Sentinel 滑动时间窗口源码分析

最新推荐文章于 2025-04-12 14:36:29 发布

码农爱java

最新推荐文章于 2025-04-12 14:36:29 发布

阅读量1.2k

点赞数 35

分类专栏：【Sentinel】文章标签： sentinel 时间窗口源码微服务 Alibaba Spring Cloud

本文链接：https://blog.csdn.net/weixin_42118323/article/details/140887548

版权

前言：

Sentinel 的一个重要功能就是限流，对于限流来说有多种的限流算法，比如滑动时间窗口算法、漏桶算法、令牌桶算法等，Sentinel 对这几种算法都有具体的实现，如果我们对某一个资源设置了一个流控规则，并且选择的流控模式是“快速失败”，那么 Sentinel 就会采用滑动时间窗口算法来作为该资源的限流算法，本篇我们来分析 Sentinel 中滑动时间窗口算法的实现。

Sentinel 系列文章传送门：

Sentinel 初步认识及使用

Sentinel 核心概念和工作流程详解

Spring Cloud 整合 Nacos、Sentinel、OpenFigen 实战【微服务熔断降级实战】

Sentinel 源码分析入门【Entry、Chain、Context】

Sentine 源码分析之–NodeSelectorSlot、ClusterBuilderSlot、StatisticSlot

Sentine 源码分析之–AuthoritySlot、SystemSlot、GatewayFlowSlot

Sentine 源码分析之–ParamFlowSlot

Sentine 源码分析之–FlowSlot

滑动窗口的原理

滑动窗口是一种常用的算法，用于统计一段时间内的事件或数据点，在限流场景中，滑动窗口将时间窗口分割成多个小的时间片段（通常称为桶，也可以叫做样本窗口），每个时间片段独立统计，随着时间的推移，最旧的时间片段的数据会被新的时间片段替换，形成“滑动”的效果，在具体实现上，‌滑动时间窗算法可以通过多种数据结构来实现，‌例如使用环形数组、‌哈希表等，可以使用一个环形数组来存储时间窗口内的数据点，‌数组的大小等于时间窗口的大小，每当有新的数据点进入时，‌旧的对应时间点的数据将被覆盖，‌从而实现滑动时间窗的效果，‌此外，‌也可以使用哈希表结构来实现滑动时间窗口，其中键为时间点，‌值为该时间点的数据值或变化量。‌

滑动窗口的优点

实现更细粒度的时间控制，与固定窗口（整个时间窗口只统计一次）相比，滑动窗口通过连续滑动减少了窗口切换时的流量突变，避免了请求在窗口刚开始时因为累积的计数而被误判为超限。
减少突发流量对系统的影响，保证服务的稳定性和可靠性，在实际应用中，流量往往呈现出突发性特征，如果使用固定窗口算法，在窗口重置的瞬间可能会接受大量请求（时间窗口的起始点聚集大量流量），造成短时间内的服务压力，滑动窗口可以更均匀、更细粒度的控制每个时间片段内的流量，从而降低了因突发流量导致的导致的系统压力。
提高系统响应的实时性，滑动窗口提供了更实时的流量数据，系统能够基于最实时的流量情况做出响应，这对于需要快速适应流量变化的在线服务尤其重要，可以即时调整资源分配和访问策略。

Sentinel 滑动时间窗口的实现

Sentinel 官网的图就很清楚的告诉了我们 Sentinel 使用环形数组实现滑动窗口，下图中的右上角就是滑动窗口的示意图，是 StatisticSlot 的具体实现，底层采用的是 LeapArray 来统计实时的秒级指标数据，可以很好地支撑写多于读的高并发场景。

在这里插入图片描述

滑动窗口的核心数据结构

ArrayMetric：滑动窗口核心实现类。
LeapArray：滑动窗口顶层数据结构，主要存储窗口数据。
WindowWrap：每一个滑动窗口的包装类，其内部的数据结构用 MetricBucket 表示。
MetricBucket：指标桶，例如通过数量、阻塞数量、异常数量、成功数量、响应时间，已通过未来配额（抢占下一个滑动窗口的数量）。
MetricEvent：指标类型，例如通过数量、阻塞数量、异常数量、成功数量、响应时间等。

ArrayMetric 构造方法源码解析

ArrayMetric 是滑动窗口的入口类，实现了 Metric 接口，该接口主要定义一个滑动窗口中成功的数量、异常数量、阻塞数量，TPS、响应时间等，ArrayMetric 提供了两个构造方法，两个构造方法的区别是在于当前时间窗口达到限制之后，是否可以抢占下一个时间窗口，具体逻辑如下：

intervalInMs：滑动窗口的总时间，例如 1 分钟、1 秒中。
sampleCount：在一个滑动窗口的总时间中的抽样的个数，默认为 2，即一个滑动窗口的总时间包含两个相等的区间，一个区间就是一个窗口。
enableOccupy：是否允许抢占，即当前滑动窗口已经达到限制后，是否可以占用下一个时间窗口的容量。

public class ArrayMetric implements Metric {
   

    private final LeapArray<MetricBucket> data;

    //com.alibaba.csp.sentinel.slots.statistic.metric.ArrayMetric#ArrayMetric(int, int)
    public ArrayMetric(int sampleCount, int intervalInMs) {
   
        //默认是可抢占的
        this.data = new OccupiableBucketLeapArray(sampleCount, intervalInMs);
    }

    //com.alibaba.csp.sentinel.slots.statistic.metric.ArrayMetric#ArrayMetric(int, int, boolean)
    public ArrayMetric(int sampleCount, int intervalInMs, boolean enableOccupy) {
   
        //当前时间窗口容量满了 是否可抢占时间窗口
        if (enableOccupy) {
   
            //可抢占
            this.data = new OccupiableBucketLeapArray(sampleCount, intervalInMs);
        } else {
   
            //不可抢占
            this.data = new BucketLeapArray(sampleCount, intervalInMs);
        }
    }
}

LeapArray 源码分析

LeapArray 用来存储滑动窗口数据的，也就是所谓的环形数组，具体成员变量如下：

windowLengthInMs：样本窗口的时间间隔，单位秒。
sampleCount：样本窗口数量。
intervalInMs：一个滑动窗口跨越的时间长度，也就是总时间窗口。
array：样本窗口的集合，使用 AtomicReferenceArray 保证原子性。

public abstract class LeapArray<T> {
   

    //样本窗口的时间间隔 单位秒
    protected int windowLengthInMs;
    //样本窗口数量
    protected int sampleCount;
    //毫秒为单位 一个滑动窗口跨越的时间长度 也就是总时间窗口
    protected int intervalInMs;
    //样本窗口的集合 使用 AtomicReferenceArray 保证原子性
    protected final AtomicReferenceArray<WindowWrap<T>> array;

    /**
     * The conditional (predicate) update lock is used only when current bucket is deprecated.
     */
    private final ReentrantLock updateLock = new ReentrantLock();

    /**
     * The total bucket count is: {@code sampleCount = intervalInMs / windowLengthInMs}.
     *
     * @param sampleCount  bucket count of the sliding window
     * @param intervalInMs the total time interval of this {@link LeapArray} in milliseconds
     */
    public LeapArray(int sampleCount, int intervalInMs) {
   
        AssertUtil.isTrue(sampleCount > 0, "bucket count is invalid: " + sampleCount);
        AssertUtil.isTrue(intervalInMs > 0, "total time interval of the sliding window should be positive");
        AssertUtil.isTrue(intervalInMs % sampleCount == 0, "time span needs to be evenly divided");

        this.windowLengthInMs = intervalInMs / sampleCount;
        this.intervalInMs = intervalInMs;
        this.sampleCount

最低0.47元/天解锁文章