Skip to content

rate-limiting.md

Latest commit

 

History

History
232 lines (169 loc) · 4.98 KB

rate-limiting.md

File metadata and controls

232 lines (169 loc) · 4.98 KB

限流说明

本文档介绍轻易云 iPaaS API 的限流策略和应对方法。

限流概述

为保障服务稳定性，轻易云 iPaaS 对 API 请求进行限流控制。

限流级别

flowchart TB
    subgraph 限流层级
        A[账号级限流] --> B[应用级限流]
        B --> C[接口级限流]
    end
Loading

账号级限流

套餐 每分钟限制 每小时限制 每日限制
免费试用 100 1,000 10,000
基础版 500 5,000 50,000
专业版 S 1,000 10,000 100,000
专业版 M 2,000 20,000 200,000
专业版 L 5,000 50,000 500,000
企业版 自定义 自定义 自定义

应用级限流

每个应用的默认限流：

应用类型 每分钟 说明
默认应用 1,000 新创建的应用
已认证应用 2,000 完成企业认证的应用
高级应用 5,000 申请提升的应用

接口级限流

特定接口可能有额外的限流：

接口 限流 说明
任务执行 100/分钟 防止任务堆积
数据查询 500/分钟 保护数据库
批量操作 50/分钟 控制资源使用

限流响应

当触发限流时，API 返回 429 状态码：

HTTP/1.1 429 Too Many Requests
Content-Type: application/json
Retry-After: 60
X-RateLimit-Limit: 1000
X-RateLimit-Remaining: 0
X-RateLimit-Reset: 1640995200

{
  "code": 42901,
  "message": "请求过于频繁，请稍后重试",
  "detail": {
    "retryAfter": 60,
    "limit": 1000,
    "resetTime": "2024-01-01T12:00:00Z"
  },
  "requestId": "req_abc123"
}

响应头说明

响应头 说明
Retry-After 建议等待多少秒后重试
X-RateLimit-Limit 当前限流上限
X-RateLimit-Remaining 剩余可用请求数
X-RateLimit-Reset 限流重置时间戳

应对策略

1. 指数退避重试

import time
import random

def api_call_with_retry(func, max_retries=3):
    for i in range(max_retries):
        try:
            return func()
        except RateLimitError as e:
            if i == max_retries - 1:
                raise
            # 指数退避 + 随机抖动
            wait_time = (2 ** i) + random.uniform(0, 1)
            time.sleep(wait_time)

2. 请求队列

使用队列平滑请求流量：

from queue import Queue
import threading

class RateLimiter:
    def __init__(self, rate_per_second=10):
        self.queue = Queue()
        self.rate = rate_per_second
        self.thread = threading.Thread(target=self._process)
        self.thread.start()
    
    def add_request(self, request):
        self.queue.put(request)
    
    def _process(self):
        while True:
            request = self.queue.get()
            self._execute(request)
            time.sleep(1 / self.rate)

3. 批量处理

合并多个操作为一个批量请求：

# 不推荐：多次单个请求
for item in items:
    api.create_record(item)  # 10 次请求

# 推荐：一次批量请求
api.batch_create_records(items)  # 1 次请求

4. 本地缓存

缓存常用数据，减少 API 调用：

import functools

@functools.lru_cache(maxsize=128)
def get_connector_config(connector_id):
    return api.get_connector(connector_id)

提升限额

如需提升限流限额，可以：

  1. 升级套餐：升级到更高版本的套餐
  2. 申请提升：联系客服申请临时或永久提升
  3. 优化调用：优化代码，减少不必要的请求

最佳实践

1. 监控使用量

定期监控 API 使用情况：

# 记录请求统计
request_stats = {
    'total': 0,
    'success': 0,
    'rate_limited': 0,
    'by_endpoint': {}
}

2. 预留缓冲

不要将限流用满，预留 20% 缓冲：

if remaining < limit * 0.2:
    # 降低请求频率
    time.sleep(0.5)

3. 异步处理

对于非实时性要求高的操作，使用异步：

# 同步调用（阻塞）
result = api.execute_task(task_id)

# 异步调用（非阻塞）
task = api.execute_task_async(task_id)
while task.status == 'running':
    time.sleep(5)
    task = api.get_task_status(task.id)

4. 错误处理

完善的限流错误处理：

try:
    response = api.call()
except RateLimitError as e:
    retry_after = e.retry_after
    logger.warning(f"Rate limited, retry after {retry_after}s")
    time.sleep(retry_after)
    response = api.call()  # 重试

常见问题

Q: 如何查看当前的限流限额？

A: 调用任意 API，查看响应头中的 X-RateLimit-Limit 字段。

Q: 限流重置时间是怎么计算的？

A: 按自然时间窗口计算，如每分钟限流在整分钟时重置。

Q: 批量操作算几次请求？

A: 一次 API 调用算一次请求，无论处理多少数据。

Q: Webhook 调用算在限流内吗？

A: 不算，Webhook 是平台主动发起的，不计入您的 API 限流。