Go 語言如何實現限制用戶 1 分鐘內最多請求 1000 次?
在 Go 語言中,限制用戶每分鐘最多請求 1000 次的常見做法是使用 限流算法(Rate Limiting)。
有多種算法可以實現這一目標,其中最常見的包括 令牌桶算法 (Token Bucket)、漏桶算法 (Leaky Bucket) 和 計數器算法 (Counter)。
每種算法有其特點和適用場景,下面將逐個介紹,并附上相應的 Go 語言實現。
1. 令牌桶算法 (Token Bucket)
令牌桶算法是常見的限流算法,適用于需要平滑流量控制的場景。令牌桶維護一個存儲令牌的桶,每個請求需要消耗一個令牌。如果桶內有足夠的令牌,請求可以繼續;如果沒有令牌,則請求被拒絕。令牌按固定速率生成,當桶滿時,額外的令牌會丟棄。
令牌桶算法的實現
package main
import (
"fmt"
"sync"
"time"
)
type TokenBucket struct {
rate int // 生成令牌的速率,單位是令牌/秒
capacity int // 桶的容量
tokens int // 當前令牌數量
lastToken time.Time // 上次生成令牌的時間
mutex sync.Mutex // 用于并發控制
}
func NewTokenBucket(rate, capacity int) *TokenBucket {
return &TokenBucket{
rate: rate,
capacity: capacity,
tokens: capacity, // 初始時,桶里有滿的令牌
}
}
func (tb *TokenBucket) refill() {
// 計算過去時間段內生成的令牌數
now := time.Now()
elapsed := now.Sub(tb.lastToken)
tb.lastToken = now
// 按速率生成令牌
newTokens := int(elapsed.Seconds()) * tb.rate
if newTokens > 0 {
// 桶中令牌數增加
tb.tokens += newTokens
if tb.tokens > tb.capacity {
// 超過桶容量,令牌數只能是桶的最大容量
tb.tokens = tb.capacity
}
}
}
func (tb *TokenBucket) Allow() bool {
tb.mutex.Lock()
defer tb.mutex.Unlock()
// 補充令牌
tb.refill()
if tb.tokens > 0 {
// 有令牌可以消耗
tb.tokens--
return true
}
// 沒有令牌可用,限制請求
return false
}
func main() {
// 創建令牌桶,令牌生成速率為每秒 1000 個,容量為 1000 個令牌
tb := NewTokenBucket(1000, 1000)
// 模擬用戶發起請求
for i := 0; i < 10; i++ {
if tb.Allow() {
fmt.Println("Request", i+1, "allowed")
} else {
fmt.Println("Request", i+1, "rejected")
}
time.Sleep(100 * time.Millisecond) // 模擬請求間隔
}
}
說明:
rate
:每秒生成的令牌數。capacity
:桶的最大容量。tokens
:當前桶中可用的令牌數。- 每次請求時,
Allow()
方法會檢查桶中是否有令牌,如果有,則消耗一個令牌并允許請求;如果沒有令牌,則拒絕請求。
2. 漏桶算法 (Leaky Bucket)
漏桶算法是另一種常用的限流算法,適用于流量平滑控制。在漏桶算法中,桶里有水(請求),水按固定速率流出。當請求到來時,如果桶滿了,新的請求會被丟棄;如果桶未滿,新的請求會被加入桶中,并在固定速率下流出。
漏桶算法的實現
package main
import (
"fmt"
"sync"
"time"
)
type LeakyBucket struct {
rate int // 水流出速率,單位是請求/秒
capacity int // 桶的容量
water int // 當前桶中水的數量
lastDrain time.Time // 上次排水時間
mutex sync.Mutex // 用于并發控制
}
func NewLeakyBucket(rate, capacity int) *LeakyBucket {
return &LeakyBucket{
rate: rate,
capacity: capacity,
water: 0, // 初始時,桶里沒有水
}
}
func (lb *LeakyBucket) drain() {
// 計算過去時間段內排出的請求數
now := time.Now()
elapsed := now.Sub(lb.lastDrain)
lb.lastDrain = now
// 按排出速率流出請求
drained := int(elapsed.Seconds()) * lb.rate
if drained > 0 {
lb.water -= drained
if lb.water < 0 {
lb.water = 0
}
}
}
func (lb *LeakyBucket) Allow() bool {
lb.mutex.Lock()
defer lb.mutex.Unlock()
// 排水
lb.drain()
if lb.water < lb.capacity {
// 桶未滿,允許請求
lb.water++
return true
}
// 桶已滿,拒絕請求
return false
}
func main() {
// 創建漏桶,排水速率為每秒 1000 個,桶的容量為 1000 個
lb := NewLeakyBucket(1000, 1000)
// 模擬用戶發起請求
for i := 0; i < 10; i++ {
if lb.Allow() {
fmt.Println("Request", i+1, "allowed")
} else {
fmt.Println("Request", i+1, "rejected")
}
time.Sleep(100 * time.Millisecond) // 模擬請求間隔
}
}
說明:
rate
:請求的排出速率。capacity
:桶的最大容量。water
:當前桶中水(請求)的數量。drain()
:排水操作,控制請求的流出速率。
3. 計數器算法 (Fixed Window Counter)
計數器算法是最簡單的一種限流算法。在每個時間窗口內,記錄請求的數量。當請求數達到限制時,就會拒絕進一步的請求。它適用于簡單的限流場景,但對于高并發時可能會出現窗口突發的情況。
計數器算法的實現
package main
import (
"fmt"
"sync"
"time"
)
type Counter struct {
limit int // 請求限制次數
windowSize time.Duration // 時間窗口大小
mu sync.Mutex // 用于并發控制
requests int // 當前請求計數
windowStart time.Time // 當前時間窗口開始時間
}
func NewCounter(limit int, windowSize time.Duration) *Counter {
return &Counter{
limit: limit,
windowSize: windowSize,
requests: 0,
windowStart: time.Now(),
}
}
func (c *Counter) Allow() bool {
c.mu.Lock()
defer c.mu.Unlock()
// 判斷是否在當前時間窗口內
now := time.Now()
if now.Sub(c.windowStart) > c.windowSize {
// 如果超過了窗口時間,則重置請求計數器和窗口開始時間
c.windowStart = now
c.requests = 0
}
if c.requests < c.limit {
// 如果請求數未達到限制,允許請求
c.requests++
return true
}
// 否則,拒絕請求
return false
}
func main() {
// 創建計數器,限制每分鐘 1000 次請求
counter := NewCounter(1000, time.Minute)
// 模擬用戶發起請求
for i := 0; i < 10; i++ {
if counter.Allow() {
fmt.Println("Request", i+1, "allowed")
} else {
fmt.Println("Request", i+1, "rejected")
}
time.Sleep(100 * time.Millisecond) // 模擬請求間隔
}
}
說明:
limit
:時間窗口內允許的最大請求次數。windowSize
:時間窗口的大小(比如 1 分鐘)。requests
:當前時間窗口內已處理的請求數量。Allow()
:每次請求時,檢查當前窗口內請求數是否達到限制。
4. 總結
- 令牌桶算法(Token Bucket)適用于平滑流量控制,允許突發請求。
- 漏桶算法(Leaky Bucket)適用于平滑流量,適合流量控制比較嚴格的場景。
- 計數器算法(Counter)是最簡單的一種限流方式,適合簡單的限流需求,但對突發流量處理較差。根據不同的需求場景,選擇合適的算法進行實現。