36 RT-DETR推理服务API网关与动态限流：从“被刷爆”到“稳如磐石”开篇先给你讲个真实故事。上周二凌晨2点，我的手机突然被报警信息震醒——RT-DETR推理服务的P99延迟从95ms飙到了12秒，吞吐量直接跌到0。我登录K8s集群一看，HPA已经自动扩容到32个Pod，但每个Pod的GPU利用率都冲到95%以上，CPU更是爆到800%。查了Nginx日志才发现，有个爬虫脚本用1000个并发疯狂请求我们的目标检测接口，每个请求还带4K超清图片。这就是典型的无防护API被恶意流量打爆的场景。痛点拆解：你以为的“限流”可能全是坑很多同学觉得限流就是“加个计数器”，但实际生产环境里最常见的错误实现是这样的：# 反例：本地内存计数器，完全不可靠importtimefromcollectionsimportdefaultdictclassNaiveRateLimiter