限流系统如何发现系统的热点

限流系统是对资源调用的控制组件，主要涵盖授权、限流、降级、调用统计等功能模块。限流系统有两个基础概念:资源和策略，对特定的资源采取不同的控制策略，起到保障应用稳定性的作用。限流系统提供了多个默认切入点覆盖了大部分使用场景，保证对应用的低侵入性；同时也支持硬编码或者自定义aop的方式来支持特定的使用需求。限流系统提供了全面的运行状态监控，实时监控资源的调用情况（qps、rt、限流降级等信息）。

如何利用限流系统的特性，来统计热点呢？在这里，我们主要介绍一下，限流系统是如何来判断热点的，它的工作原理是什么，它的性能如何；它目前已经在哪些场景里面使用。

a) 海量的统计基数

可能的热点分为两种，一种是事前已知的（例如营销人员的已经整理出秒杀商品的列表），另外一种是突发的，不可以预计的(例如被刷单的商品，或者是黑马产品)。对于前面一种，只需要计算这些已知的列表即可，但是对于后者，由于基数是海量的，举个例子，如果有一个方法，它传入的参数是商品id, 这个商品的id以淘宝的规模来说，是上亿的。如果把所有的商品id都记录统计起来，再进行排序，统计出热点，这对于实时的工具来说，是不可行的。所以为了解决热点统计，我们必须找到一个好的数据结构，这个结构能够仅保存最常常被访问的一定数量商品id,并且可以控制结构的大小，统计量。这是非常重要的一个步骤。

b) 统计热点的单位时间的维度

这里有一个必须强调的概念: 单位时间而不是总访问量。 打个比方，一个商品，在一小时以内被访问了3600次，但是它很均匀的每秒被访问一次，那么这个商品可能在系统的承受范围之内，并会对系统带来损伤；而另外一个商品，它一小时被访问了60次，但都落在同一秒，那么这个商品可能就是一个热点商品。对于”单位时间”的定义，是决策一个参数是否成为热点的一个重要的因素；如果太粗，必然会带来毛刺，导致系统性能不平滑；如果太细，会给性能带来挑战。

c) 在分布式系统给统计带来的挑战

热点的统计范围可能是单机，也可能是集群。如何能快速的在集群中统计，并且让限流规则在单机上生效，是非常重要的。

2.1 首先，找到一个可行的数据结构

这个结构必须满足访问修改快速，并发性好，占用内存空间少，存储的个数大小可控制，并且可以驱逐访问量少的entry，从而可以达到实时统计热点的查询数字。

其实，业界有一个现成的好结构。它就是google团队用于guava里的ConcurrentLinkedHashMap (http://code.google.com/p/concurrentlinkedhashmap)。

它有下面几个特点:

2.1.a 支持并发。它是实现了ConcurrentMap接口的。基本上它的实现是遵循concurrentMap的思想的。这里就不多赘述。

2.1.b 它把我们普通concurrenthashmap的segments用一个额外的双链表维护起来，通过操作这个链表，里面的entry可以在O(1)的时间之类删除或者重新排序。当一个entry被访问，则被移动到表头；当这个map的容量超过预设，则移除位于链表尾的entry。这样就可以保证表头是最新被使用的entry，表尾是最近最少被使用的entry

2.1.c 从另外一个角度来说，可以把ConcurrentLinkedHashMap 分成两个view. 一个是同步的，一个是异步的。Hashtable对于调用方来说是同步的，链表对于调用方式不透明的，异步的。

2.1.d 性能和concurrenthashmap的比较, 肯定比concurrenthashmap差，但是属于可以忍受的范围。下面是官方给出的数据

综上所述，我们可以利用这个LRU concurrent map link,保证我们在单位时间内，仅保存有限数量访问量较高的key, 最近比较少访问的key,我们则可以认为它不是热点，当map的Size达到上限之后，清除这个key

2.2 统计单位时间的维度

现在我们来看第二个问题，如何统计单位时间的key的qps. 其实这个正是限流系统的拿手好戏，用动态滑动窗口平滑的统计qps.

简单的说，限流系统为每个簇点（可以简单的理解为需要统计的方法），做了一个滑动窗口。更具体的说，即限流系统把采样窗口长度设为2秒，这个采样窗口又被分割为20个格子。通过用一定的算法来统计这20个格子的平均滑动窗口累积平均值来进行决策。
为什么采用平均滑动窗口累计平均值是为了削平毛刺qps(在某个点突发的qps)对整体的影响。该公式如下:

更具体的说明在:  http://en.wikipedia.org/wiki/Moving_average#Exponential_moving_average 可以查到。

说到这里，聪明的读者应该早就猜到了，限流系统通过把两个利器结合起来，即滑动窗口和google concurrent link hashmap,可以统计在固定的时间，最常常使用的参数的值。
限流系统数据结构如下所示:

具体的代码在:  http://gitlab.alibaba-inc.com/middleware-asp/限流系统 欢迎大家来指正

2.3 如何解决集群的挑战

2.3.1 幸运的是，限流系统天生自带获取簇点qps的功能

使用过限流系统的人都会发现，8719这个端口是被限流系统占用了的。通过这个端口，我们可以用获取到簇点的qps统计信息。有了这个“后门”，我们就可以轻松快速的获取到qps的信息了

2.3.2 如何在大集群里汇总这些qps的信息

接下来要解决的问题就是，如何在上千台机器里面快速汇总这些信息。还好之前我们在做2.0.7的集群统计的时候，有了一定的经验。 这个算法后来也用在了预案分配巨大的url task中。简单的说，就是用一个队列来放任务，多个线程来执行任务，一个线程来merge取回的结果。通过使用这个方法，一个比较大的集群，例如buy等，2秒可以返回统计结果。

有了集群的总体汇总信息之后，我们再将这个信息利用diamond来推广到具体的机器上去。这样的延迟大概是2-3s左右。

简单的说，存放一个这样的结构，大概大小是8k. 它的默认参数是每个簇点的存放2s的滑动窗口，20个格子，每个格子最多可以保存200个参数，那么在最坏的情况下，这个结构的大小将会是8k+4000个参数大小。

吞吐量在我的日常机器上是29W,在生产机上应该会更好。