【接口限流】基于注解Spring Boot 项目 + AOP + Redis 实现接口限流功能

基于Redis+Lua的分布式限流实战:Spring Boot接口高可用保护 限流是分布式系统高可用设计中的基础手段,通过控制单位时间内的请求速率,避免瞬时流量打垮后端服务。在API接口面临爬虫、重试风暴或流量突增时,仅靠单机内存计数器无法在多实例部署下形成全局约束。基于Redis+Lua的分布式限流方案,利用Redis集中存储计数、Lua脚本原子性执行,实现跨实例共享的限流规则。从固定窗口到滑动窗口、令牌桶等算法,可以灵活应对不同场景。本文将结合Java与Spring Boot框架,从零实现一个基于Redis+Lua的限流组件,并通过注解切面降低业务代码侵入,助力接口高可用建设。 阅读详情

使用方法:

@RateLimit(max = 3, timeWindow = 10, useUserId = false)

仅需要在需要限流的接口加上注解和需求即可开箱即用,无侵入且快速又简洁。

🧩 一、功能概述

本功能的目标是:限制同一个 IP 地址(或用户 ID)在指定时间内对某个接口的访问次数,超过限制后拒绝请求。
适用于:防止恶意刷接口、接口过载等场景。


🏗️ 二、整体实现原理

  1. 使用自定义注解 @RateLimit 标记需要限流的接口;

  2. 使用 AOP 切面 RateLimitAspect 拦截被注解的方法;

  3. 在 Redis 中为每个用户(或 IP)维护一个访问计数器;

  4. 每次调用接口时,先检查当前计数是否超限;

  5. 若超限则抛出异常,否则继续执行业务逻辑。


🧱 三、模块详解


📌 1. 自定义注解 @RateLimit

✅ 作用:

定义一个限流注解,用于声明接口的限流规则。

@Target(ElementType.METHOD)

表示:该注解 只能用在方法上,比如控制器的方法、服务类的方法等。

@Retention(RetentionPolicy.RUNTIME)

表示:该注解在 运行时仍然存在,可以通过反射读取它。(因为 AOP 是在运行时通过反射扫描被注解的方法,所以值必须是RetentionPolicy.RUNTIME)
常见取值包括:
RetentionPolicy说明
SOURCE仅在源码中保留,编译后丢弃,常用于注解提示
CLASS编译时保留在 .class 文件中,运行时不可见
RUNTIME运行时仍然存在,可被反射读取
📄 示例代码:
import java.lang.annotation.*;

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface RateLimit {

    /**
     * 限流 key,默认使用 IP 地址 + 方法路径
     */
    String key() default "";

    /**
     * 最大请求次数
     */
    int max() default 5;

    /**
     * 时间窗口(单位:秒)
     */
    int timeWindow() default 60;

    /**
     * 是否使用当前登录用户ID作为key的一部分
     */
    boolean useUserId() default false;

}
🧠 参数说明:
参数名类型默认值说明
keyString空限流标识(不填时自动使用 URI+IP/用户ID)
maxint5时间窗口内最大请求次数
timeWindowint60时间窗口(单位:秒)
useUserIdbooleanfalse是否使用用户ID做为限流维度


📌 2. 限流切面 RateLimitAspect

✅ 作用:

在接口调用前拦截注解,记录请求次数并判断是否超过限流条件。

📄 示例代码说明:
import com.annotations.RateLimit;
import com.context.AppContext;
import com.model.User;
import lombok.extern.slf4j.Slf4j;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.*;
import org.aspectj.lang.reflect.MethodSignature;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Component;
import javax.annotation.Resource;
import javax.servlet.http.HttpServletRequest;
import java.lang.reflect.Method;
import java.util.concurrent.TimeUnit;

import org.springframework.web.context.request.RequestContextHolder;
import org.springframework.web.context.request.ServletRequestAttributes;

@Aspect
@Component
@Slf4j
public class RateLimitAspect {

    @Resource
    private RedisTemplate<String, Object> redisTemplate;

    @Around("@annotation(com.corepass.ca.cloud.annotations.RateLimit)")
    public Object around(ProceedingJoinPoint joinPoint) throws Throwable {
        long start = System.currentTimeMillis(); // ⏱️记录开始时间
        HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();
        MethodSignature signature = (MethodSignature) joinPoint.getSignature();
        Method method = signature.getMethod();
        RateLimit rateLimit = method.getAnnotation(RateLimit.class);

        int max = rateLimit.max();
        int timeWindow = rateLimit.timeWindow();
        String key = rateLimit.key();

        if (key.isEmpty()) {
            String uri = request.getRequestURI();
            key = "rate_limit:" + uri;
        }

        if (rateLimit.useUserId()) {
            // 获取当前用户 ID:可根据你的项目实际调整
            String userId = getCurrentUserId(request);
            key += ":uid:" + userId;
        } else {
            String ip = request.getRemoteAddr();
            key += ":ip:" + ip;
        }

        Long count = redisTemplate.opsForValue().increment(key);
        if (count == 1) {
            redisTemplate.expire(key, timeWindow, TimeUnit.SECONDS);
        }

        if (count != null && count > max) {
            throw new RuntimeException("请求过于频繁,请稍后再试");
        }
        Object result = joinPoint.proceed();

        // ✅ 方法执行后:记录日志
        long elapsed = System.currentTimeMillis() - start;
        String methodName = method.getDeclaringClass().getSimpleName() + "." + method.getName();
        log.info("方法 [{}] 调用成功,限流Key={},耗时={}ms", methodName, key, elapsed);

        return result;
    }

    /**
     * 示例方法:根据实际业务获取当前用户 ID
     */
    private String getCurrentUserId(HttpServletRequest request) {
        // 从 token/session 中解析用户 ID,示例代码如下
        User user = AppContext.getCurrentUser();

        return user != null ? user.getId().toString() : "anonymous";
    }
✳️ 核心流程详解:
步骤操作说明
①获取请求对象 HttpServletRequest
②获取注解对象 RateLimit,提取配置参数
③生成 Redis 的限流 Key(支持 IP 或用户 ID)
④调用 redisTemplate.opsForValue().increment(key) 对 key 自增
⑤如果是第一次访问,则设置 key 的过期时间
⑥如果 count > max,抛出异常
⑦否则放行执行目标方法 joinPoint.proceed()

🧠 关键代码:
String key = rateLimit.key();
if (key.isEmpty()) {
    key = "rate_limit:" + request.getRequestURI();
}
if (rateLimit.useUserId()) {
    key += ":uid:" + getCurrentUserId(request);
} else {
    key += ":ip:" + request.getRemoteAddr();
}
 

最终 Redis 中的 key 形式可能是:
rate_limit:/api/userLimit:ip:192.168.1.10 或
rate_limit:/api/userLimit:uid:123


📌 3. 用户 ID 获取逻辑(可根据项目修改)

private String getCurrentUserId(HttpServletRequest request) {
    // 从 token/session 中解析用户 ID,示例代码如下
    User user = AppContext.getCurrentUser();

    return user != null ? user.getId().toString() : "anonymous";
}
❗注意:
  • 如果使用 token 登录,需要解析 token 拿到用户 ID;

  • 如果使用 session,也可通过 request.getSession() 获取。


🧪 四、接口示例与使用方式

@RateLimit(max = 3, timeWindow = 10, useUserId = false)
@IgnoreAuthentication
@PostMapping("/api/userLimit")
public Result testUserLimit() {
    return Result.success("用户ID限流测试成功"+count++);
}
表示含义:
  • 对 /api/userLimit 接口限制访问;

  • 同一个 IP 地址,在 10 秒 内最多只能调用 3 次;

  • 第 4 次调用将抛出异常:请求过于频繁,请稍后再试。


🗃️ 五、Redis 中的数据结构

使用的是字符串类型(String),实现简单:

keyvalue说明
rate_limit:/api/userLimit:ip:127.0.0.13表示已请求 3 次
key 有 TTL(如 10s)到期后自动清除,重置计数


✅ 六、优点与可扩展性

✅ 优点:

  • 使用注解,业务代码无侵入;

  • 使用 Redis,性能高;

  • 支持 IP 或用户 ID 粒度控制;

  • 控制精度高(秒级时间窗);

  • 可应用于任意接口。

🔧 可扩展建议:

  • 支持自定义异常类型(比如统一封装成 RateLimitException);

  • 支持全局配置默认限流策略;

  • 支持配置 blockHandler 方法用于限流时降级处理;

  • 支持分布式部署(Redis 天生支持);

  • 支持动态配置限流规则(结合 Nacos/配置中心);

【Spring】Spring AOP 结合 Redis + Lua 脚本实现分布式限流 此 demo 主要演示了 Spring Boot 项目如何通过 AOP 结合 Redis + Lua 脚本实现分布式限流,旨在保护 API 被恶意频繁访问的问题,是的升级版。 阅读详情

相关推荐

避坑指南:在Ubuntu 22.04上配置UR5e与ROS2 Humble真机通信的完整流程

本文详细介绍了在Ubuntu 22.04上配置UR5e机械臂与ROS2 Humble真机通信的完整流程,包括环境准备、网络配置、URCap安装、ROS2驱动部署及控制器状态验证等关键步骤。特别针对常见问题如网络连接失败、驱动启动错误等提供了实用解决方案,帮助工程师高效完成UR5e与ROS2的集成工作。

weixin_30790841的博客 462

访问限流处理(AOP + 注解)

限流注解 /** * 限流注解 * * @author Be.insighted */ @Target(ElementType.METHOD) @Retention(RetentionPolicy.RUNTIME) @Documented public @interface RateLimiter{ /** * 限流key */ public String key() default Constants.RATE_LIMIT_KEY; /** .

Be_insighted的博客 740

告别单一帧:在CFD-POST中完整加载Fluent瞬态计算结果的实战指南

本文详细介绍了在CFD-POST中完整加载Fluent瞬态计算结果的实战指南,解决工程师常见的只能看到最后一帧数据的问题。通过Fluent端的正确设置和CFD-POST端的完整加载技巧,帮助用户高效处理瞬态数据,提升后处理效率。文章还提供了常见问题排查、性能优化和高级后处理技巧,适用于Workbench环境下的流体流动分析。

weixin_29284657的博客 537

若依-限流注解@RateLimiter

频繁请求导致服务器资源过载问题,常需限流策略。现有方案灵活性低、难复用。若依框架@RateLimiter注解解决此问题。通过注解定义限流规则,多个方法复用。可设置IP/并发数限流,保护服务器资源稳定运行。便捷实现灵活且可复用的限流策略,解决频繁请求导致服务器资源过载问题。

Time的博客 4370

FA 新增资产API Demo

DECLARE l_trans_rec fa_api_types.trans_rec_type; l_dist_trans_rec fa_api_types.trans_rec_type; l_asset_hdr_rec fa_api_types.asset_hdr_rec_type; l_asset_desc_rec fa_a

chosen1brain的专栏 2142

用《Flappy Bird》游戏带你搞懂强化学习:从Q-learning到DQN的保姆级实战

本文通过《Flappy Bird》游戏实战,详细讲解了从Q-learning到DQN的强化学习技术。从环境搭建、Q表格构建到深度Q网络(DQN)的实现,逐步展示如何训练AI自主玩游戏。文章包含代码示例、训练技巧和性能优化方法,帮助读者深入理解强化学习的核心概念和应用。

weixin_42526415的博客 347

RateLimit接口限流

*** 每秒创建令牌个数,默认为10* @return*//*** 获取令牌超时时间* @return*//*** 超时时间单位* @return*/@ApiOperation("RateLimit测试")return "通过";

m0_58709145的博客 430

C#操作MySQL从入门到精通(1)——安装MySQL数据库

我们使用C#操作MySQL数据库第一步要做的就是安装MySQL数据库,本文就是详细讲解如何安装MySQL数据库。

qq_34059233的博客 962

若依框架----源码分析(@RateLimiter)

若依框架----源码分析(@RateLimiter)

4205

YOLO26 终极蒸馏指南:从入门到 SOTA (The Ultimate Distillation Guide)

《YOLO26 蒸馏技术指南》深入解析了知识蒸馏在目标检测中的应用,提出五大蒸馏范式:响应蒸馏(学习最终输出)、特征蒸馏(模仿中间特征)、关系蒸馏(捕捉通道关联)、CWD(通道语义对齐)和FGD(前景背景分离)。实验表明,"Response KD + CWD + FGD"组合效果最佳,使YOLO26n在0.5ms推理速度下达到0.956 mAP50,甚至超越教师模型。指南提供模块化代码实现和超参数调优建议,强调蒸馏能平衡模型精度与效率,是轻量化部署的有效方案。

weixin_51988935的博客 717

【ComfyUI】Flux 完整版文生图

本文介绍了一个基于Flux Dev的AI文生图全流程工作流,通过整合扩散模型、文本编码器和VAE解码器等核心组件,实现从文本到高清图像的端到端生成。工作流包含模型加载、条件构建、潜空间采样、图像解码和成果保存五个关键环节,支持高分辨率图像的细节还原和艺术风格塑造。应用场景涵盖艺术创作、内容生产、教学演示和科研数据准备等领域,适用于对画质和提示遵循性要求严格的场景。文章还提供了相关开发资源和学习教程链接,帮助用户深入理解AI绘图机制和实际应用。

Mr数据杨 1276

Spring Boot自定义注解+AOP,使用guava的RateLimiter实现接口的限流

Spring Boot自定义注解+AOP,使用guava的RateLimiter实现接口的限流。支持通过配置文件设置是否开启限流,限流的大小,以及超时时间

lzhfdxhxm的博客 2697

CloudCompare 二次开发(36)——非均匀体素降采样

使用CloudCompare与PCL编程实现的非均匀体素降采样。

点云侠的博客 743

Spring Boot通过自定义注解和Redis+Lua脚本实现接口限流

在我们日常开发的项目中为了保证系统的稳定性,很多时候我们需要对系统接口做限流处理,它可以有效防止恶意请求对系统造成过载。通过本文的步骤,我们将成功地在`Spring Boot`项目中结合`Redis`和`Lua`脚本实现了一个灵活高效的接口限流功能。通过`自定义注解`和`AOP`切面,可以方便地为不同的接口设置不同的限流策略

Micro麦可乐的博客 1万+

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

使用Spring Boot自定义注解 + AOP实现基于IP的接口限流和黑白名单

前言项目初始化自定义限流注解编写限流切面Controller中使用限流注解测试及思考结语在我们日常开发的项目中为了保证系统的稳定性,很多时候我们需要对系统做限流处理,它可以有效防止恶意请求对系统造成过载。网关限流NGINXZuul等 API 网关服务器端限流:服务端接口限流令牌桶算法:通过定期生成令牌放入桶中,请求需要消耗令牌才能通过熔断机制Hystrix等本文将详细介绍通过自定义注解和AOP(面向切面编程),实现基于IP的限流和黑白名单功能,包括如何使用Redis存储限流和黑名单信息。

Micro麦可乐的博客 1万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

SpringBoot + Redis 实现接口限流,一个注解的事

今天想和小伙伴们聊聊用 Redis 处理接口限流,这也是最近的 项目涉及到这个知识点了,我就拎出来和大家聊聊这个话题。 首先我们创建一个 Spring Boot 工程,引入 Web 和 Redis 依赖,同时考虑到接口限流一般是通过注解来标记,而注解是通过 AOP 来解析的,所以我们还需要加上 AOP 的依赖,最终的依赖如下: 然后提前准备好一个 Redis 实例,这里我们项目配置好之后,直接配置一下 Redis 的基本信息即可,如下: 好啦,准备工作就算是到位了。接下来我们创建一个限流注解,我们

退役复学在校大学生,目光所至,皆为华夏 3347

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

一个注解,轻松实现接口限流

做好限流工作,可以很好的规避恶意用户的恶意攻击,可以提高系统的稳定性。

码刀攻城 1395

Java 注解式限流教程(使用 Redis + AOP)

本文介绍了使用 Spring AOP + Redis 实现注解式限流的解决方案。通过自定义 @RateLimiter 注解,可以灵活地对接口进行限流保护,支持按IP或用户维度控制请求频率。主要技术栈包括 Redis + Lua 脚本保证原子性操作,以及 Spring AOP 实现切面逻辑。文章详细展示了自定义注解的定义、AOP切面实现、Redis工具类优化等核心代码,并提供完善的配置示例。该方案具有可复用、配置灵活的特点,能够有效防止恶意高频请求。

qq_20851729的博客 1419

用Caffeine和自定义注解+AOP优雅实现本地防抖接口限流

在实际项目开发中,接口高频触发和重复提交问题常导致服务压力增大和数据冗余。为解决这些问题,提出了基于Caffeine缓存库、自定义注解和AOP的本地限流防抖方案。该方案通过自定义注解标记需防抖的接口,利用AOP切面拦截请求,以唯一标识为key查询Caffeine缓存,若在设定时间内已处理则拦截请求,否则执行业务逻辑并记录处理时间。此方案无侵入、代码简洁、扩展性强,适用于单机环境下的接口防抖和限流,但不适用于分布式场景。通过合理配置Caffeine缓存和自定义注解,可有效提升系统性能和稳定性。

阿水的博客 1655

使用Redis完成接口限流

使用redis完成接口限流的功能

一只程序员的博客 3057

HoRain云--SpringBoot实战:AOP+Redis限流方案详解

【摘要】本文介绍了在SpringBoot项目中通过AOP实现接口请求限流的完整方案。核心实现包括:1)自定义限流注解配置时间窗口、请求次数等参数;2)提供Redis分布式限流(推荐集群)和Guava单机限流两种AOP切面实现;3)在Controller方法上应用注解。文章对比了不同方案的适用场景,并给出生产环境优化建议,如随机过期时间、友好错误响应等。该方案能有效保护系统免遭恶意请求或过载,可根据实际需求选择分布式或单机实现方式。

2401_86544677的博客 1409

Spring Boot 整合Redis使用Lua脚本实现限流

Lua脚本的原子性解析,Spring Boot 整合Redis使用Lua脚本实现限流,包含详细的Lua脚本解析,Lua脚本日志输出

嘉禾嘉宁papa 6608

SpringBoot + Redis实现对接口的限流

限流通俗来讲就是限制流量大小,这里的流量并不是指我们平常手机上的流量,这里的流量指的是,用户每一次刷新网页时对服务器发送一次请求,就是一次流量。我们通过限流,来防止用户过多刷新网页,平常我们也会看到一些网页,发送验证码过多次数,他就会提示你请稍后再发送。

shixuyong的博客 1815

如何设计一个优秀的接口?Spring Boot接口限流的最佳实践

*** 限流 key(支持 SpEL 表达式,如 #ip)*//*** 时间窗口(单位:秒)*//*** 允许的最大请求数*//*** 限流失败时的提示信息*/String message() default "请求过于频繁,请稍后再试";key支持 SpEL(如),后面会解析。

2201_75642742的博客 1362

面试官:Spring Boot 接口限流实现?

本文系统讲解了Spring Boot接口限流技术,涵盖令牌桶和漏桶算法原理,并给出基于Redis+AOP的完整实现方案。通过自定义注解和切面编程,可实现灵活的方法级限流控制,有效应对高并发、防刷接口等场景。文章还提供了可落地的代码示例,帮助开发者快速掌握分布式环境下接口限流的实现方法,是Java面试必备的高频知识点。

huazaijake的博客 410
上一篇: 【接口鉴权】接口鉴权机制(基于对称密钥加密)
下一篇: 【注解+aop 记录日志】关于如何使用自定义 @Log 注解实现 Spring AOP 操作日志记录功能的详细教程
alan0721
博客等级 码龄10年 29粉丝 26原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值