滑动窗口算法_精度不够，滑动时间来凑「限流算法第二把法器：滑动时间窗口算法」- 第301篇...

​

相关历史文章（阅读本文之前，您可能需要先看下之前的系列 ）

为数据可视化赋能Spring Boot Admin - 第297篇

超实用的康奈尔笔记法

「定制Spring Boot Admin UI的页面」- 第298篇

国内最全的Spring Boot系列之三

版本号命名的前世今生- 值得收藏 - 第299篇

「世界上最好的学习法：费曼学习法」

高并发，不怕不怕「限流算法第一把法器：计数器法」 - 第300篇

一、回顾：计算器算法存在问题

对于秒级以上的时间周期来说，会存在一个非常严重的问题，那就是临界问题。

​

从上图中我们可以看到，假设有一个恶意用户，他在0:59时，瞬间发送了100个请求，并且1:00又瞬间发送了100个请求，那么其实这个用户在 1秒里面，瞬间发送了200个请求。我们刚才规定的是1分钟最多100个请求，也就是每秒钟最多1.7个请求，用户通过在时间窗口的重置节点处突发请求， 可以瞬间超过我们的速率限制。用户有可能通过算法的这个漏洞，瞬间压垮我们的应用。

师傅：不错，那么今天就说说如何解决这个由于问题。

计算器的问题其实是因为我们统计的精度太低（统计的1秒内的流量情况，只有1个值进行记录）。那么如何很好地处理这个问题呢？或者说，如何将临界问题的影响降低呢？我们可以看下面的滑动窗口算法。

二、滑动窗口算法

滑动窗口，又称rolling window。为了解决计数器法统计精度太低的问题，引入了滑动窗口算法。下面这张图，很好 地解释了滑动窗口算法:

​

在上图中，整个红色的矩形框表示一个时间窗口，在我们的例子中，一个时间窗口就是一分钟。然后我们将时间窗口进行划分，比如图中，我们就将滑动窗口划成了6格，所以每格代表的是10秒钟。每过10秒钟，我们的时间窗口就会往右滑动一格。每一个格子都有自己独立的计数器counter，比如当一个请求 在0:35秒的时候到达，那么0:30~0:39对应的counter就会加1。

那么滑动窗口怎么解决刚才的临界问题的呢？在上图中，0:59到达的100个请求会落在灰色的格子中，而1:00到达的请求会落在橘×××的格子中。当时间到达1:00时，我们的窗口会往右移动一格，那么此时时间窗口内的总请求数量一共是200个，超过了限定的100个，所以此时能够检测出来触发了限流。

回顾一下上面的计数器算法，我们可以发现，计数器算法其实就是滑动窗口算法。只是它没有对时间窗口做进一步地划分，所以只有1格。

由此可见，当滑动窗口的格子划分的越多，那么滑动窗口的滚动就越平滑，限流的统计就会越精确。

BTW：

（1）滑动窗口算法是以当前这个时间点为基准，往前推移1秒进行计算当前1秒内的请求量情况。
（2）滑动窗口限流统计的精准度是由划分的格子多少决定的，这个怎么理解呐，就是把1秒中进行划分成多个时间段，比如2个格子的话，那么就是2段，0-500ms和501-1000ms。那么就会两个值进行存储统计请求量，比如数组 [0,1] 各存储一个段的请求值。
（3）计算器算法是滑动窗口算法将时间段划分为1的特殊情况。

综上我们对滑动窗口算法下个定义：滑动窗口算法是将时间周期分为N个小周期，分别记录每个小周期内访问次数，并且根据时间滑动删除过期的小周期。

三、滑动窗口算法实现

我们看一段代码：

/**
* 滑动时间窗口限流实现
* 假设某个服务最多只能每秒钟处理100个请求，我们可以设置一个1秒钟的滑动时间窗口，
* 窗口中有10个格子，每个格子100毫秒，每100毫秒移动一次，每次移动都需要记录当前服务请求的次数 
*/
public class SlidingTimeWindow {
	// 时间窗口内最大请求数
	public final int limit = 100; 
	// 服务访问次数
	Long counter = 0L;
	// 使用LinkedList来记录滑动窗口的10个格子。
	LinkedList<Long> slots = new LinkedList<Long>();
	// 时间划分多少段落
	int split = 10;
	// 是否限流了,true:限流了，false：允许正常访问。
	boolean isLimit = false;
 
	private void doCheck() throws InterruptedException {
		while (true) {
			slots.addLast(counter);
			if (slots.size() > split) {
				slots.removeFirst();// 超出了，就把第一个移出。
			}
 
			// 比较最后一个和第一个，两者相差100以上就限流
			if ((slots.peekLast() - slots.peekFirst()) > limit) {
				System.out.println("限流了。。");
				// 修改限流标记为true
				isLimit = true;
			} else {
				// 修改限流标记为false
				isLimit = false;
			}
			Thread.sleep(1000/split);
		}
	}
 
	/**
	 * 测试
	 * @param args
	 * @throws InterruptedException 
	 */
	public static void main(String[] args) throws InterruptedException {
		SlidingTimeWindow timeWindow = new SlidingTimeWindow();
		//开启一个线程判断当前的限流情况.
		new Thread(new Runnable() {
			@Override
			public void run() {
				try {
					timeWindow.doCheck();
				} catch (InterruptedException e) {
					e.printStackTrace();
				}
			}
		}).start();
		
		
		//模拟请求.
		while(true) {
			//判断是否被限流了.
			if(!timeWindow.isLimit) {
				timeWindow.counter++;
				//未被限流执行相应的业务方法.
				//  executeBusinessCode();
				//模拟业务执行方法时间.
				Thread.sleep(new Random().nextInt(15));
				System.out.println("业务方法执行完了...");
			}else {
				System.out.println("被限流了，直接返回给用户");
			}
		}
	}
}

说明：

（1）doCheck方法，就是改变是否限流标志位的方法：这里通过LinkedList（链表）来进行模拟，通过LinkedList的大小来控制1秒分隔多少段。peekLast()、slots.peekFirst() 就是这个时间窗口的一个流量值。

（2）在main方法中，我们通过开启一个线程来执行我们的doCheck()方法，由于doCheck()方法是while(true)，所以会一直执行，sleep的时间刚好是每个时间间隔值，那么就会不断刷新LinkedList中的值。

（3）最后while(true)代码是模拟业务执行调用代码，也就是controller发起调用的代码了。

四、悟纤小结

师傅：徒儿，师傅这代码都敲的腰酸背痛了。

悟纤：那师傅赶紧早点回去休息吧。

师傅：（内心世界：徒儿这是没听明白我的意思，有句话说重要的事情要说3遍）徒儿，师傅腰酸背痛~ 腰酸背痛~ 腰酸背痛~。

悟纤：师傅，我懂了，您这是要让我给您敲敲背是吧，这您不找人给你按摩去，找我这个不专业的，按着也不舒服。

师傅：就徒儿顽皮，不按就不按，看看你认真听没有，小结下这节的内容。

（1）滑动窗口算法是将时间周期分为N个小周期，分别记录每个小周期内访问次数，并且根据时间滑动删除过期的小周期。

（2）计算器算法也属于滑动窗口算法，是滑动窗口算法的一种情况（划分周期为1）。

（3）滑动窗口算法实现方式：数组（多少周期，数组大小就是多大，将每个时间通过一定的算法落到每个数组下标即可）；链表（通过链表中的大小来判断划分周期个数，如果超过了，可以使用链表的removeFirst()移除第一个，从而实现往后移动窗口）

（4）数组实现的实例：这个可以看Sentinel的源码，就是定义了一个数组来实现的，时间划分是2。

五、小思考

当在系统刚刚启动的时候，系统很多资源都未分配完成，瞬间来了n个请求，如果使用滑动窗口算法的话，那么只有达到了QPS控制阈值，才会触发限流机制，那么这样针对系统刚启动资源未分配的情况，就无法防止系统瘫痪了。

针对上面的这种情况，那么你有什么对应的限流算法可以应对呐？