应为每个IP或UserID创建独立rate.Limiter实例并用sync.Map缓存，提取IP需校验可信代理与合法性，UserID限流必须在认证后进行，key建议组合为“IP:UserID”，高并发时需分片或LRU降级，并定期清理过期实例。
用 golang.org/x/time/rate 做基础限流，但别直接套用
这个包的 Limiter 是单实例、内存级、无状态的，适合单请求内节流（比如防止 goroutine 疯狂重试），但没法跨请求识别 IP 或 UserID。硬塞进去会导致所有用户共用一个桶，完全失效。
正确做法是把它当“原子部件”用：每个 IP 或每个 UserID 对应一个独立的 rate.Limiter 实例，再用 map 或 sync.Map 缓存。注意别用普通 map 并发读写——会 panic。
- 用
sync.Map存map[string]*rate.Limiter，key 是IP或拼接后的IP:UserID - 限流器创建后不要频繁重建，复用已有实例；可用
time.Now()+ TTL 清理过期项 - 避免在 HTTP handler 里每次都调
rate.NewLimiter，开销不小，尤其 QPS 高时
提取 IP 要防伪造，X-Forwarded-For 不可信
直接读 r.RemoteAddr 在直连场景下能拿到真实 IP，但前面有 Nginx / ELB / CDN 时就只剩代理地址了。很多人盲目信任 X-Forwarded-For，结果被恶意 header 绕过限流。
必须结合 TrustedProxies 配置做逐层剥离。Gin 框架可设 engine.ForwardedByClientIP = true 并配 engine.SetTrustedProxies；原生 net/http 则得自己解析 X-Forwarded-For，从右往左数指定跳数。
立即学习“go语言免费学习笔记（深入）”；
使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器，提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象，支持命名依赖等
- 若你的服务只挂在一台可信 Nginx 后，取
X-Forwarded-For的倒数第二个字段（最后一个可能是攻击者伪造的） - 用
net.ParseIP()校验提取出的 IP 是否合法，非法值统一归为"0.0.0.0"或丢弃 - IPv6 地址带冒号和方括号（如
[::1]），用net.ParseIP解析比字符串切分更稳
UserID 限流要和认证绑定，不能依赖前端传参
从 URL 或 header 读 UserID 是危险的——没鉴权就限流，等于把开关交给客户端。必须确保该 ID 已在 JWT / session / OAuth2 中完成校验且不可篡改。
典型错误是：先限流，再校验 token；或者用前端传的 user_id=123 当 key。一旦 token 过期或伪造，限流策略就形同虚设。
- 限流逻辑必须放在认证中间件之后，用 context.Value 透传已解码的
userID - key 建议组合为
fmt.Sprintf("%s:%s", ip, userID)，避免 IP 和 UserID 冲突（比如 IP 是"123"，UserID 也是"123"） - 敏感操作（如登录、密码重置）建议额外叠加设备指纹或行为特征，单靠 UserID 容易被撞库绕过
高并发下 sync.Map 会成为瓶颈，得降级或分片
sync.Map 在 key 数量少、读多写少时表现好，但当每秒新建几千个新 IP 的限流器（比如爬虫洪峰），它的扩容和哈希冲突会让 P99 延迟飙升。
这时要么加一层 LRU 缓存控制总实例数（比如最多存 10 万活跃 IP），要么改用分片 map：按 IP 哈希取模到 16 个子 map，写操作分散到不同锁上。
- 用
hash/fnv对 IP 做一致性哈希，比%更均匀，扩缩容时迁移 key 更少 - 设置
maxLimiters = 100000，超限时用固定 fallback 限流器（比如全局 100rps），别 panic 或阻塞 - 别忘了定期清理：启动 goroutine 每分钟扫一次，删掉 5 分钟没访问的
rate.Limiter
真正难的不是写对一个限流函数，而是让 IP 提取不被绕过、UserID 不脱离认证上下文、缓存结构扛住突增流量——这些地方一松动，整个限流就漏了。
