一、背景與需求

在實際項目開發中，經常遇到接口被前端高頻觸發、按鈕被多次點擊或者接口重復提交的問題，導致服務壓力變大、數據冗余、甚至引發冪等性/安全風險。

常規做法是前端節流/防抖、后端用Redis全局限流、或者API網關限流。但在很多場景下：

• 接口只要求單機（本地）防抖，不需要全局一致性；

• 只想讓同一個業務對象（同一手機號、同一業務ID、唯一標識）在自定義設置秒內只處理一次；

• 想要注解式配置，讓代碼更優雅、好維護。

這個時候，Caffeine+自定義注解+AOP的本地限流（防抖）方案非常合適。

---

二、方案設計

1. Caffeine介紹

Caffeine 是目前Java領域最熱門、性能最高的本地內存緩存庫，QPS可達百萬級，適用于低延遲、高并發、短TTL緩存場景。
在本地限流、防抖、接口去重等方面天然有優勢。

2. 自定義注解+AOP

用自定義注解（如@DebounceLimit）標記要防抖的接口，AOP切面攔截后判斷是否需要限流，核心思路是：

• 以唯一標識作為key；

• 每次訪問接口，先查詢本地Caffeine緩存；

• 如果key在2秒內已被處理過，則直接攔截；

• 否則執行業務邏輯，并記錄處理時間。

這種方式無侵入、代碼簡潔、可擴展性強，適合絕大多數本地場景。

效果圖如下：

---

三、完整實現步驟

1.Pom依賴如下

        <dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><version>2.9.3</version></dependency><dependency><groupId>org.aspectj</groupId><artifactId>aspectjweaver</artifactId></dependency>

2. 定義自定義注解

import java.lang.annotation.*;@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface DebounceLimit {/*** 唯一key（支持SpEL表達式，如 #dto.id）*/String key();/*** 防抖時間，單位秒*/int ttl() default 2;/*** 是否返回上次緩存的返回值*/boolean returnLastResult() default true;
}

---

3. 配置Caffeine緩存Bean

import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;import java.util.concurrent.TimeUnit;@Configuration
public class DebounceCacheConfig {@Beanpublic Cache<String, Object> debounceCache() {return Caffeine.newBuilder().expireAfterWrite(1, TimeUnit.MINUTES).maximumSize(100_000).build();}
}

---

4. 編寫AOP切面

import com.github.benmanes.caffeine.cache.Cache;
import com.lps.anno.DebounceLimit;
import lombok.Getter;
import lombok.extern.slf4j.Slf4j;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.reflect.MethodSignature;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.expression.ExpressionParser;
import org.springframework.expression.spel.standard.SpelExpressionParser;
import org.springframework.expression.spel.support.StandardEvaluationContext;
import org.springframework.stereotype.Component;
import java.lang.reflect.Method;@Slf4j
@Aspect
@Component
public class DebounceLimitAspect {@Autowiredprivate Cache<String, Object> debounceCache;private final ExpressionParser parser = new SpelExpressionParser();@Around("@annotation(debounceLimit)")public Object around(ProceedingJoinPoint pjp, DebounceLimit debounceLimit) throws Throwable {// 1. 獲取方法、參數MethodSignature methodSignature = (MethodSignature) pjp.getSignature();Method method = methodSignature.getMethod();Object[] args = pjp.getArgs();String[] paramNames = methodSignature.getParameterNames();StandardEvaluationContext context = new StandardEvaluationContext();for (int i = 0; i < paramNames.length; i++) {context.setVariable(paramNames[i], args[i]);}// 2. 解析SpEL表達式得到唯一keyString key = parser.parseExpression(debounceLimit.key()).getValue(context, String.class);String cacheKey = method.getDeclaringClass().getName() + "." + method.getName() + ":" + key;long now = System.currentTimeMillis();DebounceResult<Object> debounceResult = (DebounceResult<Object>) debounceCache.getIfPresent(cacheKey);if (debounceResult != null && (now - debounceResult.getTimestamp() < debounceLimit.ttl() * 1000L)) {String methodName = pjp.getSignature().toShortString();log.error("接口[{}]被限流, key={}", methodName, cacheKey);// 是否返回上次結果if (debounceLimit.returnLastResult() && debounceResult.getResult() != null) {return debounceResult.getResult();}// 統一失敗響應，可自定義異常或返回結構return new RuntimeException("操作過于頻繁，請稍后再試！");}Object result = pjp.proceed();debounceCache.put(cacheKey, new DebounceResult<>(result, now));return result;}@Getterstatic class DebounceResult<T> {private final T result;private final long timestamp;public DebounceResult(T result, long timestamp) {this.result = result;this.timestamp = timestamp;}}
}

---

5. 控制器里直接用注解實現防抖

@RestController
@RequiredArgsConstructor
@Slf4j
public class DebounceControl {private final UserService userService;@PostMapping("/getUsernameById")@DebounceLimit(key = "#dto.id", ttl = 10)public String test(@RequestBody User dto) {log.info("在{}收到了請求，參數為：{}", DateUtil.now(), dto);return userService.getById(dto.getId()).getUsername();}
}

只要加了這個注解，同一個id的請求在自定義設置的秒內只處理一次，其他直接被攔截并打印日志。

---

四、擴展與注意事項

1. SpEL表達式靈活

   • 可以用 #dto.id、#dto.mobile、#paramName等，非常適合多參數、復雜唯一性業務場景。

2. returnLastResult適合有“緩存返回結果”的場景

   • 比如查詢接口、表單重復提交直接復用上次的返回值。

3. 本地限流僅適用于單機環境

   • 多節點部署建議用Redis分布式限流，原理一樣。

4. 緩存key建議加上方法簽名

   • 避免不同接口之間key沖突。

5. Caffeine最大緩存、過期時間應根據業務并發和內存合理設置

   • 絕大多數接口幾千到幾萬key都沒壓力。

---

五、適用與不適用場景

適用：

• 單機接口防抖/限流

• 短時間重復提交防控

• 按業務唯一標識維度防刷

• 秒殺、報名、投票等接口本地保護

不適用：

• 分布式場景（建議用Redis或API網關限流）

• 需要全局一致性的業務

• 內存非常敏感/極端高并發下，需結合Redis做混合限流

---

六、總結

Caffeine + 注解 + AOP的本地限流防抖方案，實現簡單、代碼優雅、性能極高、擴展靈活。
?