1. 课程导论：金融模型服务面临的流量挑战、限流与熔断的核心价值、课程目标与学习路径
1.1 金融模型服务的流量挑战
在金融科技领域，模型服务（如风控评分、实时估值、智能投顾、反欺诈决策）正从离线批处理向高并发实时 API 演进。这种转变带来了严峻的流量挑战，主要体现在以下三个维度：
| 挑战维度 | 典型场景 | 潜在后果 |
|---|---|---|
| 突发峰值 | 开盘/收盘时段、重大行情发布、营销活动触发 | QPS 瞬间飙升 10~50 倍，数据库连接池耗尽，模型推理超时 |
| 资源瓶颈 | GPU/TPU 显存不足、CPU 密集计算、内存泄漏 | 单节点吞吐下降，请求排队堆积，整体响应延迟雪崩 |
| 上游依赖故障 | 行情源中断、特征数据库宕机、第三方模型服务超时 | 调用链级联失败，一个慢服务拖垮整个网关 |
关键数据： 某头部券商量化模型服务在 2023 年双十一期间，因未配置限流，API 网关在 3 秒内收到 12 万次请求，导致模型容器 OOM，核心交易链路中断 18 分钟，直接损失超 200 万元。
1.2 限流与熔断的核心价值
限流（Rate Limiting）与熔断（Circuit Breaker）是保障金融模型服务稳定性的两大支柱。它们并非简单的“拒绝请求”，而是有策略的流量治理手段。
- 限流：主动控制进入系统的请求速率，保护后端资源不被过度消耗。常见算法包括令牌桶、漏桶、滑动窗口。
- 熔断：被动检测下游故障或响应延迟，当错误率达到阈值时快速切断调用链路，防止故障扩散。熔断器状态机包含 关闭 → 打开 → 半开 三个状态。
两者协同工作，形成“入口限流 + 出口熔断”的双层防护：
设计原则： 限流是“防患于未然”，熔断是“止损于已然”。在金融场景中，宁可丢弃部分非关键请求，也不能让核心交易链路因过载而崩溃。
1.3 课程目标与学习路径
本课程旨在帮助金融科技架构师与后端开发者，从零到一构建生产级的 API 限流熔断保护体系。完成本课程后，你将掌握：
- 原理层：深入理解令牌桶、漏桶、滑动窗口、自适应限流、熔断器状态机等核心算法。
- 实现层：基于 Go 语言实现高性能限流器与熔断器组件，并集成到 gRPC/HTTP 网关中。
- 实战层：在金融模型服务中配置动态限流规则、熔断阈值、降级策略与监控告警。
- 架构层：设计分布式限流（Redis + Lua）、熔断与重试的协同、全链路压测与容量评估。
课程分为四个阶段，建议按顺序学习：
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第 1~5 章 | 限流熔断原理、Go 基础组件实现、单元测试 |
| 进阶篇 | 第 6~12 章 | 分布式限流、熔断器状态机、gRPC 拦截器 |
| 实战篇 | 第 13~22 章 | 金融模型服务集成、动态配置、监控告警 |
| 架构篇 | 第 23~30 章 | 全链路压测、容量规划、生产部署与运维 |
前置要求： 本课程需要读者具备 Go 语言基础（goroutine、channel、interface）、熟悉 HTTP/gRPC 协议、了解 Redis 基本操作。如果你对上述内容不熟悉，建议先补充相关知识再开始学习。
现在，让我们从限流与熔断的核心算法开始，逐步构建金融级流量治理体系。