Java中用循环数组实现固定长度时间窗口统计，核心是环形缓冲区存储时间槽计数，结合时间戳判断数据有效性；支持惰性清理与原子更新，适用于QPS统计等高频低延迟场景。
在 Java 中用数组实现固定长度时间窗口统计，核心思路是：用循环数组（环形缓冲区）存储每个时间槽的计数，配合时间戳判断数据是否落在当前窗口内。这种方式轻量、无依赖、适合高频低延迟场景，比如 QPS 统计、错误率采样等。
设计一个带时间槽的循环数组
假设窗口长度为 60 秒，精度为 1 秒 → 需要长度为 60 的 long[] 数组；若精度为 100ms、窗口 10 秒，则需 100 个槽。关键点：
- 每个数组下标对应一个时间槽，例如 index = (timestamp / slotDuration) % array.length
- 用一个 volatile long 记录当前“基准时间起点”，或每次直接用 System.currentTimeMillis() / slotDuration 计算逻辑时间戳
- 写入前先清理过期槽位：遍历所有槽，若其代表的时间范围已完全落在窗口外，就清零（也可惰性清理，见下文）
支持自动过期与原子更新
避免每次写都遍历全部槽，可采用“惰性清理 + 当前窗口边界校验”策略：
- 维护两个变量：currentWindowStart（毫秒级，当前窗口起始时间，对齐到 slot 边界）和 lastCleanupTime
- 每次 add() 时，先检查 timestamp 是否在 [currentWindowStart, currentWindowStart + windowSize) 内；不在则跳过或触发窗口滑动
- 滑动时重新计算 currentWindowStart，并只清空那些 所属逻辑时间戳 的槽位（最多清一次，非全扫）
- 使用 AtomicLongArray 或 synchronized 块保障单槽写入线程安全（通常单槽只会被同一逻辑时间戳的请求命中，冲突低）
提供常用统计接口（如 sum、avg、max）
数组本身不保存原始数据，只存聚合值（如请求数、耗时总和、失败次数），因此统计方法直接遍历有效槽位即可：
JavaStoryDevelop
下载
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
立即学习“Java免费学习笔记（深入）”；
- getTotal()：累加所有未过期槽的值（注意：需再次校验每个槽对应的时间是否仍在窗口内）
- getQps()：getTotal() / windowSeconds（浮点结果，或返回 long 表示平均每秒整数次）
- getMaxInSlot()：遍历有效槽，取最大值（适合监控峰值）
- 若需分位数（如 P95），此方案不适用——数组只存聚合值，无法还原原始分布，需换用 TDigest 或 HdrHistogram
一个极简可运行示例（60 秒窗口，1 秒粒度）
（生产中建议封装为类并加单元测试）
public class TimeWindowCounter {
private final long windowSeconds = 60;
private final long slotMillis = 1_000;
private final int capacity = (int) (windowSeconds * 1000 / slotMillis); // 60
private final long[] slots = new long[capacity];
private final Object lock = new Object();
<pre class="brush:php;toolbar:false;">public void add(long timestamp, long value) {
int idx = (int) ((timestamp / slotMillis) % capacity);
long windowStart = (timestamp / slotMillis) * slotMillis - (timestamp / slotMillis) % capacity * slotMillis;
// 实际中建议用更鲁棒的窗口对齐方式，此处仅为示意
synchronized (lock) {
// 清理过期槽：仅清理明显超出窗口的（保守做法）
long cutoff = timestamp - windowSeconds * 1000;
for (int i = 0; i < capacity; i++) {
long slotTime = (timestamp / slotMillis - i + capacity) % capacity * slotMillis;
if (slotTime < cutoff) slots[i] = 0;
}
slots[idx] += value;
}
}
public long getTotal() {
long sum = 0;
long now = System.currentTimeMillis();
long cutoff = now - windowSeconds * 1000;
synchronized (lock) {
for (int i = 0; i < capacity; i++) {
long slotTime = (now / slotMillis - i + capacity) % capacity * slotMillis;
if (slotTime >= cutoff) sum += slots[i];
}
}
return sum;
}}
