Python请求限流核心是控制单位时间请求数，避免触发服务端限流或资源耗尽；常用令牌桶模型，可用asyncio.Semaphore模拟或aiolimiter等库实现，同步场景可用time.sleep配合锁，异步高吞吐推荐aiohttp+Semaphore，生产环境需组合限流、标识、降级与监控。
Python中实现请求并发控制和限流，核心在于限制单位时间内发起的请求数量，避免触发服务端限流、IP封禁或自身资源耗尽。关键不是单纯“多开线程”，而是有节制地调度请求节奏。
使用令牌桶（Token Bucket）做请求限流
令牌桶是最常用也最贴近真实业务场景的限流模型：系统以固定速率向桶中添加令牌，每次请求需消耗一个令牌；桶满则丢弃新令牌，无令牌则等待或拒绝。适合应对突发流量，同时保障平均速率可控。
- 用 asyncio.Semaphore 模拟简单令牌桶：初始化时设最大并发数（即桶容量），每次请求前 acquire，完成后 release
- 更精确的实现可结合 time.time() 动态计算令牌生成时间，例如每秒补10个令牌，就需记录上次补充时间并按比例发放
- 推荐轻量库 aiolimiter（异步）或 ratelimit（同步），已封装好令牌桶逻辑，支持装饰器用法
基于 time.sleep 的同步请求节流
适用于 requests + threading 场景，逻辑直观、调试方便，适合 QPS 要求不高（如 ≤ 5/s）且不追求高精度的脚本任务。
- 在每次请求前调用 time.sleep(1 / target_qps)，例如目标 2 QPS 就 sleep(0.5)
- 注意：sleep 不能解决并发竞争问题，需配合锁（如 threading.Lock）确保计时/计数原子性
- 若请求本身耗时波动大（如有的 100ms，有的 2s），单纯 sleep 会导致实际 QPS 偏低，建议改用“固定窗口”或“滑动日志”统计
用 asyncio + aiohttp 实现异步限流
高吞吐场景首选方案。aiohttp 天然支持异步 HTTP 请求，配合信号量与任务队列，可轻松控制并发数与总频次。
立即学习“Python免费学习笔记（深入）”；
- 创建 asyncio.Semaphore(n) 控制最大并发连接数（如 n=10）
- 对每个请求 task 加上 async with semaphore:，自动排队阻塞
- 如还需全局 QPS 限制（比如每分钟最多 600 次），可搭配 asyncio.Queue 做请求缓冲，或用 asyncio.create_task() 启动独立限流协程定时清空计数器
生产环境建议：组合策略 + 监控兜底
单一限流机制难以覆盖所有异常，应分层设计：
- 客户端本地限流（如令牌桶）作为第一道防线
- 请求头中带上 X-RateLimit-Client-ID 等标识，便于服务端识别和差异化限流
- 捕获 429（Too Many Requests）、403、连接超时等响应，自动降级（如延长 sleep 时间、切换代理、暂停任务）
- 记录实际请求时间戳与状态，用 Prometheus + Grafana 可视化 QPS、失败率、等待延迟等指标
