java中可通过自定义@ratelimit注解+spring aop+redis lua脚本实现接口限流：解析注解参数生成唯一key，执行lua原子脚本判断是否放行，超限返回429，支持spel动态key和fallback降级。
在 Java 中，可以通过自定义注解 + AOP（如 Spring AOP 或 AspectJ）+ 缓存（如 Redis 或本地 Caffeine）来实现基于注解的接口访问频率控制（Rate Limit）。核心思路是：在方法执行前拦截带限流注解的方法，检查当前请求是否超过设定阈值，超限则抛出异常或返回错误响应。
1. 定义自定义限流注解
创建一个运行时保留、可作用于方法的注解，用于声明限流规则：
@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface RateLimit {
int value() default 10; // 每时间窗口内最大请求数
int period() default 60; // 时间窗口秒数，默认 60 秒
String key() default ""; // 限流 Key 前缀，支持 SpEL 表达式（如 #user.id）
String fallback() default ""; // 可选：指定降级方法名（需同类中 public 方法）
}2. 实现限流切面（Spring AOP）
使用 @Aspect 拦截标注了 @RateLimit 的方法，解析参数并生成唯一限流 Key，再调用限流器判断是否放行：
关键点：
Redis Skill - 高性能缓存管理
下载
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
- 用
JoinPoint获取方法参数，配合 SpEL 解析key()字符串（推荐用ExpressionParser+StandardEvaluationContext） - 组合业务标识（如用户 ID、IP、接口路径）生成分布式 Key，例如：
"rate:limit:api:/order/create:uid_123" - 使用 Redis 实现分布式限流（推荐 Lua 脚本保证原子性），或本地缓存（适合单机、低一致性要求场景）
- 若拒绝请求，可抛出
RuntimeException（如RateLimitException），由全局异常处理器统一返回 429 Too Many Requests
3. Redis + Lua 实现原子限流逻辑
将“获取当前计数 → 判断是否超限 → 未超限则递增并设置过期”封装为 Lua 脚本，避免多步操作并发问题：
-- KEYS[1]: 限流 key
-- ARGV[1]: 窗口大小（秒）
-- ARGV[2]: 最大请求数
local current = redis.call("INCR", KEYS[1])
if current == 1 then
redis.call("EXPIRE", KEYS[1], ARGV[1])
end
if current > tonumber(ARGV[2]) then
return 0
else
return 1
endJava 中通过 RedisTemplate.execute() 执行该脚本，返回 1 表示放行，0 表示被限流。
4. 支持灵活 Key 生成与降级（可选增强）
提升实用性可补充：
-
Key 表达式支持：用 Spring 的
SpelExpressionParser解析@RateLimit(key = "#request.header['X-User-ID'] ?: 'anonymous'") -
降级方法调用：若配置了
fallback，通过反射调用同对象内对应方法（注意签名兼容性） - 多级限流：结合用户级别（VIP/普通）、IP、接口维度叠加判断（如 VIP 用户每分钟 100 次，普通用户 10 次）
不复杂但容易忽略细节：注意注解生效范围（确保目标方法被 Spring 管理且非 private/final）、Redis 连接稳定性、Lua 脚本调试、以及高并发下本地缓存可能失效导致误放行。生产建议优先用 Redis + Lua 方案。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
