Spring Cloud Gateway限流极速部署：3步搞定，秒级防护微服务！

想要快速为Spring Cloud Gateway集成限流功能？本文提供最简方案，无需复杂配置，三步即可完成！通过内置的RequestRateLimiter过滤器，结合Redis实现高并发场景下的精准流量控制。

一、环境准备

添加核心依赖

在pom.xml中引入Spring Cloud Gateway和Redis Reactive依赖（Redis用于分布式限流）：

<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-gateway</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis-reactive</artifactId>
</dependency>

配置Redis连接

在application.yml中配置Redis地址：

spring:
  redis:
    host: localhost
    port: 6379

二、基础限流配置

令牌桶算法实现

Spring Cloud Gateway默认采用令牌桶算法，通过RequestRateLimiter过滤器实现：

spring:
  cloud:
    gateway:
      routes:
        - id: user-service
          uri: lb://user-service
          predicates:
            - Path=/api/users/**
          filters:
            - name: RequestRateLimiter
              args:
                # 令牌桶每秒填充速率（req/s）
                redis-rate-limiter.replenishRate: 10 
                # 突发流量容量（令牌桶大小）
                redis-rate-limiter.burstCapacity: 20 
                # 限流维度解析器（按IP限流）
                key-resolver: "#{@ipKeyResolver}"

定义限流维度解析器

创建KeyResolver Bean决定限流维度（如IP、用户ID等）：

@Bean
public KeyResolver ipKeyResolver() {
    return exchange -> Mono.just(
        exchange.getRequest().getRemoteAddress().getHostString()
    );
}

三、高级限流策略

多维度组合限流

支持同时配置路径和IP限流：

filters:
  - name: RequestRateLimiter
    args:
      rate-limiter: "compoundRateLimiter"
      key-resolver: "#{@pathAndIpKeyResolver}"

自定义组合限流解析器（如将路径和IP拼接为Key）:

@Bean
public KeyResolver pathAndIpKeyResolver() {
    return exchange -> {
        String ip = exchange.getRequest().getRemoteAddress().getHostString();
        String path = exchange.getRequest().getURI().getPath();
        return Mono.just(ip + ":" + path); // 组合维度生成唯一key
    };
}

自定义限流算法

若需替换默认算法（如改用漏桶算法）

实现RateLimiter接口，重写isAllowed方法

     public class CustomRateLimiter extends AbstractRateLimiter<CustomRateLimiter.Config> {
         @Override
         public Mono<Response> isAllowed(String routeId, String id) {
             // 自定义算法逻辑
             // 返回Mono.just(Response.of(allowed, remainingTokens))
         }
     }

在配置中通过SpEL指定自定义类：

args:
  rate-limiter: "#{@customRateLimiter}"

四、验证与测试

触发限流
- 使用工具（如JMeter）发送超过burstCapacity的请求，观察返回429 Too Many Requests状态码
监控Redis数据
- 限流计数器存储在Redis中，键名格式为request_rate_limiter.{key}.tokens，可通过redis-cli查看实时令牌数量

五、注意事项

算法选择
- 令牌桶：允许突发流量，适合应对短时高峰（默认方案）
- 漏桶：平滑流量，强制恒定速率（需自定义实现）
分布式一致性
- 生产环境建议使用Redis集群，避免单点故障导致限流失效
动态配置
- 结合Nacos可实现限流规则热更新

通过以上步骤，可快速实现基于Spring Cloud Gateway的限流控制。实际项目中建议结合监控系统（如Prometheus）实时观察限流效果，并根据业务需求调整参数。