使用令牌桶算法在RPC中间件中实现限流，可通过golang.org/x/time/rate包进行单机控制；对于分布式环境，采用Redis实现滑动窗口或固定窗口计数，确保多实例间状态一致，建议封装为可复用拦截器以解耦业务逻辑。
在Golang中实现RPC服务限流，核心是控制单位时间内请求的处理数量，防止系统因过载而崩溃。常见的做法是在RPC服务的入口层（如中间件或拦截器）加入限流逻辑。下面介绍几种实用且高效的实现方式。
使用令牌桶算法进行限流
令牌桶是一种平滑限流算法，适合处理突发流量。Golang标准库中的 golang.org/x/time/rate 包提供了基于令牌桶的限流器 rate.Limiter，可以直接用于RPC服务。
以 gRPC 为例，在服务器端通过拦截器实现限流：
- 定义一个全局或按客户端区分的限流器 map，例如以 IP 或用户ID为 key
- 在 unary interceptor 中获取对应客户端的 limiter
- 调用 limiter.Allow() 判断是否放行请求
- 若不通过，返回状态码如 ResourceExhausted
示例代码片段：
立即学习“go语言免费学习笔记（深入）”；
func rateLimitInterceptor(ctx context.Context, req interface{}, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) error {
clientIP, _ := peer.FromContext(ctx)
limiter := getLimiter(clientIP.Addr) // 每个IP独立限流
if !limiter.Allow() {
return status.Errorf(codes.ResourceExhausted, "too many requests")
}
return handler(ctx, req)
}
基于内存的并发控制与计数器限流
如果不想依赖外部库，可以使用 sync.Mutex 和 map 实现简单的滑动窗口或固定窗口计数器。
- 维护一个带过期机制的计数 map，记录每个客户端在当前时间窗口内的请求数
- 每次请求时检查计数是否超限
- 定期清理过期条目，或使用环形缓冲结构优化性能
这种方式轻量，但需注意并发安全和内存增长问题，适合小规模服务。
集成Redis实现分布式限流
当RPC服务部署在多个实例上时，单机限流无法保证整体流量控制。此时可借助 Redis 实现分布式令牌桶或滑动窗口算法。
常用方案包括：
这类方法能跨节点共享状态，适用于高并发微服务架构。
基本上就这些。选择哪种方式取决于你的部署规模和服务要求。小项目用 rate.Limiter 最简单，集群环境建议上 Redis 方案。关键是把限流逻辑封装成可复用的中间件，避免污染业务代码。
