因为echo.ratelimiter默认基于内存存储,多实例下状态不共享,攻击者轮询即可击穿;且未校验真实ip,若nginx未配置proxy_set_header x-real-ip $remote_addr,c.realip()可能返回代理ip,导致误封或失效。

为什么直接用 echo.RateLimiter 容易被绕过
因为默认的 echo.RateLimiter 基于内存(memory.NewStore),不共享状态,多实例部署时各进程独立计数,攻击者轮询请求就能轻松击穿限流。它也不校验真实客户端 IP——c.RealIP() 可能被伪造,若没配好反向代理(如 Nginx)的 set_real_ip_from 和 real_ip_header X-Forwarded-For,中间件拿到的可能是负载均衡器 IP,导致全站误封或完全失效。
实际要防刷,得同时满足:可信 IP 提取、跨节点共享计数、支持手动加黑、且不阻塞主流程。
- 用
X-Real-IP或X-Forwarded-For时,必须在 Nginx 中显式配置proxy_set_header X-Real-IP $remote_addr;,否则c.RealIP()返回空或错误值 - 别用内存存储,改用 Redis:用
github.com/eko/gocache/store/redis或直接调redis.Client.Incr+Expire - 限流 key 要带路径前缀,比如
rate:api:/login:1.2.3.4,避免不同接口共用计数器
如何写一个可热更新的 IP 黑名单中间件
硬编码黑名单数组或读文件后常驻内存,改一次就得重启服务,线上不可行。正确做法是把黑名单存在 Redis 的 SET 里,中间件启动时加载一次,再起 goroutine 定期(如 30s) SMEMBERS 同步到本地 map——既降低每次请求的 Redis 开销,又保证变更秒级生效。
注意两个关键点:
- Redis SET key 命名为
ip:blacklist,每条 IP 存为成员,不要用 hash 或 string,SISMEMBER查询是 O(1) - 本地缓存 map 类型必须是
sync.Map,不能用普通 map,否则并发读写 panic - 中间件中先查本地
sync.Map,命中则直接c.AbortWithStatus(403),不碰 Redis
c.Request.URL.Path 和 c.Path() 在路由匹配中的区别
防刷中间件常需按接口路径分级限流(如 /login 限制严,/status 放宽)。但 c.Path() 返回的是 Echo 解析后的路由路径(含通配符,如 /user/:id),而 c.Request.URL.Path 是原始请求路径(如 /user/123)。如果按 c.Path() 做 key,所有 /user/:id 请求会共用一个计数器,失去区分意义;按原始路径又会导致每个 ID 都单独计数,无法真正限制用户行为。
Echo框架 5.1.0 版本源码包下载,适合关注 RealIP 行为变化、StartConfig.Listener、NewDefaultFS 和观测性中间件入口的开发团队。
解决办法是预定义敏感路径白名单,做字符串前缀匹配:
var sensitivePaths = []string{"/login", "/register", "/forgot"}
for _, p := range sensitivePaths {
if strings.HasPrefix(c.Request.URL.Path, p) {
key = "rate:" + p + ":" + clientIP
break
}
}
这样既能覆盖 /login 和 /login/abc,又不会和 /user/login 混淆。
Redis 计数器原子性与过期时间怎么设才不丢数据
用 INCR + EXPIRE 两步操作有竞态:INCR 成功但 EXPIRE 失败,key 永不过期,内存泄漏。必须用 Lua 脚本保证原子性:
local current = redis.call("INCR", KEYS[1])
if current == 1 then
redis.call("EXPIRE", KEYS[1], ARGV[1])
end
return current
调用时传入 key 和 TTL(如 60),脚本里只对首次 INCR 的 key 设过期。TTL 别设太长(如 24h),否则黑名单同步延迟大;也别太短(如 1s),高频接口可能刚清完就新计数,建议按业务节奏设:登录接口用 60s,支付回调用 300s。
最后提醒:Redis 连接要用连接池,超时设 ReadTimeout: 500 * time.Millisecond,避免单个慢查询拖垮整个中间件。










