Sentilo平台API请求速率限制机制详解
2025-06-06 16:39:31作者:廉皓灿Ida
概述
在分布式物联网平台Sentilo中,API请求速率限制(Rate Limiting)是一项关键的安全特性。自1.9版本起,Sentilo提供了完善的速率限制功能,用于保护系统免受请求洪泛攻击,同时也能保护订阅Sentilo的外部系统不被过量的出站请求所影响。
速率限制的重要性
在物联网场景中,设备可能会产生大量数据请求,如果没有适当的限制机制,可能会导致:
- 服务器资源被耗尽
- 系统响应变慢甚至崩溃
- 订阅系统被大量通知淹没
- 恶意用户通过高频请求发起攻击
Sentilo的速率限制机制正是为解决这些问题而设计。
全局速率限制配置
基本配置
全局限制作用于整个Sentilo实例的所有API请求。配置位于平台配置文件中,主要包含两个关键参数:
# 每小时允许的最大请求数(0表示无限制)
sentilo.server.api.global_rate_limit.quota=100
# 请求体最大长度(字节)
sentilo.server.api.payload.max_length=4096
响应头信息
当启用全局限制时,每个API响应都会包含以下头部信息:
| 头部名称 | 描述 |
|---|---|
| X-RateLimit-Global-Inbound-Limit | 全局每小时请求限额 |
| X-RateLimit-Global-Inbound-Remaining | 当前剩余可用请求数 |
| X-RateLimit-Global-Inbound-Reset | 限额重置剩余分钟数(0表示未超限) |
错误处理
当发生以下情况时,系统会返回相应错误:
- 429状态码:全局请求限额已用完
- 400状态码:请求体超过最大长度限制
基于实体的速率限制
除了全局限制外,Sentilo还支持为每个提供者(Provider)或应用程序(Application)设置独立的速率限制。
实体限制配置
实体限制通过目录服务进行配置,可以为每个实体设置:
- 入站请求限制(输入配额)
- 出站通知限制(输出配额)
入站限制响应头
当实体设置了入站限制时,API响应会包含:
| 头部名称 | 描述 |
|---|---|
| X-RateLimit-Inbound-Limit | 实体每小时请求限额 |
| X-RateLimit-Inbound-Remaining | 当前剩余可用请求数 |
| X-RateLimit-Inbound-Reset | 限额重置剩余分钟数 |
出站限制响应头
当实体设置了出站限制时,Sentilo发送给订阅端点的通知会包含:
| 头部名称 | 描述 |
|---|---|
| X-RateLimit-Outbound-Limit | 实体每小时通知限额 |
| X-RateLimit-Outbound-Remaining | 当前剩余可用通知数 |
| X-RateLimit-Outbound-Reset | 限额重置剩余分钟数 |
示例解读
假设订阅系统收到通知包含以下头部:
X-RateLimit-Outbound-Limit: 5
X-RateLimit-Outbound-Remaining: 1
X-RateLimit-Outbound-Reset: 58
这表示:
- 该实体每小时最多接收5条通知
- 当前还可接收1条通知
- 58分钟后配额将重置
限制优先级
Sentilo采用以下优先级处理限制:
- 首先检查全局限制
- 然后检查实体特定限制
- 取两者中更严格的限制作为实际限制
这种设计既保证了系统整体安全,又允许为不同实体设置个性化限制策略。
最佳实践
- 生产环境务必设置合理的全局限制
- 为关键业务实体设置适当的独立限制
- 客户端应监控响应头中的剩余请求数
- 对于突发流量场景,考虑使用指数退避算法
- 定期审查和调整限制参数
通过合理配置Sentilo的速率限制功能,可以显著提升物联网平台的稳定性和安全性。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
404
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355