Java简单实现滑动窗口

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windowthis.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windowthis.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+1sum += 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() {@Overridepublic 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。

Java简单实现滑动窗口相关推荐

剑指offer编程试题Java实现--64.滑动窗口的最大值
个人博客:小景哥哥 64.滑动窗口的最大值题目描述给定一个数组和滑动窗口的大小,找出所有滑动窗口里数值的最大值.例如,如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3,那么一共存在 ...
滑动窗口算法框架（Java版）秒杀力扣题（76、567、438、3、485）
一.声明 1.非常感谢东哥(labuladong)分享了**滑动窗口算法框架**: 2.我在理解了东哥的思想后,用Java实现了滑动窗口算法框架,一来方便自己学习,二来方便一些Java小伙伴: 3.再 ...
Java实现滑动窗口算法
Java实现滑动窗口算法滑动窗口算法滑动窗口应用实例基本实例断路器怎么识别断路器的状态代码实现滑动窗口算法思想不滑坡方法总比困难多滑动窗口协议(Sliding Window Prot ...
滑动窗口算法通用思想
文章目录一.最小覆盖子串二.找到字符串中所有字母异位词三.无重复字符的最长子串最后总结本文详解「滑动窗口」这种高级双指针技巧的算法框架,带你秒杀几道难度较大的子字符串匹配问题: 最小覆盖子串 ...
【Leetcode数组--子数组--滑动窗口】209. 长度最小的子数组 904. 水果成篮 1004. 最大连续1的个数 III 76. 最小覆盖子串（有数组操作中重要的方法：滑动窗口！！！！）
文章目录 Leetcode209 1.问题描述 2.解决方案解法一:两个错误思路的算法解法二:暴力解法三:滑动窗口法(O(n)) Leetcode904 1.问题描述 2.解决方案 Leetco ...
OpenCV--实现图像滑动窗口截取子图操作
功能:利用opencv实现图像滑动窗口操作(即利用已知尺寸的窗口遍历整幅图像,形成许多子图像) vs2013+opencv3.1 2016.10 函数实现: slidingWnd.h #ifndef ...
滑动窗口（最大最小值）的经典例题
滑动窗口简单概念滑动窗口是我们假想出的一种数据结构,我们在这篇文章实现的窗口,能较快速的求区间最大最小值在一些区间不回退的题目中运行效率也十分优秀设窗口的左边界为l,右边界为r,(规定l< ...
Java熔断框架有哪些_降级熔断框架 Hystrix 源码解析：滑动窗口统计
降级熔断框架 Hystrix 源码解析:滑动窗口统计概述 Hystrix 是一个开源的降级熔断框架,用于提高服务可靠性,适用于依赖大量外部服务的业务系统.什么是降级熔断呢? 降级业务降级,是指牺牲 ...
简单介绍4种限流算法！（固定窗口计数器算法、滑动窗口计数器算法、漏桶算法、令牌桶算法）...
作者:架构小菜链接:https://www.jianshu.com/p/7987bf427b5b 简单介绍 4 种非常好理解并且容易实现的限流算法! 一.固定窗口计数器算法规定我们单位时间处理的请 ...

Java简单实现滑动窗口

滑动窗口

Java简单实现滑动窗口相关推荐

最新文章

热门文章