api 调用次数限制实现

API 调用次数限制实现

API 调用次数限制是保护服务端资源、防止滥用的重要手段，通过限制单位时间内的请求次数，可以有效控制流量、避免过载，同时防止恶意攻击（如 DDoS、暴力破解等）。

常见限流算法

令牌桶算法 (Token Bucket)

优点：支持突发流量，灵活性高
缺点：实现复杂度较高，需维护状态

漏桶算法 (Leaky Bucket)

优点：平滑流量，避免突发冲击
缺点：延迟较高，无法应对瞬时高峰

固定窗口计数 (Fixed Window)

优点：实现简单
缺点：临界点可能集中触发拒绝

滑动窗口计数 (Sliding Window)

优点：更精确控制
缺点：需存储大量时间片段数据

实现方案

Python 实现令牌桶算法

import time
from threading import Lock
class TokenBucket:
    def __init__(self, rate, capacity):
        self.rate = rate  # 令牌生成速率（每秒）
        self.capacity = capacity  # 桶容量
        self.tokens = capacity  # 当前令牌数
        self.last_time = time.time()  # 上次更新时间
        self.lock = Lock()  # 线程安全
    def allow_request(self):
        with self.lock:
            current_time = time.time()
            # 计算新生成的令牌数
            elapsed = current_time self.last_time
            self.tokens = min(self.capacity, self.tokens + elapsed * self.rate)
            self.last_time = current_time
            if self.tokens >= 1:
                self.tokens -= 1
                return True
            else:
                return False

Redis 实现限流

(1) 固定窗口计数

-KEY: user_id 或 API_name
local key = KEYS[1]
local limit = tonumber(ARGV[1])  -限制次数
local window = tonumber(ARGV[2])  -窗口大小（秒）
local current = redis.call("INCR", key)
if current == 1 then
    redis.call("EXPIRE", key, window)
end
if current > limit then
    return 0  -拒绝请求
else
    return 1  -允许请求
end

(2) 滑动窗口计数（60秒窗口，1秒粒度）

local key = KEYS[1]
local limit = tonumber(ARGV[1])
local window = 60  -总窗口时间（秒）
local interval = 1  -时间片段长度（秒）
-当前时间戳对应的桶索引
local current_bucket = math.floor(tonumber(ARGV[2]) / interval) % window
-删除过期的桶
for i=1, window do
    if i ~= current_bucket then
        redis.call("ZREM", key, i)
    end
end
-增加当前桶的计数
redis.call("ZINCRBY", key, 1, current_bucket)
-设置过期时间（清理旧数据）
redis.call("PEXPIRE", key, window * interval)
-计算最近窗口的总请求数
local total = 0
for i=1, window do
    local count = tonumber(redis.call("ZSCORE", key, i)) or 0
    total = total + count
    if total > limit then break end
end
if total > limit then
    return 0  -拒绝请求
else
    return 1  -允许请求
end

分布式环境实现

相关问题与解答

Q1: 如何动态调整 API 限流策略？

A1：可通过以下方式实现动态调整：

1. 配置中心：使用 etcd、Consul 或 Redis 存储限流参数,运行时动态读取。
2. 自适应算法：根据历史流量自动调整速率（如漏桶算法动态调整流出速率）。
3. 分级策略：针对不同用户/IP 设置不同限额（如普通用户 100次/分钟，VIP用户 1000次/分钟）。

Q2: 如何处理高并发下的限流冲突？

A2：优化方案包括：

1. 原子操作：使用 Redis INCR/ZINCRBY 等原子指令避免竞态条件。
2. 异步队列：将限流判断前置到队列阶段（如使用 Kafka 削峰）。
3. 本地缓存：结合本地令牌桶（如 Guava RateLimiter）

以上就是关于“api 调用次数限制实现”的问题，朋友们可以点击主页了解更多内容，希望可以够帮助大家!