Go设计开发的一款高精度QPS统计系统

Mant7s
118 阅读5分钟

一款高精度QPS统计系统，适用于高并发场景的实时请求频率统计。基于Go语言实现的高性能计数器，支持百万级QPS场景下的精确统计。

项目地址

✨ 核心特性

  • 🚀 双引擎架构（Lock-Free/Sharded），支持百万级QPS实时统计
  • 🔄 智能分片策略（基于CPU核心数的动态分片，10秒间隔QPS监控）
  • ⚡ 时间窗口滑动算法（1s窗口，100ms精度）
  • 🧠 自适应负载均衡（QPS变化率超30%自动调整）
  • 🛡️ 增强的优雅关闭机制（请求完整性保障，超时控制，强制关闭）
  • 🔒 令牌桶限流保护（可动态调整速率，支持突发流量，自适应限流）
  • 📊 Prometheus监控集成（QPS、内存、CPU、请求延迟等指标）
  • ✅ 健康检查端点支持（/healthz）
  • 📈 资源使用监控指标（内存阈值自适应，自动分片调整）
  • ⚙️ 高性能设计（原子操作、细粒度锁、请求计数与统计）
  • 🌐 HTTP服务器双模式支持（标准net/http和高性能fasthttp）

🏗 架构设计

+-------------------+     +-----------------------+
|   HTTP Server     | ⇒  |  Adaptive Sharding    |
| (net/http,fasthttp)|    +-----------------------+
+-------------------+     
      ↓                               ↓
+---------------+        +------------------------+
| Lock-Free引擎 |        | Sharded计数器集群       |
| (CAS原子操作)  |        | (动态分片)              |
+---------------+        +------------------------+
                                ⇓
+------------------------------------------------+
|           动态分片管理器                       |
|  • 10秒间隔监控QPS变化率（±30%触发调整）        |
|  • 分片数自动伸缩（最小CPU核心数，最大CPU核心数*8）|
|  • 内存使用监控（自动调整分片以优化内存使用）     |
+------------------------------------------------+
                                ⇓
+------------------+  +------------------+  +------------------+
|    限流保护层    |  |    监控指标层    |  |   优雅关闭机制   |
| (令牌桶+自适应)  |  | (Prometheus集成) |  | (请求完整性保障) |
+------------------+  +------------------+  +------------------+

🔍 技术实现

Lock-Free引擎

基于原子操作（CAS）实现的无锁计数器，适用于中等流量场景：

  • 使用atomic.Int64实现无锁计数，避免高并发下的锁竞争
  • 时间窗口滑动算法，保证统计精度和实时性
  • 自动清理过期数据，避免内存泄漏

Sharded计数器

分片设计的高性能计数器，适用于超高并发场景：

  • 基于CPU核心数的自动分片，默认为runtime.NumCPU() * 4
  • 细粒度锁设计，每个时间槽独立锁，最大化并行性
  • 哈希算法确保请求均匀分布到各分片

自适应分片管理

  • 实时监控QPS变化率，当变化超过±30%时触发分片调整
  • 增长时增加50%分片数，下降时减少30%分片数
  • 分片数范围控制在CPU核心数到CPU核心数*8之间，避免资源浪费
  • 内存使用监控，当接近阈值时自动调整分片数量
  • 综合考量QPS变化率(60%)和内存使用情况(40%)进行智能调整

令牌桶限流器

  • 基于令牌桶算法实现高效限流，支持突发流量处理
  • 动态调整限流速率，适应系统负载变化
  • 自适应限流模式，根据系统资源使用情况自动调整限流参数
  • 精确统计被拒绝请求，提供限流指标监控

监控指标系统

  • 集成Prometheus，提供丰富的系统运行指标
  • 实时监控QPS、内存使用、CPU使用率、Goroutine数量
  • 请求延迟分布统计，支持P99等性能分析
  • 可配置的指标收集间隔，优化性能与精度平衡

增强的优雅关闭机制

  • 请求完整性保障，确保进行中的请求能够完成处理
  • 多级超时控制，包括软超时和硬超时机制
  • 实时状态报告，提供关闭过程的可观测性
  • 强制关闭保护，防止系统长时间无法退出

⚙️ 配置说明

server:
  port: 8080
  read_timeout: 5s
  write_timeout: 10s
  server_type: fasthttp  # HTTP服务器类型（standard/fasthttp）

counter:
  type: "lockfree"     # 计数器类型（lockfree/sharded）
  window_size: 1s      # 统计时间窗口
  slot_num: 10         # 窗口分片数量
  precision: 100ms     # 统计精度

limiter:
  enabled: true        # 是否启用限流
  rate: 1000000        # 每秒允许的请求数
  burst: 10000         # 突发请求容量
  adaptive: true       # 是否启用自适应限流

metrics:
  enabled: true        # 是否启用指标收集
  interval: 5s         # 指标收集间隔
  endpoint: "/metrics" # 指标暴露端点

shutdown:
  timeout: 30s         # 优雅关闭超时时间
  max_wait: 60s        # 最大等待时间

logger:
  level: info
  format: json
  file_path: "/var/log/qps-counter/app.log"
  max_size: 100
  max_backups: 3
  max_age: 7

📈 性能指标

服务器类型并发量平均延迟P99延迟QPS
standard10k1.8ms4.5ms850k
fasthttp10k1.2ms3.5ms950k

高负载场景测试结果：

服务器类型并发量平均延迟P99延迟QPS
standard100k2.5ms6.5ms1.05M
fasthttp100k1.2ms3.5ms1.23M

🚀 快速开始

安装

go get github.com/mant7s/qps-counter

基本使用

package main

import (
    "github.com/mant7s/qps-counter/counter"
    "log"
)

func main() {
    // 创建计数器实例
    cfg := counter.DefaultConfig()
    counter, err := counter.NewCounter(cfg)
    if err != nil {
        log.Fatal(err)
    }

    // 增加计数
    counter.Increment()

    // 获取当前QPS
    qps := counter.GetQPS()
    log.Printf("Current QPS: %d", qps)
}

📊 监控指标

系统通过/metrics端点暴露Prometheus格式的监控指标：

  • qps_counter_requests_total: 总请求计数
  • qps_counter_current_qps: 当前QPS值
  • qps_counter_memory_usage_bytes: 内存使用量
  • qps_counter_cpu_usage_percent: CPU使用率
  • qps_counter_goroutines: Goroutine数量
  • qps_counter_request_duration_seconds: 请求处理时间分布

🛠 开发指南

环境要求

  • Go 1.18+
  • Make

本地开发

  1. 克隆仓库
git clone https://github.com/mant7s/qps-counter.git
cd qps-counter
  1. 安装依赖
go mod download
  1. 运行测试
make test
  1. 构建项目
make build
avatar
文章
阅读
粉丝