gin-gonic/gin" ratelimit2 "github.com/juju/ratelimit" // 令牌桶算法 ratelimit1 "go.uber.org/ratelimit" // 漏桶算法)
func pingHandler(c *gin.Context) { c.JSON(200, gin.H{ "message": "pong", })}
func pingHandler2(c *gin.Context) { c.JSON(200, gin.H{ "message": "pong2", })}
// rateLimit1 使用漏桶算法来限制请求速率func rateLimit1() func(ctx *gin.Context) { // 漏桶算法，第一个参数为两滴水滴之间的时间间隔。 // 此时表示两滴水之间的时间间隔是 100 纳秒 rl := ratelimit1.New(100)
return func(ctx *gin.Context) { // 尝试取出水滴 if waitTime := rl.Take().Sub(time.Now()); waitTime > 0 { fmt.Printf("需要等待 %v 秒，下一滴水才会滴下来\n", waitTime) // 这里我们可以让程序继续等待，也可以直接拒绝掉 // time.Sleep(waitTime) ctx.String(http.StatusOK, "rate limit, try again later") ctx.Abort() return } // 证明可以继续执行 ctx.Next() }}
// rateLimit2 使用令牌桶算法来限制请求速率func rateLimit2() func(ctx *gin.Context) { // 令牌桶算法：第一个参数为每秒填充令牌的速率为多少 // 第二个参数为令牌桶的容量 // 这里表示每秒填充 10 个令牌 rl := ratelimit2.NewBucket(time.Second, 10)
return func(ctx *gin.Context) { // 尝试取出令牌 var num int64 = 1 // 这里表示需要 num 个令牌和已经取出的令牌数是否相等 // 不相等，则表示超过了限流 // 比如，假设每一个请求过来消耗2个令牌，但是从桶中取出的令牌个数为 1 ，那么则认为超过了限流（一般而言是一个请求消耗一个令牌，这里仅为举例） if rl.TakeAvailable(num) != num { // 此次没有取到令牌，说明超过了限流 ctx.String(http.StatusOK, "rate limit, try again later") ctx.Abort() return } // 证明可以继续执行 ctx.Next() }}
func main() { r := gin.Default()
// 漏桶算法限流 r.GET("/ping", rateLimit1(), pingHandler)
// 令牌桶算法限流 r.GET("/ping2", rateLimit2(), pingHandler2)
r.Run()}
复制代码
代码解析
漏桶算法的实现（rateLimit1 函数）
通过 go.uber.org/ratelimit 包中的 ratelimit.New 方法创建了一个限流器。
当请求速率超过限流器的处理能力时，请求将被拒绝，并返回 "rate limit, try again later"。
令牌桶算法的实现（rateLimit2 函数）
使用 github.com/juju/ratelimit 包实现了令牌桶算法。每秒填充一定数量的令牌到桶中。
如果桶中没有足够的令牌，请求将被拒绝。
Gin 路由配置
在 main 函数中，通过 rateLimit1 和 rateLimit2 中间件为 /ping 和 /ping2 路由分别设置了漏桶和令牌桶限流。
总结
在本文中，我们演示了如何在 Go 中使用漏桶算法和令牌桶算法实现 API 的限流。
这些算法在高并发的 Web 服务中非常有用，可以有效防止服务被大量请求淹没，确保系统的稳定性。希望通过这篇文章，您能更好地理解并应用这些限流技术到您的项目中。
评论