Java简单实现滑动窗口
- 2020 年 1 月 13 日
- 筆記
由于最近有一个统计单位时间内某key的访问次数的需求，譬如每5秒访问了redis的某key超过100次，就取出该key单独处理。
这样的单位时间统计，很明显我们都知道有个边界问题，譬如5秒内100次的限制。刚好前4.99秒访问都是0，最后0.01秒来了100次，5.01秒又来了100次。也就是访问有明显的毛刺情况出现，为了弱化这个毛刺情况，我们可以采用滑动窗口。
滑动窗口
滑动窗口的主要原理比较简单，就是将这个单位时间进行拆分，譬如5秒的统计范围，我们将它划分成5个1秒。
当请求进来时，先判断当前请求属于这5个1秒的时间片中的哪个，然后将对应的时间片对应的统计值加1，再判断当前加上前4个时间片的次数总和是否已经超过了设置的阈值。
当时间已经到达第6个时间片时，就把第一个时间片给干掉，因为无论第一片是多少个统计值，它都不会再参与后续的计算了。
就这样，随着时间的推移，统计值就随着各个时间片的滚动，不断地进行统计。
具体要将单位时间拆分为多少片，要根据实际情况来决定。当然，毫无疑问的是切分的越小，毛刺现象也越少。系统统计也越准确，随之就是内存占用会越大，因为你的这个窗口的数组会更大。
代码实现思路就是定义好分片数量，每个分片都有一个独立的计数器，所有的分片合计为一个数组。当请求来时，按照分片规则，判断请求应该划分到哪个分片中去。要判断是否超过阈值，就将前N个统计值相加，对比定义的阈值即可。
代码我直接引用别人写好的了，源代码在https://www.iteye.com/blog/go12345-1744728
import java.util.concurrent.atomic.AtomicInteger; /** * 滑动窗口。该窗口同样的key，都是单线程计算。 * * @author wuweifeng wrote on 2019-12-04. */ public class SlidingWindow { /** * 循环队列，就是装多个窗口用，该数量是windowSize的2倍 */ private AtomicInteger[] timeSlices; /** * 队列的总长度 */ private int timeSliceSize; /** * 每个时间片的时长，以毫秒为单位 */ private int timeMillisPerSlice; /** * 共有多少个时间片（即窗口长度） */ private int windowSize; /** * 在一个完整窗口期内允许通过的最大阈值 */ private int threshold; /** * 该滑窗的起始创建时间，也就是第一个数据 */ private long beginTimestamp; /** * 最后一个数据的时间戳 */ private long lastAddTimestamp; public static void main(String[] args) { //1秒一个时间片，窗口共5个 SlidingWindow window = new SlidingWindow(100, 4, 8); for (int i = 0; i < 100; i++) { System.out.println(window.addCount(2)); window.print(); System.out.println("--------------------------"); try { Thread.sleep(102); } catch (InterruptedException e) { e.printStackTrace(); } } } public SlidingWindow(int duration, int threshold) { //超过10分钟的按10分钟 if (duration > 600) { duration = 600; } //要求5秒内探测出来的， if (duration <= 5) { this.windowSize = 5; this.timeMillisPerSlice = duration * 200; } else { this.windowSize = 10; this.timeMillisPerSlice = duration * 100; } this.threshold = threshold; // 保证存储在至少两个window this.timeSliceSize = windowSize * 2; reset(); } public SlidingWindow(int timeMillisPerSlice, int windowSize, int threshold) { this.timeMillisPerSlice = timeMillisPerSlice; this.windowSize = windowSize; this.threshold = threshold; // 保证存储在至少两个window this.timeSliceSize = windowSize * 2; reset(); } /** * 初始化 */ private void reset() { beginTimestamp = SystemClock.now(); //窗口个数 AtomicInteger[] localTimeSlices = new AtomicInteger[timeSliceSize]; for (int i = 0; i < timeSliceSize; i++) { localTimeSlices[i] = new AtomicInteger(0); } timeSlices = localTimeSlices; } private void print() { for (AtomicInteger integer : timeSlices) { System.out.print(integer + "-"); } } /** * 计算当前所在的时间片的位置 */ private int locationIndex() { long now = SystemClock.now(); //如果当前的key已经超出一整个时间片了，那么就直接初始化就行了，不用去计算了 if (now - lastAddTimestamp > timeMillisPerSlice * windowSize) { reset(); } return (int) (((now - beginTimestamp) / timeMillisPerSlice) % timeSliceSize); } /** * 增加count个数量 */ public boolean addCount(int count) { //当前自己所在的位置，是哪个小时间窗 int index = locationIndex(); // System.out.println("index:" + index); //然后清空自己前面windowSize到2*windowSize之间的数据格的数据 //譬如1秒分4个窗口，那么数组共计8个窗口 //当前index为5时，就清空6、7、8、1。然后把2、3、4、5的加起来就是该窗口内的总和 clearFromIndex(index); int sum = 0; // 在当前时间片里继续+1 sum += timeSlices[index].addAndGet(count); //加上前面几个时间片 for (int i = 1; i < windowSize; i++) { sum += timeSlices[(index - i + timeSliceSize) % timeSliceSize].get(); } System.out.println(sum + "---" + threshold); lastAddTimestamp = SystemClock.now(); return sum >= threshold; } private void clearFromIndex(int index) { for (int i = 1; i <= windowSize; i++) { int j = index + i; if (j >= windowSize * 2) { j -= windowSize * 2; } timeSlices[j].set(0); } } }
import java.util.concurrent.Executors; import java.util.concurrent.ScheduledExecutorService; import java.util.concurrent.ThreadFactory; import java.util.concurrent.TimeUnit; import java.util.concurrent.atomic.AtomicLong; /** * 用于解决高并发下System.currentTimeMillis卡顿 * @author lry */ public class SystemClock { private final int period; private final AtomicLong now; private static class InstanceHolder { private static final SystemClock INSTANCE = new SystemClock(1); } private SystemClock(int period) { this.period = period; this.now = new AtomicLong(System.currentTimeMillis()); scheduleClockUpdating(); } private static SystemClock instance() { return InstanceHolder.INSTANCE; } private void scheduleClockUpdating() { ScheduledExecutorService scheduler = Executors.newSingleThreadScheduledExecutor(new ThreadFactory() { @Override public Thread newThread(Runnable runnable) { Thread thread = new Thread(runnable, "System Clock"); thread.setDaemon(true); return thread; } }); scheduler.scheduleAtFixedRate(() -> now.set(System.currentTimeMillis()), period, period, TimeUnit.MILLISECONDS); } private long currentTimeMillis() { return now.get(); } /** * 用来替换原来的System.currentTimeMillis() */ public static long now() { return instance().currentTimeMillis(); } }
参照代码main方法，通过修改每个时间片的时间，窗口数量，阈值，来进行测试。
这就是简单实现了。
