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：
package mainimport ( "sync" "time" )
type FixedWindowLimiter struct { maxCount int window time.Duration count int lastReset time.Time mu 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 := 0 for _, 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 10 limiter := rate.NewLimiter(5, 10)
for i := 0; i < 15; i++ { if limiter.Allow() { fmt.Printf("Request %d allowed at %v\n", i, time.Now()) } else { fmt.Printf("Request %d denied\n", 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 count local 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 then redis.call('ZADD', key, now, now) redis.call('EXPIRE', key, window) return 1 else return 0 end
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。
er struct {
maxCount int
window time.Duration
requests []time.Time
mu sync.Mutex
}
