Sliding

簡介

Sliding 是一個基於 sliding window algorithm 的輕量級 library。開發它的靈感來自於一些微服務限流專案(Ex: guava,Sentinal) 中關於統計 QPS 的作法，透過將一些簡單的操作封裝，可以有效的省去開發的成本。

對於一些需要統計單位時間內發生事件的場景，都可以利用 Sliding 去簡單的統計資料，Sliding 可以自訂 Upload function，用來處理 window 滑動後，原本位於 window 的資料要怎麼處理，寫入資料庫，或者根據設定的 threshold 去觸發某些行為等等。

Installation

go get github.com/davidleitw/Sliding/pkg/slidingwindow

include

import "github.com/davidleitw/Sliding/pkg/slidingwindow"

概念

在建立 Sliding window 的時候可以指定 windowSize 與 windowLength。

• windowSize: 單一窗口時間，用 ms 為單位
• windowLength: 總共有幾個 window

創立一個 windowSize=125ms, windowLength=8 的 Sliding Window 可以參考以下範例，這樣一輪總共有 1000ms = 1s。

slw := slidingwindow.NewSlidingWindows(125, 8, nil)

可以簡單用上圖的例子來說明 Sliding window 的運作原理

假設今天要紀錄的資料發生在487ms，我們可以透過 (487 / windowSize) % wnidowLength 來求出 index=3，我們也可以透過 487 - (487 % windowLength) 來算出這輪的 start = 375

那 Sliding window 創立之後怎麼滑動呢? 可以用下面的圖片說明，一開始的步驟都像上面，但是不一樣的地方在於算出來的 start=48763 會跟 windows[index].start 先比大小，如果發現新出來的 start 大於原本 window 的 start，就會更新相關的資料，在 Sliding 內會分成兩個部份執行

• 更新 window 的 start
• 執行使用者設定的 upload function，處理 window 更新前存在內部的統計資料，會在後續的範例中看到詳細的用法

範例

動工中

參考文章

動工中

TODO

• 思考兩個使用範例
  • 整合 InfluxDB, Grafana 呈現
• 思考 window 的更新問題，尤其是超過兩輪沒有更新時如何補上空缺的資料