老板提出了一个新需求，从某某天起，免费用户每天只能查询100次，收费用户100W次。
这是一个限流问题，聪明的你也一定想到了如何去做：记录用户每一天的查询次数，然后根据当前用户的类型使用不同的数字做比较，超过指定的数字就返回错误。
嗯，原理就是这么简单。不过真正写起来还要考虑更多问题：
统计数据的数据结构是什么样的？字典 or 行记录？
统计数据记录到哪里？内存 or MySQL or Redis？
分布式应用怎么精确计数？分布式锁 or 队列 or 事务？
吞吐量比较大时如何扛得住？内存 or Redis or 数据库集群？
这些数据要一直保留吗？自动过期 or 定期清理？
如何返回错误？自定义错误 or HTTP标准错误码？
自己去做这些事还是有点麻烦的，这里介绍一个ASP.NET Core的中间件来满足这个限流需求：FireflySoft.RateLimit.AspNetCore。使用步骤如下：
1、安装Nuget包已经发布到nuget.org，有多种安装方式，选择自己喜欢的就行了。
包管理器命令：
Install-Package FireflySoft.RateLimit.AspNetCore
或者.NET命令:
dotnet add package FireflySoft.RateLimit.AspNetCore
或者项目文件直接添加：
<ItemGroup> <PackageReference Include="FireflySoft.RateLimit.AspNetCore" Version="1.2.0" /> </ItemGroup>
2、使用中间件在Startup.Configure中使用中间件，演示代码如下（下边会有详细说明）：
public void Configure(IApplicationBuilder app, IWebHostEnvironment env) { ... app.UseRateLimit(new RateLimitProcessor<HttpContext>.Builder() .WithAlgorithm(new FixedWindowAlgorithm<HttpContext>( new[] { new FixedWindowRateLimitRule<HttpContext>() { Id = "1", ExtractTarget = context => { // 这里假设用户Id是从cookie中传过来的，需根据实际情况获取 return context.Request.GetTypedHeaders().Get<string>("userId"); }, CheckRuleMatching = context => { // 这里假设用户类型是从cookie中传过来的，实际可能需要根据用户Id再去查询 // 0免费用户 1收费用户 int userType = context.Request.GetTypedHeaders().Get<int>("userType"); if(userType==0){ return true; } return false; },, LimitNumber=100, StatWindow=TimeSpan.FromDays(1) }, new FixedWindowRateLimitRule<HttpContext>() { Id = "2", ExtractTarget = context => { // 这里假设用户Id是从cookie中传过来的，需根据实际情况获取 return context.Request.GetTypedHeaders().Get<string>("userId"); }, CheckRuleMatching = context => { // 这里假设用户类型是从cookie中传过来的，实际可能需要根据用户Id再去查询 // 0免费用户 1收费用户 int userType = context.Request.GetTypedHeaders().Get<int>("userType"); if(userType==1){ return true; } return false; },, LimitNumber=1000000, StatWindow=TimeSpan.FromDays(1) } })) .WithError(new Core.RateLimitError() { Code=429, Message = "查询数达到当天最大限制" }) //.WithStorage(new RedisStorage(StackExchange.Redis.ConnectionMultiplexer.Connect("localhost"))) .Build()); ... }
使用此中间件需要构建一个名为RateLimitProcessor的限流处理器实例，指定限流处理的请求类型HttpContext，设置限流处理的三个方面：
限流使用的算法以及对应的规则限流算法，根据这个需求使用固定窗口算法就可以了，也称为计数器算法。此中间件还提供了滑动窗口算法、漏桶算法、令牌桶算法，可以根据需要选择。
不同的限流算法有不同的限流规则类型，在这里使用的是固定窗口限流规则，针对免费用户和收费用户分别定义了两个规则，注意其中的几个参数：
Id：在当前的版本中Id必须手动指定，并且不能重复。
ExtractTarget：传递一个方法用于从请求中提取限流目标，这里就是用户Id。
CheckRuleMatching传递一个方法用于检查当前请求是否适用当前规则，这里根据用户类型进行判断。
StatWindow是固定窗口的大小，是一个时间跨度，这里是1天。
LimitNumber是限流值，在StatWindow时间内请求数超过它就会触发限流。
这里有两个比较有意思的设置：ExtractTarget和CheckRuleMatching，他们共同作用，让用户可以完全自由的定制自己限流的目标和条件，无论是IP、ClientId或者Url。
限流统计数据的持久化方式FireflySoft.RateLimit中的限流计数目前支持保存在内存或者Redis中，也可以通过实现IRateLimitStorage来定义一个新的存储器，不设置时默认为内存存储。
对于只需要部署一份的程序，绝大部分情况下使用内存就够了；但是如果限流的时间窗口比较长，比如1小时限制300次，重启就会丢失计数，这可能是个风险，此时使用Redis会比较合适。对于分布式应用，也建议使用Redis存储。
限流统计数据会根据限流时间窗口自动过期移除。
被限流时的错误码和消息默认限流错误Code是429，这个会作为HttpStatusCode返回；Message默认为null，你可以修改为自己的任意文字提示，这个会作为Http Body的内容返回。
以上就是使用FireflySoft.RateLimit.AspNetCore对不同类型的用户进行区别限流的使用方法。