Sentinel 中 StatisticNode 类的实现，它是所有统计节点（如 DefaultNode、ClusterNode）的基类 ，负责 实时采集和管理资源的运行时指标（metrics）。
它的核心思想是：
用滑动窗口（Sliding Window）机制，在秒级和分钟级两个时间维度上，高效、准确地统计 QPS、RT、线程数等关键指标。
下面我们从 设计目标、核心结构、滑动窗口原理、指标计算逻辑、线程安全 等角度深入解析。
一、核心目标：统计什么？
StatisticNode 负责维护三类实时指标：
| 指标类型 | 存储方式 | 用途 |
|---|---|---|
| 秒级指标 | rollingCounterInSecond（默认 1 秒分 2 个桶 → 每桶 500ms） |
实时流控、熔断决策（响应快） |
| 分钟级指标 | rollingCounterInMinute（60 个桶，每桶 1 秒） |
监控展示、历史回溯、慢速规则 |
| 当前线程数 | curThreadNum（LongAdder） |
并发控制（如系统保护规则） |
✅ 所有指标都基于 滑动窗口（Sliding Window） 实现，底层由
ArrayMetric+LeapArray支撑。
二、滑动窗口原理（关键！）
Sentinel 的滑动窗口不是"固定窗口"（如 0-1s, 1-2s），而是连续、重叠、滚动的窗口，能更平滑地反映流量变化。
📌 以秒级窗口为例（默认配置）：
-
总窗口长度：1000ms（1秒）
-
桶数量（sampleCount）：2
-
每个桶长度：500ms
时间轴： ... |-----500ms-----|-----500ms-----| → 当前窗口 [t-1000, t)
↑
当前时间 t -
每次请求进来，会找到对应的时间桶（bucket），累加指标（pass、block、rt 等）。
-
超过 1000ms 的旧桶会被自动丢弃（逻辑上"滑出"窗口）。
✅ 优势：
- 避免固定窗口的"边界突刺"问题（如 0.9s 到 1.1s 瞬间 QPS 翻倍）
- 实时性高，适合做毫秒级流控
三、关键字段详解
java
// 秒级滑动窗口（默认：2个桶，总长1000ms）
private transient volatile Metric rollingCounterInSecond =
new ArrayMetric(SampleCountProperty.SAMPLE_COUNT, IntervalProperty.INTERVAL);
// 分钟级滑动窗口（60个桶，每桶1秒，总长60秒）
private transient Metric rollingCounterInMinute =
new ArrayMetric(60, 60 * 1000, false);
// 当前线程并发数（使用 LongAdder 高性能计数）
private LongAdder curThreadNum = new LongAdder();💡
transient表示不参与序列化（这些是运行时状态，无需持久化）
四、指标如何计算？------ 以 QPS 为例
1. passQps()（秒级通过 QPS）
java
return rollingCounterInSecond.pass() / rollingCounterInSecond.getWindowIntervalInSec();pass()：返回当前滑动窗口内所有有效桶的 总通过请求数getWindowIntervalInSec()：窗口总时长（单位：秒），如 1.0- 结果 = 总通过数 / 1秒 → 即 QPS
2. avgRt()（平均响应时间）
java
long successCount = rollingCounterInSecond.success();
if (successCount == 0) return 0;
return rollingCounterInSecond.rt() / successCount;rt()：窗口内所有成功请求的 总响应时间（毫秒）- 除以成功次数 → 平均 RT
3. totalRequest()（最近1分钟总请求数）
java
return rollingCounterInMinute.pass() + rollingCounterInMinute.block();- 使用 分钟级窗口，用于监控大盘数据
🔁 所有写操作（如
addPassRequest）都会同时更新 秒级 + 分钟级 两个窗口！
五、线程安全设计
- 滑动窗口（ArrayMetric/LeapArray）：内部使用 CAS + 时间戳校验，保证多线程写入安全。
- curThreadNum ：使用
LongAdder（比AtomicLong更高性能的并发计数器）。 - childList 更新（在 DefaultNode 中） ：采用 不可变集合替换（copy-on-write） 策略，避免锁竞争。
六、高级功能：预占（Warm Up / 匀速排队）
tryOccupyNext(...) 方法支持 "匀速排队"或"预占令牌" 场景：
- 当 QPS 超过阈值时，不直接拒绝，而是看 未来某个时间窗口是否能容纳。
- 如果可以，返回需要等待的时间（ms），让请求 sleep 后再执行。
- 这是 Sentinel Rate Limiter 模式 的核心实现。
⚠️ 此功能常用于削峰填谷，避免突发流量打垮系统。
七、与整体架构的关系
DefaultNode和ClusterNode都继承StatisticNode，共享同一套统计逻辑。- 流控规则（FlowRule）在
FlowSlot中执行时，会调用node.passQps()获取当前 QPS。
八、总结：一句话理解 StatisticNode
StatisticNode是 Sentinel 的"指标心脏"，它通过双时间尺度（秒/分）的滑动窗口，高效、准确、线程安全地采集资源的实时运行数据，为流控、熔断、系统保护等能力提供决策依据。
🧠 记住三个关键词：
- 滑动窗口（Sliding Window） → 平滑、实时
- 双时间尺度（Second + Minute） → 快速响应 + 历史回溯
- 指标同步更新（Local + Global） → 支持入口隔离与全局聚合
如果你在调试 Sentinel 或自定义规则，理解 StatisticNode 就等于掌握了它的"数据源头"。