Python服务端限流核心是在请求进入业务前用独立计数器+时间窗口机制拦截超额流量；常见错误包括多进程失效、Redis内存暴涨；需按场景选方案，明确限流目标才能合理配置阈值与key粒度。
限流不是加个装饰器就完事
Python 服务端限流的核心思路是「在请求进入业务逻辑前，用可预测、可计量的方式拦截超额流量」。它不依赖业务代码的配合，也不靠事后降级——而是靠独立的计数器 + 时间窗口机制，在 ASGI/WSGI 中间件或路由层完成判断。
常见错误现象：RateLimitExceeded 报错但实际 QPS 远低于配置值；多个进程下限流完全失效；Redis 计数器堆积导致内存暴涨。
- 使用场景：API 网关层（如 FastAPI / Flask 路由中间件）、异步任务触发入口（Celery task 前置检查）、第三方回调接收端（避免被刷爆）
- 关键参数差异：
limit是每窗口允许请求数，window_seconds决定滑动粒度；用固定窗口简单但有突刺风险，用滑动日志或令牌桶更准但需额外存储 - 性能影响：纯内存限流（如
threading.local）快但不跨线程；Redis 方案稳定但引入网络延迟，建议用redis-py的 pipeline 批量操作减少 RTT
FastAPI 里用 slowapi 最省事，但得改默认行为
slowapi 是目前 FastAPI 生态最成熟的限流扩展，但它默认用内存计数器，多 worker 下直接失效——这点文档没强调，但部署时必踩坑。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 必须替换默认
SlidingWindowMemoryRateLimiter为RedisSlidingWindowRateLimiter，并传入共享redis实例 -
key_func别用默认的get_remote_address，容易被代理 IP 搞乱，建议结合X-Forwarded-For和User-Agent做复合 key - 错误响应体默认是 HTML，要返回 JSON 需重写
on_rate_limit_exceeded回调，里面手动raise HTTPException(status_code=429, detail="...")
Flask 用 flask-limiter 时 Redis 连接不能复用
flask-limiter 默认每次限流都新建 Redis 连接，高并发下会打满连接池，报错 ConnectionError: Error 24 connecting to localhost:6379. Too many open files.
必须显式传入复用连接：
from redis import Redis redis_client = Redis(connection_pool=redis.ConnectionPool(host='localhost', port=6379, db=0)) limiter = Limiter(key_func=get_remote_address, storage_uri="redis://localhost:6379", redis_connection=redis_client)
- 别信
storage_uri能自动复用连接——它只用于初始化，后续计数仍走新连接 - 如果用了 Redis Cluster，
flask-limiter不支持，得切到limits库 + 自定义 storage backend - 本地开发想跳过限流？设环境变量
LIMITER_ENABLED=false，比注释代码安全
异步任务（Celery）限流容易漏掉“触发端”
Celery 自带的 rate_limit 只控 task 执行频率，但上游 HTTP 请求仍可能洪水般涌进来，把 broker 堆满。真正的限流点得卡在 API 层，而不是 task 定义里。
典型错误：给 @app.task(rate_limit="10/m") 加了限制，结果用户狂点提交按钮，100 个 PENDING 任务塞满 Redis，内存飙高。
- 正确做法：在 FastAPI/Flask 接口里先用
slowapi或flask-limiter拦住请求，再发 task - 如果必须控 task 执行节奏，用
celery -Q queue_name --concurrency=1 --max-tasks-per-child=100配合task_acks_late=True - 注意：Celery 的
rate_limit是 per-worker，不是全局，5 个 worker 就等于放大 5 倍
限流最难的从来不是选库或写装饰器，而是搞清“谁在限谁”——是防爬虫？保 DB？还是兜底防雪崩？每个目标对应的阈值、窗口、key 粒度全都不一样。没想清楚这点，代码写得再漂亮也白搭。
