一、回顾
上一篇Sentinel之滑动时间窗口设计（一） 主要介绍了Sentinel的统计数据的类结构及调用过程，并且介绍了滑动时间窗口的调用过程。
本文将会深入学习sentinel的滑动窗口，以及其中的原理等。
二、什么是滑动窗口算法
固定窗口
固定窗口就像是滑动窗口的一个特例，固定窗口是大小固定且不能随着时间而变化的。
在限流算法里：使用固定窗口算法是一种暴力的方式，可以通过限制某个API在在一个时间片内访问的次数；
滑动窗口
滑动窗口将固定窗口再等分为多个小的窗口。
滑动窗口可以通过更细粒度对数据进行统计。
在限流算法里：假设我们将1s划分为4个窗口，则每个窗口对应250ms。假设恶意用户还是在上一秒的最后一刻和下一秒的第一刻冲击服务，按照滑动窗口的原理，此时统计上一秒的最后750毫秒和下一秒的前250毫秒，这种方式能够判断出用户的访问依旧超过了1s的访问数量，因此依然会阻拦用户的访问。
滑动窗口具有以下特点：
1、每个小窗口的大小可以均等，dubbo的默认负载均衡算法random就是通过滑动窗口设计的，可以调整每个每个窗口的大小，进行负载。
2、滑动窗口的个数及大小可以根据实际应用进行控制
滑动时间窗口
滑动时间窗口就是把一段时间片分为多个窗口，然后计算对应的时间落在那个窗口上，来对数据统计；如上图其实就是即时的滑动时间窗口，随着时间流失，最开始的窗口将会失效，但是也会生成新的窗口；sentinel的就是通过这个原理来实时的限流数据统计。
关于滑动窗口，这里介绍还是比较简单，主要是大致的介绍滑动的原理以及时间窗口的设计；其实关于滑动窗口在我们学习的计算机网络中也涉及到。
三、sentinel构建滑动时间窗口
上文介绍过通过调用LeadArray的currentWindow方法返回时间窗口，下面来仔细分析。
public WindowWrap<T> currentWindow() {
//参数是当前时间
return currentWindow(TimeUtil.currentTimeMillis());
}
public WindowWrap<T> currentWindow(long time) {
// 1、根据当前时间，算出该时间的timeId，timeId就是在整个时间轴的位置
long timeId = time / windowLengthInMs;
// 2、据timeId算出当前时间窗口在采样窗口区间中的索引idx
int idx = (int)(timeId % array.length());
// 3、根据当前时间算出当前窗口应该对应的窗口开始时间time，以毫秒为单位
time = time - time % windowLengthInMs;
//4、循环判断直到获取到一个当前时间窗口
while (true) {
//5、根据索引idx，在采样窗口数组中取得一个时间窗口old
WindowWrap<T> old = array.get(idx);
//6、如果old为空，说明该时间窗口还没有创建、则创建一个时间窗口，并将它插入到array的第idx个位置
if (old == null) {
//创建时间窗口，参数：窗口大小，开始时间，桶（保存统计值）
WindowWrap<T> window = new WindowWrap<T>(windowLengthInMs, time, newEmptyBucket());
// 通过CAS将新窗口设置到数组中去
if (array.compareAndSet(idx, null, window)) {
return window;
} else {
Thread.yield();
}
//7、如果当前窗口的开始时间time与old的开始时间相等，那么说明old就是当前时间窗口，直接返回old
} else if (time == old.windowStart()) {
return old;
}
//8、如果当前窗口的开始时间time大于old的开始时间，则说明old窗口已经过时了，将old的开始时间更新为最新值:time，下一个循环中在第7步返回
else if (time > old.windowStart()) {
if (updateLock.tryLock()) {
try {
// if (old is deprecated) then [LOCK] resetTo currentTime.
// 重置窗口，重新设置窗口的开始时间，以及把统计值重置
return resetWindowTo(old, time);
} finally {
updateLock.unlock();
}
} else {
Thread.yield();
}
//这个条件不可能存在,time是当前的时间
} else if (time < old.windowStart()) {
// Cannot go through here.
return new WindowWrap<T>(windowLengthInMs, time, newEmptyBucket());
}
}
}
以上就是创建时间窗口的核心的代码了，解释都在代码上面。分析后可以发现：获取时间窗口原理就是找到当前时间所在的窗口，若窗口不存在则创建，若窗口过时了则重置。
窗口分析
通过分析rollingCounterInSecond的监控指标来分析时间窗口，
private transient volatile Metric rollingCounterInSecond = new ArrayMetric(1000 / SampleCountProperty.SAMPLE_COUNT,
IntervalProperty.INTERVAL);
在StatisticNode类中，rollingCounterInSecond创建可以发现windowLengthInMs：时间窗口是500ms，
intervalInSec：时间区间是1s。所以在时间区间是1s内最多只有两个时间窗口，每个窗口长度是500ms；
时间窗口的创建过程如图：
1、现在假设当前时间是2018-12-15 14:30:00，对应毫秒是：1544855400000ms，所以timeId = 1544855400000 / 500为：3089710800，对应的idx为0，窗口开始时间time为 time - time % windowLengthInMs还是1544855400000；
2、初始化的时候old为空，所以创建了一个window；
3、倘若过了300ms后，time为1544855400700，这个时候old就是先前窗口了，就会直接返回old窗口：currentWindow；
4、时间继续往前走，又过了400ms后，如图：
5、这个时候获取到的timeId为3089710801，对应的idx=为3089710801%2为1，窗口开始时间time为 1544855400500；
6、由于是新的时间窗口，old为空，则重新创建。
7、倘若过了400ms，time为1544855401100：现在得到idx时0，这个时候old是有值的，但是old的windowStart小于time的StartTime，所以需要重置idx0窗口。
8、以此类推：随着时间的流逝，时间窗口也在变化，但是窗口只会在初始化的过程中创建两次，后面若窗口过期了则是重置。
四、我的总结
A、大致介绍滑动窗口算法，滑动窗口算法经常用在限流场景中，常用的限流算法还有：漏桶法，令牌法。
B、介绍了滑动时间窗口的创建过程，如下：
- 1、根据当前时间，算出该时间的timeId，timeId就是在整个时间轴的位置
- 2、据timeId算出当前时间窗口在采样窗口区间中的索引idx
- 3、根据当前时间算出当前窗口应该对应的窗口开始时间time，以毫秒为单位
- 4、循环判断直到获取到一个当前时间窗口
- 5、根据索引idx，在采样窗口数组中取得一个时间窗口old
如果old为空，说明该时间窗口还没有创建、则创建一个时间窗口，并将它插入到array的第idx个位置
如果当前窗口的开始时间time与old的开始时间相等，那么说明old就是当前时间窗口，直接返回old
如果当前窗口的开始时间time大于old的开始时间，则说明old窗口已经过时了，将old的开始时间更新为最新值:time；
C：滑动窗口只会在初始化的过程中创建，后续只会重置
以上内容，若有不当之处，望指正
