直接使用 golang.org/x/time/rate.Limiter（令牌桶、线程安全）即可满足多数限流需求；需复用实例而非每请求新建，按IP限流用 sync.Map 缓存并校验可信代理头，HTTP场景优先用 Allow/TryConsume 或 ReserveN，避免阻塞；单机无需Redis，分布式限流应谨慎评估必要性。
用 golang.org/x/time/rate 实现简单但可靠的限流
绝大多数场景下，直接用官方维护的 rate.Limiter 就够了，它基于令牌桶算法，线程安全，内存开销低，且不依赖外部服务。
常见错误是直接在 HTTP handler 里 new 一个 rate.Limiter，导致每个请求都新建限流器，完全失效。正确做法是复用同一个实例：
- 按 IP 限流？把
rate.Limiter存进 map（注意加锁或用sync.Map） - 全局限流？定义为包级变量或注入到 handler 结构体中
- 注意
rate.Every的单位是时间间隔，不是 QPS；QPS=1/rate.Every，比如rate.Every(100 * time.Millisecond)≈ 10 QPS
HTTP 中间件里如何安全地绑定 IP 和限流器
真实业务中常需“每 IP 每秒最多 5 次请求”，这时不能只靠 RemoteAddr，因为可能经过 Nginx 或云 WAF，真实 IP 在 X-Forwarded-For 或 X-Real-IP 头里 —— 但这些头可被伪造，必须结合白名单校验。
实操建议：
立即学习“go语言免费学习笔记（深入）”；
- 先判断请求来源是否可信（比如反向代理 IP 在
trustedProxies = []string{"10.0.0.0/8", "192.168.0.0/16"}中） - 可信时才取
X-Forwarded-For最左非私有地址；否则 fallback 到RemoteAddr - 用
sync.Map缓存 IP →*rate.Limiter映射，避免锁竞争；定期清理过期项（例如 5 分钟无访问的 IP） - 别用字符串拼接做 key，
net.ParseIP后用ip.To16()得到统一格式字节数组，再转string做 key 更稳妥
高并发下 rate.Limiter.Wait 和 Allow 怎么选
Wait 会阻塞直到拿到令牌（或超时），适合后台任务调度；HTTP 接口几乎都应该用 Allow 或 TryConsume，立刻返回 true/false，避免请求卡住。
典型误用：
- 写成
if !limiter.Allow() { http.Error(w, "too many requests", 429); return }—— 这会漏掉突发流量：Allow不重置桶，连续调用可能让桶瞬间耗尽 - 正确姿势是用
limiter.ReserveN(time.Now(), n)判断，再显式Cancel或OK，尤其当一次请求消耗多个令牌时（如上传大文件） - 注意
ReserveN返回的time.Time是预计可执行时间，若远大于 now，说明排队太久，应直接拒绝
为什么不用 Redis 实现分布式限流
单机应用硬上 Redis 限流，反而增加延迟和故障点。只有当服务部署多实例、且必须全局统一计数时，才考虑 Redis + Lua（如 INCR + EXPIRE 原子操作）。
但要注意：
- Redis 网络往返至少 1–2ms，QPS 过万时容易成为瓶颈
-
INCR无法实现令牌桶平滑放行，只能做固定窗口计数（如“每分钟最多 60 次”），会出现临界突增问题 - 如果用了 Redis，务必设置连接池大小和超时（
ReadTimeout: 50 * time.Millisecond），失败时应降级为本地限流，而非直接 panic
真正需要分布式的场景，优先评估是否能用一致性哈希把相同用户路由到同一实例，再配合本地限流——多数时候比强一致更实用也更稳。
