请描述在 Koa 应用中对 HTTP 请求进行限流（rate limiting）的实现方式，包括可用的中间件或算法，并简要说明其工作原理。

回答思路

1. 【回答框架 1】Koa 是基于洋葱模型的中间件框架，可以通过在中间件中统计和限制请求次数来实现限流。实现方式主要有令牌桶、漏桶和滑动窗口等算法，以及使用现成中间件如 koa-rate-limit。
2. 【回答框架 2】使用中间件 koa-rate-limit 是最直接的方式，它基于内存存储 IP 维度的请求计数，在超过阈值后返回 429 状态码。配置项包括窗口时间、最大请求数、提示信息和消息内容等。
3. 【回答框架 3】对于分布式环境，可以基于 Redis 实现限流，使用 INCR 和 EXPIRE 命令在固定窗口内计数，或使用 Lua 脚本实现令牌桶算法。Redis 方案能支持多实例统一计数，但需要增加网络开销。
4. 【回答框架 4】限流算法的选择：滑动窗口比固定窗口更平滑，但需要存储窗口内时间戳。令牌桶允许突增流量，漏桶则严格控制速率，应根据业务场景选择。
5. 【回答框架 5】在 Koa 中实现限流时，应放在路由之前，并注意错误处理，返回合适的响应状态码和提示信息，同时考虑内存和性能开销。
6. 【关键点 1】Koa 中间件洋葱模型适合在请求入口统一做限流。
7. 【关键点 2】常用方案：使用 koa-rate-limit，或基于 Redis 的 INCR/EXPIRE 和 Lua 脚本实现。
8. 【关键点 3】算法选择：固定窗口简单，滑动窗口平滑，令牌桶允许突增，漏桶严格控速。
9. 【关键点 4】分布式场景需使用 Redis，保证多实例一致性。
10. 【易错点 1】基于内存的限流在多实例部署时可能不准确，需要 Redis 等共享存储。
11. 【易错点 2】固定窗口算法在窗口边界可能出现流量突刺，注意场景适应性。
12. 【易错点 3】限流时应区分客户端 IP 和用户身份，避免误伤。