Spring Boot应用如何以键值对形式在缓存中存储数据实现用户限流

核心思路 #

利用分布式缓存（如Redis）存储用户请求计数，以用户ID为键，值为该用户的请求次数，同时为每个键设置1分钟的过期时间。每次处理用户请求时：

1. 检查缓存中是否存在该用户ID的计数记录
2. 无记录则初始化计数为1，并设置1分钟过期
3. 有记录则将计数加1，若超过5次则返回限流错误，否则更新缓存计数

具体实现步骤 #

1. 引入缓存依赖 #

如果使用Redis作为缓存，在pom.xml中添加依赖：

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

2. 自定义限流注解与AOP切面 #

通过注解+AOP的方式实现无侵入式限流：

自定义限流注解

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface UserRateLimit {
    int maxCount() default 5; // 每分钟最大请求次数
    long expireSeconds() default 60; // 过期时间（秒）
}

AOP切面逻辑实现

@Component
@Aspect
public class UserRateLimitAspect {

    @Autowired
    private StringRedisTemplate redisTemplate;

    @Around("@annotation(rateLimit)")
    public Object handleRateLimit(ProceedingJoinPoint joinPoint, UserRateLimit rateLimit) throws Throwable {
        // 从请求上下文获取当前用户ID（根据实际业务调整，比如从Token、Session中解析）
        String userId = getCurrentUserId();
        if (userId == null) {
            throw new IllegalArgumentException("用户身份验证失败");
        }

        String cacheKey = "rate_limit:user:" + userId;
        ValueOperations<String, String> valueOps = redisTemplate.opsForValue();

        String countStr = valueOps.get(cacheKey);
        if (countStr == null) {
            // 首次请求，初始化计数与过期时间
            valueOps.set(cacheKey, "1", rateLimit.expireSeconds(), TimeUnit.SECONDS);
        } else {
            int currentCount = Integer.parseInt(countStr);
            if (currentCount >= rateLimit.maxCount()) {
                throw new RuntimeException("1分钟内搜索次数已达上限，请稍后再试");
            }
            // 计数加1
            valueOps.increment(cacheKey);
        }

        return joinPoint.proceed();
    }

    // 示例：从请求头获取用户ID，实际项目需根据登录机制调整
    private String getCurrentUserId() {
        HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();
        return request.getHeader("X-User-Id");
    }
}

3. 在业务接口上应用注解 #

在商品搜索接口方法上添加限流注解：

@RestController
@RequestMapping("/goods")
public class GoodsSearchController {

    @UserRateLimit(maxCount = 5, expireSeconds = 60)
    @GetMapping("/search")
    public ResponseEntity<Map<String, Object>> search(@RequestParam String keyword) {
        // 商品搜索业务逻辑
        Map<String, Object> result = new HashMap<>();
        result.put("code", 200);
        result.put("data", "搜索结果：" + keyword);
        return ResponseEntity.ok(result);
    }
}

关键注意事项 #

• 分布式场景适配：多实例部署时必须使用Redis等分布式缓存，不能用本地缓存（如Caffeine），否则各实例计数不统一。
• 异常统一处理：可以自定义限流异常类，通过全局异常处理器返回标准化的JSON错误响应，避免直接抛出RuntimeException。
• 用户ID可靠性：确保用户ID的获取逻辑稳定，比如登录用户从JWT Token、Spring Security上下文解析，避免出现空值或错误标识。

内容的提问来源于stack exchange，提问作者Nihar Ranjan Khatua