固定窗口因窗口边界清零导致“临界突刺”,如限流100 QPS时,攻击者在0.9s–1.1s内发200请求,两窗口各计100而全放行,实际峰值翻倍;滑动窗口通过细分时间桶并平滑滑动,确保任意连续周期内请求数精确受限,更适合IP防刷。

为什么不能直接用固定窗口做IP限流
固定窗口在每秒/每分钟边界清零计数器,会导致「临界突刺」:比如限流 100 QPS,攻击者在 0.9s–1.1s 内发 200 请求,两个窗口各记 100,全放行。实际峰值翻倍,防刷失效。
滑动窗口把 1 秒拆成多个小格(如 10 个 100ms 桶),每个桶独立计数,窗口随时间平滑滑动。这样任意连续 1 秒内的请求总和都被准确约束,更适合防刷场景。
kratos + aegis 实现 IP 滑动窗口限流的关键配置
kratos 默认的 bbr.NewLimiter 是全局自适应限流,不区分 IP;要按 IP 限流,必须自己构造带 key 的滑动窗口计数器,并在中间件中提取 req.RemoteAddr 或 X-Forwarded-For 作为维度。
核心步骤如下:
- 用
window.NewRollingCounter创建一个滑动窗口计数器,例如 60 秒分 60 个桶(每桶 1 秒),或更精细的 60 秒分 600 个桶(每桶 100ms) - 在 HTTP 中间件里解析真实客户端 IP(注意 Nginx 转发后需读
X-Forwarded-For头,且要做可信代理校验) - 用
counter.Inc(ip)累加,再用counter.Sum(ip)获取该 IP 最近窗口内总请求数 - 若超过阈值(如 300 次/分钟),直接返回
429 Too Many Requests
示例片段:
counter := window.NewRollingCounter(window.WithBuckets(600), window.WithInterval(time.Second))
middleware := func(next http.Handler) http.Handler {
return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
ip := getRealIP(r) // 自行实现,含 header 解析与白名单校验
if counter.Sum(ip) > 300 {
http.Error(w, "too many requests", http.StatusTooManyRequests)
return
}
counter.Inc(ip)
next.ServeHTTP(w, r)
})
}
IP 提取容易踩的坑
直接用 r.RemoteAddr 在反向代理后全是 127.0.0.1:xxxx,完全不可用。
常见错误包括:
- 无条件信任
X-Forwarded-For—— 攻击者可伪造该头绕过限流 - 没校验代理链可信性,比如 Nginx 配置了
set_real_ip_from 10.0.0.0/8;,但代码里没调用realip.From()或等效逻辑 - 没处理 IPv6 地址格式(含冒号和方括号),导致 key 不一致,同一个 IP 被算作多个不同 key
- 没做 IP 归一化(如去除端口、折叠 IPv6 零段),造成重复计数或漏统计
高并发下性能与内存怎么平衡
滑动窗口按 IP 维度维护状态,key 数量 = 并发访问的独立 IP 数。如果不限制 key 总数,恶意扫描可能打爆内存。
建议做法:
- 用带 LRU 驱逐的 map(如
golang-lru的ARC)包裹RollingCounter,限制最大 IP 数(如 10w) - 对长期静默的 IP,定期调用
counter.Remove(ip)清理(注意并发安全) - 避免在高频接口(如登录页、短信发送)上启用全量 IP 计数;可先对异常行为(如 5 次失败密码)触发临时封禁,降低滑动窗口压力
- 滑动窗口桶数不是越多越好:600 桶比 60 桶精度高,但内存占用 ×10,且
Sum()要遍历更多桶 —— 实测 100–200 桶在 99% 场景已够用
真正难的不是写对逻辑,而是让 IP 提取可靠、key 生命周期可控、资源增长有界 —— 这三点没压住,滑动窗口反而会成为 DoS 攻击的放大器。


















