SpringCloud中怎么实现gateway限流
发表于：2026-11-03 作者：千家信息网编辑
千家信息网最后更新 2026年11月03日，SpringCloud中怎么实现gateway限流，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。路由过滤器允许以某种方式修改传入的HTT
千家信息网最后更新 2026年11月03日SpringCloud中怎么实现gateway限流
SpringCloud中怎么实现gateway限流，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
路由过滤器允许以某种方式修改传入的HTTP请求或传出的HTTP响应，路径过滤器的范围限定为特定路径，Spring Cloud Gateway包含许多内置的GatewayFilter工厂。
Spring Cloud Gateway限流就是通过内置的RequestRateLimiterGateWayFilterFactory工厂来实现的。
当然，官方的肯定不能满足我们部分业务需求，因此可以自定义限流过滤器。
## yml如下配置，就可以为该路由添加此拦截器：
spring: cloud: gateway: routes: - id: test_route uri: localhost predicates: - Path=/host/address filters: - name: RequestRateLimiter args: ## 允许用户每秒执行多少请求，而不会丢弃任何请求。这是令牌桶填充的速率。 redis-rate-limiter.replenishRate: 1 ## 是一秒钟内允许用户执行的最大请求数。这是令牌桶可以容纳的令牌数。将此值设置为零将阻止所有请求。 redis-rate-limiter.burstCapacity: 3 ## KeyResolver是一个简单的获取用户请求参数 我这里以主机地址为key来作限流 key-resolver: "#{@hostAddrKeyResolver}"## RequestRateLimiterGateWayFilterFactory代码：
//AbstractGatewayFilterFactory实现GatewayFilterFactory接口，自定义的过滤工厂可以继承//AbstractGatewayFilterFactory并编写apply方法public class RequestRateLimiterGatewayFilterFactory extends AbstractGatewayFilterFactory{ public static final String KEY_RESOLVER_KEY = "keyResolver"; private final RateLimiter defaultRateLimiter; private final KeyResolver defaultKeyResolver; public RequestRateLimiterGatewayFilterFactory(RateLimiter defaultRateLimiter,KeyResolver defaultKeyResolver) { super(Config.class); this.defaultRateLimiter = defaultRateLimiter; this.defaultKeyResolver = defaultKeyResolver; } public KeyResolver getDefaultKeyResolver() { return defaultKeyResolver; } public RateLimiter getDefaultRateLimiter() { return defaultRateLimiter; } @SuppressWarnings("unchecked") @Override public GatewayFilter apply(Config config) { //yml中我们配置的hostAddrKeyResolver KeyResolver resolver = (config.keyResolver == null) ? defaultKeyResolver : config.keyResolver; //这个就是限流的具体实现，默认使用RedisRateLimiter RateLimiter
分析：
1.加载KeyResolver，从配置文件中加载，此处我配置了hostAddrKeyResolver，即根据host地址来进行限流。如果为空，使用默认的PrincipalNameKeyResolver
2.加载RateLimiter，默认使用RedisRateLimiter。
3.执行RedisRateLimiter的isAllowed方法，得到response，如果isAllowed为true则通过拦截，否则返回429（isAllowed方法具体实现下文描述）。
## HostAddrKeyResolver：
@Slf4jpublic class HostAddrKeyResolver implements KeyResolver { @Override public Mono resolve(ServerWebExchange exchange) { log.info("HostAddrKeyResolver 限流"); return Mono.just(exchange.getRequest().getRemoteAddress().getHostName()); }}
在启动类中注入bean
@Beanpublic HostAddrKeyResolver hostAddrKeyResolver() { return new HostAddrKeyResolver();}## RedisRateLimiter：
@Override @SuppressWarnings("unchecked") public Mono isAllowed(String routeId, String id) { //判断是否初始化 if (!this.initialized.get()) { throw new IllegalStateException("RedisRateLimiter is not initialized"); } //获取配置 Config routeConfig = getConfig().getOrDefault(routeId, defaultConfig); if (routeConfig == null) { throw new IllegalArgumentException("No Configuration found for route " + routeId); } //令牌桶填充速率 int replenishRate = routeConfig.getReplenishRate(); //令牌桶可容纳令牌数 int burstCapacity = routeConfig.getBurstCapacity(); try { //获取redis的key，执行lua脚本时传入 List keys = getKeys(id); //获取参数，执行lua脚本时传入 List scriptArgs = Arrays.asList(replenishRate + "", burstCapacity + "", Instant.now().getEpochSecond() + "", "1"); Flux> flux = this.redisTemplate.execute(this.script, keys, scriptArgs); // .log("redisratelimiter", Level.FINER); return flux.onErrorResume(throwable -> Flux.just(Arrays.asList(1L, -1L))) .reduce(new ArrayList(), (longs, l) -> { longs.addAll(l); return longs; }) .map(results -> { boolean allowed = results.get(0) == 1L; Long tokensLeft = results.get(1); Response response = new Response(allowed, getHeaders(routeConfig, tokensLeft)); if (log.isDebugEnabled()) { log.debug("response: " + response); } return response; }); } catch (Exception e) { /* * We don't want a hard dependency on Redis to allow traffic. Make sure to set * an alert so you know if this is happening too much. Stripe's observed * failure rate is 0.01%. */ log.error("Error determining if user allowed from redis", e); } return Mono.just(new Response(true, getHeaders(routeConfig, -1L))); } @NotNull public HashMap getHeaders(Config config, Long tokensLeft) { HashMap headers = new HashMap<>(); headers.put(this.remainingHeader, tokensLeft.toString()); headers.put(this.replenishRateHeader, String.valueOf(config.getReplenishRate())); headers.put(this.burstCapacityHeader, String.valueOf(config.getBurstCapacity())); return headers; } static List getKeys(String id) { // use {} around keys to use Redis Key hash tags // this allows for using redis cluster // Make a unique key per user. String prefix = "request_rate_limiter.{" + id; //令牌桶剩余令牌数 String tokenKey = prefix + "}.tokens"; //令牌桶最后填充令牌时间 String timestampKey = prefix + "}.timestamp"; return Arrays.asList(tokenKey, timestampKey); }
分析：
1.判断是否初始化，加载配置，获取令牌填充速率和令牌桶大小
2.根据路由id组合成两个redis中的key值，传入lua脚本
request_rate_limiter.{id}.tokens 令牌桶剩余令牌数
request_rate_limiter.{id}.timestamp 令牌桶最后填充令牌时间
3.把令牌填充速率，令牌桶大小，当前时间（单位：秒），消耗令牌数（默认为1）组合传入lua脚本
4.执行lua脚本
5.flux.onErrorResume(throwable -> Flux.just(Arrays.asList(1L, -1L))) 这个是对执行lua脚本过程中发生异常的处理，它会忽略异常，返回令牌。这样就能跟redis解耦，不对它强依赖。
该实现核心主要体现在lua脚本上，它使用的是令牌桶算法
详见spring-cloud-gateway-core下的request_rate_limiter.lua
## 获取剩余令牌数的redis keylocal tokens_key = KEYS[1]## 获取最后一次填充令牌的时间local timestamp_key = KEYS[2]--redis.log(redis.LOG_WARNING, "tokens_key " .. tokens_key) ## 令牌填充速率local rate = tonumber(ARGV[1])## 令牌桶大小local capacity = tonumber(ARGV[2])## 当前秒数local now = tonumber(ARGV[3])## 消耗令牌数，默认1local requested = tonumber(ARGV[4]) ## 计算令牌桶需要填充的时间local fill_time = capacity/rate## 计算key的存活时间local ttl = math.floor(fill_time2) --redis.log(redis.LOG_WARNING, "rate " .. ARGV[1])--redis.log(redis.LOG_WARNING, "capacity " .. ARGV[2])--redis.log(redis.LOG_WARNING, "now " .. ARGV[3])--redis.log(redis.LOG_WARNING, "requested " .. ARGV[4])--redis.log(redis.LOG_WARNING, "filltime " .. fill_time)--redis.log(redis.LOG_WARNING, "ttl " .. ttl) ## 获取剩余的令牌数local last_tokens = tonumber(redis.call("get", tokens_key))if last_tokens == nil then last_tokens = capacityend--redis.log(redis.LOG_WARNING, "last_tokens " .. last_tokens) ## 获取令牌最后填充时间local last_refreshed = tonumber(redis.call("get", timestamp_key))if last_refreshed == nil then last_refreshed = 0end--redis.log(redis.LOG_WARNING, "last_refreshed " .. last_refreshed) local delta = math.max(0, now-last_refreshed)## 计算得到剩余的令牌数local filled_tokens = math.min(capacity, last_tokens+(deltarate))## 大于请求消耗令牌 allowed 设为truelocal allowed = filled_tokens >= requestedlocal new_tokens = filled_tokenslocal allowed_num = 0if allowed then new_tokens = filled_tokens - requested allowed_num = 1end --redis.log(redis.LOG_WARNING, "delta " .. delta)--redis.log(redis.LOG_WARNING, "filled_tokens " .. filled_tokens)--redis.log(redis.LOG_WARNING, "allowed_num " .. allowed_num)--redis.log(redis.LOG_WARNING, "new_tokens " .. new_tokens) redis.call("setex", tokens_key, ttl, new_tokens)redis.call("setex", timestamp_key, ttl, now) return { allowed_num, new_tokens }看完上述内容，你们掌握SpringCloud中怎么实现gateway限流的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注行业资讯频道，感谢各位的阅读！
令牌
时间
脚本
配置
方法
速率
剩余
路由
参数
地址
大小
就是
工厂
用户
消耗
主机
内容
更多
路径
过滤器
数据库的安全要保护哪些东西
数据库安全各自的含义是什么
生产安全数据库录入
数据库的安全性及管理
数据库安全策略包含哪些
海淀数据库安全审计系统
建立农村房屋安全信息数据库
易用的数据库客户端支持安全管理
连接数据库失败ssl安全错误
数据库的锁怎样保障安全
互联网金融科技
互联网科技工作委员会副主任毛军
关于新基建和互联网科技
互联网科技集团
互联网 的科技创新
紫鲸互联网科技
唐信互联网科技
亿账通互联网科技
深圳互联网科技怎么样
岳阳华臻互联网科技有限公司
电子科技大学互联网创业大赛
互联网科技人工智能实验室
畅思互联网科技
迪庆互联网科技招生
东莞新华互联网科技学校
互联网科技公司营业执照怎么办理
黑科技 体验场景 互联网大会
半导体行业属于互联网高科技类吗
互联网科技手机排行榜
众联互联网络科技
深圳九邦互联网科技有限公司
宜安科技 互联网金融
郑州华宇互联网科技
汽车互联网创新科技园
亳州好赞互联网科技有限公司
浙南科技城互联网大厦建设工程
乌鲁木齐新华智原互联网科技学校
抖集互联网科技技术咨询
吉林省码上互联网科技电话
悟空问答互联网科技
