Sentinel 埋点统计
Sentinel的核心就是围绕methos的执行状埋点统计信息，匹配预先设定degrade、folw……的规则。
1.Java Method状态
未引入熔断前，Java类Method运行，具有如下几个状态：
- sucess
- exception
- rt
- thread
引入Sentinel新增：
- pass
- block
对于web应用，某方法的RT增加，Thread也随之升高，单一资源持有线程资源不能及时释放势必影响其他功能点；另一点Exception，对于未捕获的异常，可以统计按照异常百分比进行降级操作。
2.实现原理
2.1滑动窗口
Sentinel基于跳跃数组实现了一个滑动窗口，每个Resource持有一个Node，Node内部是一个基于数组实现的滑动窗口，如下图。
上图是一个时间轮，其中有三个概念：
- windowLength：一个窗口的长度，一个窗口即图中一个单元格时间跨度。
- windownStart：窗口起始时间
- interval：时间轮间隔，即一圈长度，运行一个周期后里面的数据即过期。
，每个单元格存储一个window对象，内部就是一个window对象数组。
例如：时间轮周期间隔interval=60秒，即1分钟，windowLength=1000ms，第一个窗口的windownStart：0，第二个窗口windownStart：1000，以此类推，参见具体代码 WindowWarp:
public class WindowWrap<T> {/*** window滑动窗口长度.*/private final long windowLength;/*** windown开始时间，单位milliseconds.*/private long windowStart;/*** T泛型对象，即Window.*/private T value;
}
复制代码上面的泛型对象T就是Window，该对象持有Method的状态信息：sucess、pass，block，rt，exception等几个long类型的变量，作为计数器使用，参考代码如下。
0.2版本Windown改名为MetricBucket，换汤不换药，仅修改类名，代码仍然未变
public class Window {/*** 通过请求数，非熔断状态值为0*/private final LongAdder pass = new LongAdder();/*** 熔断请求数*/private final LongAdder block = new LongAdder();/*** 异常请求书，方法抛出Exception时被统计到。*/private final LongAdder exception = new LongAdder();/*** 一个滑动窗口资源(方法)的总耗时*/private final LongAdder rt = new LongAdder();/*** 成功数量*/private final LongAdder success = new LongAdder();/*** 最小耗时，大于4900ms的被丢弃*/private final LongAdder minRt = new LongAdder();
}
复制代码2.2Node节点
Sentienl按照统计维度分为几种不同类型的Node，类图如下：
Node是一个接口，定义了一些列针对状态计数器的操作，StatisticNode作为实现类，结合上面提到的滑动窗口实现各个方法事件的实时统计。
public class StatisticNode implements Node {//秒级private transient Metric rollingCounterInSecond = new ArrayMetric(1000 / SampleCountProperty.sampleCount,IntervalProperty.INTERVAL);//分钟级private transient Metric rollingCounterInMinute = new ArrayMetric(1000, 2 * 60);//当前线程数，进方法+1，执行完毕-1private AtomicInteger curThreadNum = new AtomicInteger(0);//最后一次获取数据事件，下次获取的数据全在该时间后，即数据只能读取一次。private long lastFetchTime = -1;
}
复制代码Node，StatisticNode的所有方法如下，方法执行前后埋点，调用：
3.结尾
上面简单介绍了资源状态统计的实现，后续介绍solt的过程，在结合Node一起详细介绍各种类型的Node的作用。