限制速率的 Laravel 工作中间件
laravel-rate-limited-job-middleware 是一个针对 Laravel 应用的工作(Job)中间件,它可以实现对任务执行速率的有效控制。
支持我们
查看我们的广告以支持我们的开源项目。您还可以通过购买我们的付费产品来直接支持我们。在使用我们的包时,请考虑发送一张来自您的家乡的明信片到我们的地址,您可以在我们的联系页面找到它。所有收到的明信片都会被展示在我们的虚拟明信片墙上。
安装
使用 Composer 可以轻松安装这个包:
composer require spatie/laravel-rate-limited-job-middleware
请注意,此包要求您的 Laravel 应用已配置好 Redis。
使用方法
默认情况下,中间件将允许每秒执行最多 5 个任务。超出限制的任务将会在 5 秒后释放。要应用这个中间件,只需在你的 Job 类中添加 Spatie\RateLimitedMiddleware\RateLimited 到中间件数组:
namespace App\Jobs;
use Illuminate\Bus\Queueable;
use Illuminate\Contracts\Queue\ShouldQueue;
use Illuminate\Foundation\Bus\Dispatchable;
use Illuminate\Queue\InteractsWithQueue;
use Spatie\RateLimitedMiddleware\RateLimited;
class TestJob implements ShouldQueue
{
use Dispatchable, InteractsWithQueue, Queueable;
public function handle()
{
// 执行任务逻辑
}
public function middleware()
{
return [new RateLimited()];
}
}
配置尝试次数
由于存在速率限制,工作类的尝试次数可能难以预估。建议使用基于时间的尝试次数,例如:
public function retryUntil() : \DateTime
{
return now()->addDay();
}
自定义行为
您可以自定义中间件的所有行为。以下是一个例子,允许在 60 秒内最多执行 30 个任务,并且不被允许的任务将在 90 秒后释放:
// 在你的 job 中
public function middleware()
{
$rateLimitedMiddleware = (new RateLimited())
->allow(30)
->everySeconds(60)
->releaseAfterSeconds(90);
return [$rateLimitedMiddleware];
}
实现指数退避策略
远程服务如 API 常有速率限制,或在处理时出现服务器错误。在这种情况下,在再次尝试之前增加延迟是合理的。你可以用 releaseAfterBackoff($this->attempts()) 替换 releaseAfter 方法来使用默认的 5 秒间隔。否则,您可以链式调用 releaseAfter 来调整退避间隔。
功能特性
- 默认限制为每秒 5 个工作,未被允许的任务将等待 5 秒。
- 支持自定义每秒允许的最大任务数和时间跨度。
- 提供了配置释放延时的选项,包括指数退避策略。
- 可以选择不释放被限制的任务。
- 允许有条件地应用中间件,如只在特定条件下启用。
- 能够自定义 Redis 连接和存储键。
如何定制化?
例如,您可以设置 60 秒内最大 30 次尝试,失败则等待 90 秒:
public function middleware()
{
$rateLimitedMiddleware = (new RateLimited())
->allow(30)
->everySeconds(60)
->releaseAfterSeconds(90);
return [$rateLimitedMiddleware];
}
测试与贡献
使用 composer test 命令进行测试。详细信息请参考 CONTRIBUTING 文件。
许可证
本项目遵循 MIT 许可协议。详情请见 LICENSE.md 文件。
laravel-rate-limited-job-middleware 是 Laravel 社区的一份强大的礼物,它为您的任务队列提供了精细的速率控制,确保服务的稳定性和效率。其简洁的配置和高度定制性使其成为任何 Laravel 开发者实现任务限速的理想选择。立即加入那些已经在享受其便利的开发者行列吧!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00