我在业余时间开发了一款自己的独立产品：升讯威在线客服与营销系统。陆陆续续开发了几年，从一开始的偶有用户尝试，到如今线上环境和私有化部署均有了越来越多的稳定用户。
而我收到的用户需求也越来越多，产品化的需求，个性化的需求都有。最近两天收到一个用户的开放接口需求，为客服系统的 Open Api 开放接口提供一个获取在线访客列表的接口。
如何在 .NET 系统中实现 Open Api 我在前文分解过，今天我想分享的是如何为在线客服系统的开放接口设计实现一个 QPS 限流功能。
如下图所示，在为用户提供接口的过程中，我对这个接口应用了基本的 QPS 限流技术。
什么是 QPS 接口限流
QPS（Queries Per Second，查询每秒）接口限流是指对 API 或网络服务的访问进行限制，控制每秒钟可以接受的最大请求数量。这种限流机制常用于防止服务器因为过多的请求而被过载，从而保证服务的稳定性和性能。
QPS 限流的具体做法通常是：
-
设置最大 QPS 限制：对于每个用户、IP 地址或系统等，设定一个请求次数上限。比如，一个接口每秒钟最多允许 100 次请求。
-
超限处理：当请求数超过设定的 QPS 限制时，系统通常会拒绝多余的请求，返回错误信息（如 HTTP 429 Too Many Requests）。有时，也可能选择进行排队、重试等处理。
-
分级限流：为了避免单一用户或 IP 造成整个系统的拥塞，可以根据用户类型、接口的优先级等进行不同的限流策略。
-
突发流量处理：对于突发的高频请求，系统可能允许短时间内的超出限制的请求，但会有相应的窗口期或滑动窗口来平滑流量。
QPS 限流的目的通常是：
- 防止恶意请求或过多请求导致服务崩溃。
- 确保公平性，避免单个用户或请求占用过多资源。
- 提高服务的可用性和稳定性。
.NET 接口有哪些QPS限流方案
1. 基于内存的限流（Memory-based Rate Limiting）
- 这种方法使用内存中的数据结构（如
Dictionary或Queue）来记录每个用户或请求的时间戳，从而计算每秒钟的请求数量。 - 适用于流量较小、对性能要求较高的场景。
示例：
public class MemoryRateLimiter { private readonly int _maxQps; private readonly Dictionary<string, Queue<DateTime>> _requests = new Dictionary<string, Queue<DateTime>>(); public MemoryRateLimiter(int maxQps) { _maxQps = maxQps; } public bool IsRequestAllowed(string key) { var now = DateTime.UtcNow; if (!_requests.ContainsKey(key)) { _requests[key] = new Queue<DateTime>(); } var requestQueue = _requests[key]; // Remove requests older than 1 second while (requestQueue.Count > 0 && (now - requestQueue.Peek()).TotalSeconds >= 1) { requestQueue.Dequeue(); } // Check if the current request exceeds the limit if (requestQueue.Count >= _maxQps) { return false; } requestQueue.Enqueue(now); return true; } } 2. 基于令牌桶算法（Token Bucket）
令牌桶算法是一种流量控制算法，它通过给每个请求一个令牌来限制流量。每秒钟会向桶中添加一定数量的令牌，只有获取到令牌的请求才能通过。
- 适合需要处理突发流量的场景，因为令牌桶可以在短时间内允许一定数量的超限请求。
- .NET 没有内置令牌桶算法，但可以自己实现或使用一些开源库（例如
RateLimiter包）。
示例：
public class TokenBucketRateLimiter { private readonly int _bucketCapacity; private readonly int _tokensPerSecond; private int _tokens; private DateTime _lastRefillTime; public TokenBucketRateLimiter(int bucketCapacity, int tokensPerSecond) { _bucketCapacity = bucketCapacity; _tokensPerSecond = tokensPerSecond; _tokens = bucketCapacity; _lastRefillTime = DateTime.UtcNow; } public bool IsRequestAllowed() { var now = DateTime.UtcNow; var elapsedSeconds = (now - _lastRefillTime).TotalSeconds; // Refill tokens if (elapsedSeconds > 1) { _tokens = Math.Min(_bucketCapacity, _tokens + (int)(elapsedSeconds * _tokensPerSecond)); _lastRefillTime = now; } // Check if we have tokens available if (_tokens > 0) { _tokens--; return true; } return false; } } 3. 基于滑动窗口（Sliding Window）
滑动窗口限流算法通过维护一个请求的时间窗口来限制请求次数。在窗口内，最多可以接受一定数量的请求。每次请求都会刷新这个窗口，并根据窗口内的请求数决定是否允许请求通过。
- 适合对请求的时间分布进行精确控制的场景。
- 实现相对复杂，但能更平滑地处理流量。
示例：
public class SlidingWindowRateLimiter { private readonly int _maxQps; private readonly TimeSpan _windowSize; private readonly Queue<DateTime> _requests = new Queue<DateTime>(); public SlidingWindowRateLimiter(int maxQps, TimeSpan windowSize) { _maxQps = maxQps; _windowSize = windowSize; } public bool IsRequestAllowed() { var now = DateTime.UtcNow; // Remove requests that are outside the window while (_requests.Count > 0 && (now - _requests.Peek()).TotalMilliseconds > _windowSize.TotalMilliseconds) { _requests.Dequeue(); } // Check if we can allow the request if (_requests.Count < _maxQps) { _requests.Enqueue(now); return true; } return false; } } 4. 使用第三方库（如 AspNetCoreRateLimit）
AspNetCoreRateLimit 是一个非常流行的 .NET 库，可以帮助开发者轻松实现 API 的限流。它支持多种限流算法，如固定窗口、滑动窗口、令牌桶等，并且可以在 ASP.NET Core 中使用。
安装 NuGet 包：
dotnet add package AspNetCoreRateLimit 配置示例：
public void ConfigureServices(IServiceCollection services) { // Add rate limiting services services.AddInMemoryRateLimiting(); services.Configure<IpRateLimitOptions>(options => { options.GeneralRules = new List<RateLimitRule> { new RateLimitRule { Endpoint = "*", Period = "1s", // Limit requests per second Limit = 100 // Max 100 requests per second } }; }); services.AddSingleton<IRateLimitConfiguration, RateLimitConfiguration>(); } public void Configure(IApplicationBuilder app) { app.UseIpRateLimiting(); } 5. 使用 Redis 实现分布式限流
如果你的应用是分布式的，可以使用 Redis 来存储每个请求的时间戳或者计数器，从而实现跨多台服务器的 QPS 限流。
示例：
public class RedisRateLimiter { private readonly string _key; private readonly int _maxQps; private readonly IDatabase _database; public RedisRateLimiter(string key, int maxQps, IConnectionMultiplexer redis) { _key = key; _maxQps = maxQps; _database = redis.GetDatabase(); } public async Task<bool> IsRequestAllowedAsync() { var now = DateTime.UtcNow; var timeFrame = TimeSpan.FromSeconds(1); var requestCount = await _database.ListLengthAsync(_key); // Remove expired requests from the list await _database.ListRemoveAsync(_key, now.Add(-timeFrame).ToString()); if (requestCount < _maxQps) { // Add current request time to the list await _database.ListLeftPushAsync(_key, now.ToString()); return true; } return false; } } 6. 基于 ASP.NET Core 中间件限流
在 ASP.NET Core 应用中，可以创建一个中间件来处理请求限流逻辑，并通过 HTTP 请求的头信息来告知客户端当前的请求状态。
示例：
public class RateLimitingMiddleware { private readonly RequestDelegate _next; private readonly MemoryRateLimiter _rateLimiter; public RateLimitingMiddleware(RequestDelegate next, MemoryRateLimiter rateLimiter) { _next = next; _rateLimiter = rateLimiter; } public async Task InvokeAsync(HttpContext context) { if (!_rateLimiter.IsRequestAllowed(context.Connection.RemoteIpAddress.ToString())) { context.Response.StatusCode = 429; await context.Response.WriteAsync("Rate limit exceeded."); return; } await _next(context); } } 总结
在 .NET 中实现 QPS 限流有很多方案，对于小流量的应用，内存限流和基于中间件的限流方式可能已经足够，而对于高并发的分布式系统，可能需要 Redis 或者更复杂的算法，如令牌桶或滑动窗口。
简介下这个 .net 开发的小系统
升讯威在线客服与营销系统是一款客服软件，但更重要的是一款营销利器。
- 可以追踪正在访问网站或使用 APP 的所有访客，收集他们的浏览情况，使客服能够主动出击，施展话术，促进成单。
- 可嵌入网站、手机 APP、公众号、或者通过 URL 地址直接联系客服。
- 支持访客信息互通，可传输访客标识、名称和其它任意信息到客服系统，与您的业务系统对接。
- 可全天候 7 × 24 小时挂机运行，网络中断，拔掉网线，手机飞行模式，不掉线不丢消息，欢迎实测。
希望能够打造： 开放、开源、共享。努力打造 .net 社区的一款优秀开源产品。
