sentinel源码分析-08流量数据统计

最新推荐文章于 2025-11-24 16:47:35 发布

原创

最新推荐文章于 2025-11-24 16:47:35 发布 · 244 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#sentinel #开发语言

本文详细剖析了统计节点的实现，涉及实时数据统计、时间窗口机制和并发控制，展示了如何通过Metric和LeapArray高效收集流量数据。

流量数据统计

上面我说了各种流控规则如何进行限流，那这个流量数据是如何统计出来的呢？这里我们回到StatisticNode

//每秒统计数据
private transient volatile Metric rollingCounterInSecond = new ArrayMetric(SampleCountProperty.SAMPLE_COUNT,
    IntervalProperty.INTERVAL);

/**
 * Holds statistics of the recent 60 seconds. The windowLengthInMs is deliberately set to 1000 milliseconds,
 * meaning each bucket per second, in this way we can get accurate statistics of each second.
 */
//每分钟统计数据
private transient Metric rollingCounterInMinute = new ArrayMetric(60, 60 * 1000, false);

/**
 * The counter for thread count.
 */
//线程总数
private AtomicInteger curThreadNum = new AtomicInteger(0);

我们可以看到统计节点主要是保存三种实时统计指标，每秒统计信息、每分钟的统计信息、并发线程数

Metric接口定义了获取各种统计信息的方法，如

long success();
long block();
long exception();
long pass();
long rt();
......

ArrayMetric底层又是通过LeapArray来完成数据的统计，其中几个重要的属性

protected int windowLengthInMs;//每个窗口时间长度
protected int sampleCount;//时间窗口个数
protected int intervalInMs;//总的间隔时间
protected final AtomicReferenceArray<WindowWrap<T>> array;//存放时间窗口的集合

 public LeapArray(int sampleCount, int intervalInMs) {
   
   
        //每个窗口时间长度
        this.windowLengthInMs = intervalInMs / sampleCount;
        //总的间隔时间
        this.intervalInMs = intervalInMs;
        //窗口个数
        this.sampleCount