🎨 新来的外包，在大群分享了它的限流算法的实现

1. 令牌桶按用户维度限流

前文golang/x/time/rate演示了基于整体请求速率的令牌桶限流；

那基于用户id、ip、apikey请求速率的限流(更贴近生产的需求)，阁下又该如何应对？

那这个问题就从全局速率变成了按照用户维度（group by userid）来做限流，那么

早先的全局的rateLimiter就要变成 userid:rateLimiter的键值对,select count( * ) from table ---> select userid, count(*) from table group by userid
使用缓存组件来存储维度键值对: 缓存的剔除机制来清理不再访问的键值对（30min过期，10min周期清理内存）。

go 复制代码

var userLimiters = cache.New(time.Minute*30, 10) // 10 items per minute
func limiterForUser(userID string) *rate.Limiter {
	if v, found := userLimiters.Get(userID); found {
		return v.(*rate.Limiter)
	}

	l := rate.NewLimiter(rate.Every(time.Minute/60), 10)
	userLimiters.Set(userID, l, cache.DefaultExpiration)
	return l
}

// 更细化的限流： 针对同一用户的请求次数限速， 增加了细粒度的用户维度，需要维护 用户与对应限速器的映射关系
func userRatelimitMiddleware(c *gin.Context) {
	userID := c.GetString("userID")  //  从每个请求context的key中取得信息， 这个key对于req context是排他性的
	if userID == "" {
		c.AbortWithStatusJSON(http.StatusUnauthorized, gin.H{"error": "Unauthorized"})
		return
	}
	if userID == "" {
		userID = c.GetString("x-api-key")
	}

	if userID == "" {
		userID = c.ClientIP()
	}
	limiter := limiterForUser(userID) // 通过userid维度找到对应的限速器
	if !limiter.Allow() {
		c.AbortWithStatusJSON(http.StatusTooManyRequests, gin.H{"error": "Too many requests"})
		return
	}
	c.Next()
}

2. redis 作为限流器外置存储

这个思路也是极其常见的行为： redis可以成为用户令牌桶的全局中心存储：当多个负载层需要读写用户限流器时，与redis交互。

本次通过golang的实战，深入理解基于redis的令牌桶限流器的算法实现。

① 请求到达负载层，被负载层识别为userid=junio

② 负载层请求redis获取该用户的token bucket的当前状态: hget userbucket:junio tokens last_time

③ 基于当前时间now和last_time，计算流逝的时间，再根据rate计算这一阶段下发了多少tokens:delta=(now-last_time) * r/1000，加上redis原始记录的token,就是本次请求时bucket中能用的tokens，注意：令牌数量最多不能超过cap

④ 如果tokens>=1, 表示桶中有令牌，可放行请求，tokens数量减1

⑤ 最后将本次处理完后的 tokens和last_time=now写入原用户令牌桶 hset userbucket:junio tokens 20 last_time 990

使用redis 中的hashmap存储用户的tokenbucket状态，应用存在读取redis- 计算- 回写redis过程，使用redis lua的脚本执行三个动作，以保证线程安全。

为什么lua脚本能保证线程安全呢？

ini 复制代码

// 读取- 计算 - 重新赋值都在一个 lua 脚本里面
var redisScript = `
	local key = KEYS[1]
	local capacity = tonumber(ARGV[1])
	local rate = tonumber(ARGV[2])
	local now = tonumber(ARGV[3])
	local tokens =  tonumber(redis.call('hget', key, 'tokens') or '-1')
	local last_time = tonumber(redis.call('hget', key, 'last_time') or  '-1')

	if tokens  == -1 or last_time == -1 then
		tokens = capacity
		last_time = now
	else
		local elapsed = now - last_time
        if elapsed < 0 
			then elapsed = 0
		end
		local delta  = elapsed * rate / 1000
		tokens = tokens + delta
		if tokens > capacity then
			tokens = capacity
		end
        last_time = now
	end
	local allow = 0
	if tokens >= 1 then
		allow = 1
		tokens= tokens - 1
	else	
		allow = 0
	end

	redis.call('hset', key, 'tokens', tokens)
	redis.call('hset', key, 'last_time', last_time)
    redis.call('PEXPIRE', key,  math.max(1000, 2 * math.ceil((capacity / rate) * 5000)))
	return allow
`

注意

上面还使用的redis expire机制： redis expire不是滑动过期，但是每次被请求触发执行的时候就重新设置TTL，表现为"滑动过期"。
除了hset/hget ,还有hmget可用，另外这些操作还有配套的TTL指令，eg：hset key EXAT 1740470400 FIELDS 2 field1 "Hello" field2 "World"。

golang应用层的写法如下：

go 复制代码

func (r *RedisLimiter) Allow(c *gin.Context, userid string) bool {
	key := r.keyprefix + userid // 定位这个用户的token bucket
	now := time.Now().UnixMilli()
	// Check if the key exists in Redis
	rCmd := r.redis.Eval(redisScript, []string{key}, r.cap, r.rate, now)
	res, err := rCmd.Result()
	if err != nil {
		log.Printf("get from redis failure. ", err)
		return false
	}
	if allow, ok := res.(int64); ok { // 注意：lua返回的0,1 值对应golang的int64
		log.Printf("%v %v \n", allow, res)
		return allow == 1
	} else {
		log.Printf("get from redis failure. ", err)
		return false
	}
}

3. 总结展望

至此限流第二弹结束了，本文紧接掘金爆文🎨 新来的外包，限流算法用的这么6，进一步讲述了

① 实现根据特定业务维度的限流：从全局限流器转换成针对业务维度的键值对限流器；

② redis作为限流计数器的外置存储，令牌桶算法在redis上实现原理：核心是使用hashmap存储当前请求用户的令牌桶状态（current_tokens, last_time）, 落地时注意使用lua脚本避免竞态条件。

后面35+外包er针对限流设计还会再更新几个彩蛋，期待一键三连，交个朋友， 35+报团不迷路。