### Python3 中 Limiter 计数器的使用方法与实现 在 Python3 中，`Limiter` 计数器通常用于控制资源访问频率或速率。这种机制可以防止过多请求短时间内涌入系统，从而保护系统的稳定性和响应速度。 #### 基于信号量的简单限流器 一种简单的限流方式是通过 `threading.Semaphore` 来限制同一时刻能够执行特定函数的最大线程数量[^1]： ```python import threading import time rate_limiter = threading.Semaphore(5) # 设置最大并发数为5 def limited_function(): rate_limiter.acquire() try: print("Accessing resource") time.sleep(0.1) # 模拟操作耗时 finally: rate_limiter.release() threads = [] for _ in range(10): thread = threading.Thread(target=limited_function) threads.append(thread) thread.start() for thread in threads: thread.join() ``` 此代码片段展示了如何利用信号量来创建一个简易版的限流器，在多线程环境中有效管理资源访问权限。 #### 使用计数器算法进行限流 对于更复杂的场景，则可能需要用到专门设计的限流组件——比如基于时间窗口的固定大小计数器。这里给出一个基本框架作为参考[^4]: ```python from collections import defaultdict from datetime import datetime, timedelta class RateLimitCounter(object): def __init__(self, limit_per_minute): self.limit = limit_per_minute self.requests = defaultdict(list) def is_allowed(self, key): now = datetime.now() cutoff_time = now - timedelta(minutes=1) # 清除旧记录 old_requests = [t for t in self.requests[key] if t < cutoff_time] del self.requests[key][:len(old_requests)] count = len(self.requests[key]) if count >= self.limit: return False self.requests[key].append(now) return True limiter = RateLimitCounter(limit_per_minute=60) if limiter.is_allowed('client_ip'): print("Request allowed.") else: print("Too many requests from this IP address!") ``` 这段程序定义了一个每分钟最多允许一定次数请求的类，并提供了判断当前客户端是否被准许发送新请求的方法。它会自动清理超过一分钟的历史数据并更新最新的调用情况列表。 #### 结合 Redis 的分布式限流方案 如果应用部署在一个分布式的架构上，那么就需要考虑跨服务器之间的协调问题了。此时可以通过引入像 Redis 这样的外部存储服务来进行全局状态同步[^5]： ```python import redis from functools import wraps import time rdb = redis.StrictRedis(host='localhost', port=6379, db=0) def ratelimit(key_prefix, period, max_calls): def decorator(f): @wraps(f) def wrapped(*args, **kwargs): client_key = f"{key_prefix}:{request.remote_addr}" with rdb.pipeline() as pipe: while True: try: pipe.watch(client_key) current_count = int(pipe.get(client_key) or b'0') if current_count + 1 > max_calls: raise Exception("Rate Limit Exceeded") pipe.multi() pipe.incr(client_key).expire(client_key, period) pipe.execute() break except redis.WatchError: continue result = f(*args, **kwargs) return result return wrapped return decorator ``` 上述装饰器实现了对 HTTP 请求的限流逻辑，其中包含了针对单个用户的独立计数统计以及超时时长设置等功能特性。