Cloudflare Workers + D1 搭建 AI 应用速率限制：可直接部署的完整模板

为什么选 Cloudflare Workers + D1

做 AI 应用最头疼的事情之一，就是控制 API 调用频率。用户一下子请求太多，你的 OpenAI 账单炸了；限制太严，用户体验又差。市面上有 Redis、有 Upstash，都能解决这个问题，但对独立开发者来说，多一个服务就多一份维护成本和账单。

Cloudflare Workers 配合 D1 数据库，可以零额外成本实现一套够用的速率限制方案。这篇文章给出完整的代码模板，拿去改改就能部署。

先说清楚适用场景。这套方案适合：

月调用量在 10 万次以下的 AI 应用
需要按用户或按 API Key 做速率限制
你已经在用 Cloudflare 做部署（Workers Pages 等）

不适合的场景也要说清楚：如果你的 QPS 超过几百，D1 的写入延迟会成为瓶颈，这时候应该上 Redis 或 Upstash。D1 本质是 SQLite，不是为高并发写入设计的。

根据 Cloudflare 2025 年开发者报告，Workers 平台上 AI 相关请求已超过 2000 亿次，边缘计算延迟控制在 80ms 以内。D1 作为 Workers 原生数据库，免费版提供 5GB 存储和 500 万次读/10 万次写每天，对中小项目完全够用。

第一步：创建 D1 数据库

# 创建数据库
wrangler d1 create ratelimit_db

# 创建表
wrangler d1 execute ratelimit_db --command "
CREATE TABLE IF NOT EXISTS rate_limits (
  key TEXT NOT NULL,
  window_start INTEGER NOT NULL,
  count INTEGER DEFAULT 0,
  PRIMARY KEY (key, window_start)
);"

第二步：wrangler.toml 配置

name = "ai-ratelimit-api"
main = "src/index.ts"
compatibility_date = "2024-12-01"

[[d1_databases]]
binding = "DB"
database_name = "ratelimit_db"
database_id = "你的数据库ID"

第三步：速率限制核心逻辑

// src/index.ts
export interface Env {
  DB: D1Database;
  OPENAI_API_KEY: string;
}

const WINDOW_SIZE = 60 * 1000; // 1分钟窗口
const MAX_REQUESTS = 10; // 每窗口最大请求数

async function checkRateLimit(db: D1Database, key: string) {
  const now = Date.now();
  const windowStart = Math.floor(now / WINDOW_SIZE) * WINDOW_SIZE;
  const resetAt = windowStart + WINDOW_SIZE;

  const result = await db.prepare(
    "SELECT count FROM rate_limits WHERE key = ? AND window_start = ?"
  ).bind(key, windowStart).first();

  const currentCount = (result?.count as number) || 0;

  if (currentCount >= MAX_REQUESTS) {
    return { allowed: false, remaining: 0, resetAt };
  }

  await db.prepare(
    "INSERT INTO rate_limits (key, window_start, count) VALUES (?, ?, 1) " +
    "ON CONFLICT(key, window_start) DO UPDATE SET count = count + 1"
  ).bind(key, windowStart).run();

  return { allowed: true, remaining: MAX_REQUESTS - currentCount - 1, resetAt };
}

export default {
  async fetch(request: Request, env: Env): Promise<Response> {
    const authHeader = request.headers.get("Authorization") || "";
    const clientKey = authHeader.replace("Bearer ", "") ||
      request.headers.get("CF-Connecting-IP") || "anonymous";

    const { allowed, remaining, resetAt } = await checkRateLimit(env.DB, clientKey);

    if (!allowed) {
      return new Response(JSON.stringify({ error: "Rate limit exceeded" }), {
        status: 429,
        headers: {
          "Content-Type": "application/json",
          "X-RateLimit-Remaining": "0",
          "X-RateLimit-Reset": String(resetAt),
          "Retry-After": String(Math.ceil((resetAt - Date.now()) / 1000)),
        },
      });
    }

    if (request.url.includes("/chat")) {
      const body = await request.json();
      const response = await fetch("https://api.openai.com/v1/chat/completions", {
        method: "POST",
        headers: {
          "Content-Type": "application/json",
          "Authorization": "Bearer " + env.OPENAI_API_KEY,
        },
        body: JSON.stringify(body),
      });
      const data = await response.text();
      return new Response(data, {
        headers: {
          "Content-Type": "application/json",
          "X-RateLimit-Remaining": String(remaining),
        },
      });
    }

    return new Response("OK", {
      headers: { "X-RateLimit-Remaining": String(remaining) },
    });
  },
};

第四步：部署

wrangler secret put OPENAI_API_KEY
wrangler deploy

部署完成后，你的 Workers 域名就成了一个带速率限制的 API 代理。客户端调用时会收到标准的速率限制头信息：X-RateLimit-Remaining（当前窗口剩余次数）、X-RateLimit-Reset（窗口重置时间戳）、Retry-After（超限时建议等待秒数）。

实际使用建议

清理过期数据。 D1 不会自动清理过期窗口的记录。建议加一个定时任务每小时清理：

async function cleanupOldRecords(db: D1Database) {
  const cutoff = Date.now() - 3600 * 1000;
  await db.prepare("DELETE FROM rate_limits WHERE window_start < ?").bind(cutoff).run();
}

在 wrangler.toml 中添加定时触发器：[triggers] / crons = ["0 * * * *"]

多级限流。 如果需要按用户和按 IP 同时限流，修改 key 的生成逻辑，将 API Key 和 IP 拼接作为唯一标识。

监控。 Cloudflare Workers 自带 Analytics，能看到请求量和错误率。429 响应时用 console.log 输出可记录到 Workers Logs。

成本对比

Cloudflare Workers 免费版每天 10 万次请求，D1 免费版每天 500 万次读和 10 万次写。一个速率限制每次请求需要 1 次读加 1 次写，所以免费版能支撑大约 10 万次 API 调用每天。付费版 5 美元/月包含 1000 万次请求。对比 Upstash Redis 免费版 1 万次命令/天。对于月调用量 10 万次以内的 AI 应用，这套方案基本零成本。

局限性

D1 的写入延迟在 5-15ms 左右，高并发场景下会拖慢整体响应。如果你的 QPS 超过 100，还是建议用 Redis。Cloudflare 自己也有 KV 和 Durable Objects，KV 适合全球分布但最终一致性，Durable Objects 适合强一致性但成本更高。

这套方案是固定窗口算法，不是滑动窗口。固定窗口的缺点是在窗口边界可能瞬间通过 2 倍的请求量。对大多数 AI 应用来说够用了，但如果你的限制很严格，可以考虑改用 Durable Objects 实现滑动窗口。

小结

Cloudflare Workers + D1 的速率限制方案，核心优势是零额外服务和零额外成本。代码模板可以直接拿去用，改一下 API 转发逻辑就能上线。适合月调用量 10 万次以内的 AI 应用，超出这个量级建议上 Redis 或 Upstash。

技术选型没有银弹，关键是匹配你的实际规模。别为了一个日活 50 的应用去搭 Redis 集群，那才是过度工程。