CC攻击的防护难点从来不在于“有没有限流”,而在于阈值设成多少才能既不误杀正常用户,又能在攻击流量打过来时真正起作用。大多数站点上线WAF或Nginx限流模块后,往往直接用默认参数,或者随便填一个请求数,结果要么攻击一来照样被打满,要么正常用户频繁触发验证码和拦截页面。防护CC攻击的限流阈值设置,本质上是一个基于业务模型、流量基线、资源水位和攻击特征共同计算出来的动态参数,而不是一个固定数值。

先说结论:限流阈值没有通用标准,但有一套可以落地的科学计算方法。核心思路是先摸清站点的正常流量上限,再根据服务器承载能力和业务容忍度,设定分层阈值,最后通过持续监控和自动化调整来逼近最优值。下面把具体方法和操作细节展开讲清楚。

第一步:建立正常业务流量基线

阈值设置的第一步不是拍脑袋,而是先知道你的站点正常情况下“长什么样”。需要统计的数据包括:单IP每秒请求数、单IP每分钟请求数、全站每秒请求总数、接口级别的请求频率分布、不同时段流量波动曲线。这些数据可以从Nginx日志、应用日志或监控系统中提取。

以常见的Nginx日志为例,可以用以下命令统计单IP的请求频率分布:

awk '{print $1}' access.log | sort | uniq -c | sort -rn | head -50

这条命令会列出请求数最高的50个IP及其请求次数。再结合日志时间跨度,就能算出单IP的QPS或RPM。比如日志覆盖10分钟,某个IP请求了600次,那这个IP的请求频率就是1 QPS或60 RPM。把所有活跃IP的频率做分布统计,你会发现大部分正常用户的请求频率远低于攻击流量。

关键点在于:正常用户中,单个IP的请求频率通常不会持续稳定在高位。一个正常浏览网页的用户,每分钟请求数一般在10到30次之间,即使频繁点击或加载资源,也很少超过60 RPM。而CC攻击的IP,往往会在短时间内发起数百甚至上千次请求,且请求间隔均匀、目标集中。所以基线数据能帮你划出一条“正常行为”的上限参考线。

第二步:确定资源承载上限

限流阈值的另一个约束条件是服务器能扛住多少请求。这里的“扛住”不是指不返回错误,而是指在响应时间可接受、错误率不飙升的前提下,服务器能处理的最大并发请求量。这个数值可以通过压测获得。

压测时重点观察三个指标:CPU使用率、内存使用率、请求响应时间。逐步增加并发量,直到响应时间开始明显上升或错误率超过1%,记录此时的QPS,这就是全站的理论承载上限。假设压测结果显示全站承载上限是5000 QPS,那么你的限流策略必须保证攻击发生时,进入后端的请求总量不超过这个值的70%到80%,留出缓冲空间给突发流量和系统进程。

单IP阈值则要结合业务类型来定。如果是API接口,正常客户端可能每秒调用几次,单IP阈值可以设在20到50 QPS;如果是网页浏览,单IP阈值设在10到20 QPS比较合理。但注意,这个值必须远低于全站承载上限,否则攻击者用少量IP就能打满资源。

第三步:设计分层限流策略

科学的限流不是单一阈值,而是多层配合。通常分为三层:全站总阈值、单IP阈值、接口级阈值。

全站总阈值用于保护服务器整体资源,当全站QPS超过承载上限的80%时,启动排队或拒绝新请求。这个阈值一般设置在压测承载上限的70%到80%。例如压测上限5000 QPS,全站限流阈值设为4000 QPS。

单IP阈值用于识别和拦截异常IP,是CC防护的核心。单IP阈值要参考正常流量基线,通常取基线数据中95%或99%分位的请求频率作为上限。比如统计发现99%的正常IP每分钟请求数低于50次,那么单IP阈值可以设为60 RPM,留一点余量。超过这个值的IP,先触发验证码或延迟响应,持续超限则加入黑名单。

接口级阈值针对容易被攻击的特定URL,比如登录接口、搜索接口、验证码接口。这些接口往往消耗更多服务器资源,需要单独设置更严格的阈值。例如登录接口正常用户每分钟最多尝试3到5次,阈值设为10 RPM就足够;搜索接口可能正常用户每分钟搜索10次,阈值设为30 RPM。

第四步:阈值计算的具体公式与示例

把上面的逻辑量化,可以得出一个基础公式:

单IP阈值 = 基线分位值 × 业务容忍系数
全站阈值 = 压测承载上限 × 安全水位系数
接口阈值 = 接口正常频率上限 × 资源消耗系数

业务容忍系数一般取1.2到1.5,表示允许正常用户在基线基础上有些波动。安全水位系数取0.7到0.8,保证服务器不会在攻击初期就被打满。资源消耗系数根据接口的CPU和数据库消耗来定,消耗越高系数越小,比如登录接口消耗高,系数取0.5;静态资源消耗低,系数可以取1。

举例说明:某电商站点,压测全站承载上限为8000 QPS,日志统计显示99%的正常IP每分钟请求数低于40次,登录接口正常用户每分钟最多尝试4次,搜索接口正常用户每分钟最多搜索8次。那么推荐配置如下:

全站限流阈值:8000 × 0.75 = 6000 QPS
单IP限流阈值:40 × 1.3 ≈ 52 RPM
登录接口阈值:4 × 0.5 = 2 RPM(过于严格,调整为5 RPM并配合验证码)
搜索接口阈值:8 × 1.0 = 8 RPM(调整为15 RPM留余量)

注意,公式算出的值只是初始参考,上线后必须根据实际误杀率和拦截效果做微调。如果误杀率超过1%,说明阈值太严,需要适当放宽;如果攻击时后端资源仍然被打满,说明阈值太松,需要收紧。

第五步:动态调整与自动化

静态阈值最大的问题是无法适应流量变化。大促期间正常流量可能是平时的5倍,按平时基线设置的阈值会大量误杀;而攻击者也可能使用分布式IP,让单IP阈值形同虚设。所以科学设置必须包含动态调整机制。

动态调整的思路有两种:一是基于时间段的阈值切换,比如白天和晚上、工作日和周末使用不同阈值;二是基于实时流量数据的自动计算,比如每5分钟统计一次全站QPS和单IP频率分布,自动更新阈值。后者实现复杂一些,但防护效果更好。

在Nginx中,可以用Lua脚本实现简单的动态限流。以下是一个基于请求频率自动调整单IP阈值的示例逻辑:

-- 获取当前全站QPS
local total_qps = ngx.shared.limit:get("total_qps") or 0
-- 根据全站QPS动态调整单IP阈值
local ip_threshold = 50
if total_qps > 3000 then
    ip_threshold = 30
elseif total_qps > 5000 then
    ip_threshold = 15
end
-- 对当前IP进行计数
local ip = ngx.var.binary_remote_addr
local count = ngx.shared.limit:incr(ip, 1, 60)
if count > ip_threshold then
    ngx.exit(503)
end

这个示例展示了全站压力越大、单IP阈值越收紧的思路,能在攻击初期就快速压制异常流量,同时保护正常用户。

第六步:验证与监控

阈值设置完成后,必须做两件事:模拟攻击验证和持续监控。模拟攻击可以用压力测试工具,从少量IP发起高频请求,观察限流是否按预期触发、正常用户是否受影响。持续监控则关注三个核心指标:限流触发次数、误杀率、后端资源水位。

误杀率的判断可以结合业务数据,比如用户在触发限流后是否继续正常操作、是否有大量投诉。如果误杀率过高,优先调整单IP阈值和业务容忍系数,而不是直接关闭限流。后端资源水位则看CPU、内存、响应时间是否在攻击期间保持平稳,如果仍然飙升,说明全站阈值或接口阈值还需要下调。

另外,CC攻击的手法在不断变化,有些攻击会模拟正常用户行为,请求频率不高但请求内容消耗资源巨大,比如复杂查询、大文件下载。针对这类攻击,单纯靠请求频率限流不够,还需要结合请求内容分析、行为特征识别和资源消耗监控。限流阈值只是防护体系中的一环,需要和WAF规则、验证码、IP信誉库配合使用。

最后强调一个容易被忽视的点:阈值设置要区分“硬限流”和“软限流”。硬限流是直接拒绝请求,软限流是延迟响应或弹出验证码。对于疑似攻击但不确定的IP,优先用软限流,既缓解压力又避免误杀。只有确认是攻击源时才升级为硬限流。这种分级处理能显著降低误杀率,同时保证防护效果。

科学设置限流阈值的过程,实际上是一个持续迭代的工程:先基于数据算出一个合理初始值,再通过监控和测试不断修正,最终让阈值始终贴合业务实际和攻击态势。没有一劳永逸的数值,只有不断逼近最优解的方法。

本文由人工智能生成,已经人工复核后发布。