Go 限流选 golang.org/x/time/rate.Limiter 还是自己写固定窗口？
直接说结论：90% 的内部微服务接口限流，用 rate.Limiter（令牌桶）更稳；只有极少数需要「整秒/整分钟统计」且允许误差的场景，才考虑固定窗口。
原因很简单：rate.Limiter 是 Go 官方维护、经过压测验证的内存级限流器，支持平滑突发请求，且无时间窗口跳跃问题；而手写固定窗口容易在并发下漏计数、跨窗口重复重置，还得多维护一个 map 或 Redis。
- 固定窗口在每秒切换瞬间会出现“脉冲”——前一窗口末尾 + 新窗口开头可能同时放行两倍请求
-
rate.Limiter的Allow/Reserve方法是原子的，底层用sync/atomic控制令牌，无锁路径快 - 如果你的限流粒度是「每秒 100 次」，但实际请求有波峰（比如 500ms 内打来 80 次），固定窗口会直接拒绝后 20 次；
rate.Limiter可凭剩余令牌缓冲，体验更平滑
为什么 rate.Limiter 的 burst 参数不能设太大？
burst 表示令牌桶最大容量，它不是“并发上限”，而是“可累积的突发请求数”。设得过大，等于变相放宽限流，尤其在服务刚启动或低流量后突增时，会一次性倾泻大量请求到下游。
- 例如
rate.NewLimiter(rate.Every(100*time.Millisecond), 5)：每 100ms 补 1 个令牌，桶最多存 5 个。若 burst=1000，那服务空闲 10 秒后，桶里就攒了 1000 个令牌——第一波请求进来全放行，相当于没限流 - 真实微服务中，
burst建议 ≤ 平均 QPS × 0.5 秒（如 QPS=200，burst≤100），既容许合理抖动，又防雪崩传导 - 注意：
burst和limit都是 int 类型，超math.MaxInt32会 panic，但一般不会踩到
固定窗口真要上，怎么避开 map 并发读写 panic？
很多人用 map[string]int 存每个窗口的计数，然后开 goroutine 定时清零——这是典型错误。Go 的 map 默认不支持并发读写，一碰就 fatal error: concurrent map writes。
Golang Uber Dig
下载
使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器，提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象，支持命名依赖等
- 别用裸
map，改用sync.Map（但注意：它的LoadOrStore不保证原子性累加，仍需额外锁） - 更稳妥的是每个窗口键配一个
sync.Mutex，或者直接上atomic.Int64+ 预分配窗口槽位（比如只保留最近 2 个时间窗口的计数器，用数组 + 原子索引切换） - 如果必须分布式（跨实例），别自己实现——直接走 Redis 的
INCR+EXPIRE，用 Lua 脚本保证原子性，否则本地计数毫无意义
HTTP 中间件里嵌 rate.Limiter，为什么有时限不住？
常见原因是把 rate.Limiter 实例定义在了 handler 函数内，导致每次请求都新建一个 limiter，完全失效。
- 正确做法：limiter 必须是包级变量或依赖注入的单例，例如
var apiLimiter = rate.NewLimiter(rate.Limit(100), 10) - 另一个坑：没区分用户/租户/IP。所有请求共用一个 limiter，会导致大客户挤占小客户额度。应按 key 构建 limiter 池（如用
sync.Map缓存*rate.Limiter），但注意控制池大小，避免内存无限增长 - 测试时用
time.Sleep模拟请求间隔容易误判——Go 的 timer 在高负载下有延迟，建议用runtime.Gosched()或真实压测工具（如 wrk）验证
真正难的不是选算法，而是厘清「谁该被限」「按什么维度限」「失败后怎么降级」。令牌桶和固定窗口只是工具，背后是你的服务契约意识。
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
