滑动窗口机制通过将一个时间窗口拆分为多个时间槽，每个时间槽都有独立的计数器，时间槽划分的越细，那么滑动窗口的滚动就越平滑，统计就会越精确。
Sentinel滑动窗口的核心是抽象类LeapArray：
public abstract class LeapArray<T> {
//滑动窗口大小
protected int windowLengthInMs;
//一个滑动窗口中时间槽的数量
protected int sampleCount;
//时间槽数组，存储每个槽的统计数据，该数组大小等于sampleCount，随着窗口推移，过期的时间槽被重置，重置现有对象可以减少 GC 压力
protected final AtomicReferenceArray<WindowWrap<T>> array;
private final ReentrantLock updateLock = new ReentrantLock();
//根据当前时间戳获取当前时间槽
public WindowWrap<T> currentWindow(long timeMillis) {
if (timeMillis < 0) {
return null;
}
int idx = calculateTimeIdx(timeMillis);
long windowStart = calculateWindowStart(timeMillis);
while (true) {
WindowWrap<T> old = array.get(idx);
if (old == null) {
WindowWrap<T> window = new WindowWrap<T>(windowLengthInMs, windowStart, newEmptyBucket(timeMillis));
if (array.compareAndSet(idx, null, window)) {
return window;
} else {
Thread.yield();
}
} else if (windowStart == old.windowStart()) {
return old;
} else if (windowStart > old.windowStart()) {
if (updateLock.tryLock()) {
try {
return resetWindowTo(old, windowStart);
} finally {
updateLock.unlock();
}
} else {
Thread.yield();
}
} else if (windowStart < old.windowStart()) {
return new WindowWrap<T>(windowLengthInMs, windowStart, newEmptyBucket(timeMillis));
}
}
}
private int calculateTimeIdx(long timeMillis) {
long timeId = timeMillis / windowLengthInMs;
return (int)(timeId % array.length());
}
protected long calculateWindowStart(long timeMillis) {
return timeMillis - timeMillis % windowLengthInMs;
}
public abstract T newEmptyBucket(long timeMillis);
protected abstract WindowWrap<T> resetWindowTo(WindowWrap<T> windowWrap, long startTime);
//......
}WindowWrap类包含以下属性：
- long windowStart 时间槽开始时间，等于当前时间戳 - 当前时间戳 % 窗口时长windowLengthInMs，用于判断时间槽是否过期
- T value 统计数据对象，范型类型，根据统计数据的类型，初始化及重置统计对象有不同的实现
获取当前时间槽首先通过calculateTimeIdx方法获取当前时间槽在array中的下标，检查该槽是否存在或过期，不存在则初始化槽对象，过期则重置槽对象中的统计对象。
以Sentinel异常数及异常比例断路器ExceptionCircuitBreaker为例，该类继承LeapArray<SimpleErrorCounter>，其中SimpleErrorCounter包含请求总量及异常数两个属性，每次处理完请求时都获取当前时间槽的SimpleErrorCounter对象，累加请求总量字段，请求异常时累加异常数字段，且当请求异常时，遍历时间槽数组array，统计所有时间槽的请求总量及异常数，计算异常数或异常比例是否达到熔断阈值。
只有当请求到达时才创建或重置时间槽，减少空窗口的资源占用。通过偏移量计算快速定位有效时间槽减少不必要的遍历。重用过期时间槽，减少内存消耗。
Sentinel责任链：
Sentinel熔断限流规则的执行是通过责任链模式（ProcessorSlotChain）实现的，每个 Slot 负责特定的功能（如限流、熔断、系统保护等），用户可以动态将规则注册到对应的Slot中。
Sentinel 核心 Slot 包括：
NodeSelectorSlot：构建调用链路的上下文（Context）和节点（Node），负责收集资源的路径，并将资源的调用路径以树状结构存储起来，可用于根据调用路径进行限流降级。
ClusterBuilderSlot：构建集群节点，用于统计全局数据
LogSlot：日志记录
StatisticSlot：主要功能是记录、统计不同维度的运行时指标监控信息。它会在请求进入和退出时，更新相关的统计数据，如记录请求通过数、阻塞数、异常数等，为后续的规则判断提供数据支持
AuthoritySlot：黑白名单控制
SystemSlot：系统保护（负载、CPU 使用率等）
FlowSlot：流量控制（限流）
DegradeSlot：熔断降级（基于异常比例 / 数量、RT）
Sentinel槽链中各Slot的执行顺序是固定好的。但并不是绝对不能改变的。Sentinel将ProcessorSlot 作为 SPI 接口进行扩展，使得 SlotChain 具备了扩展能力。用户可以自定义Slot并编排Slot 间的顺序。
Sentinel 提供如下的扩展点：
初始化过程扩展：提供 InitFunc SPI接口，可以添加自定义的一些初始化逻辑，如动态规则源注册等。
Slot/Slot Chain 扩展：用于给 Sentinel 功能链添加自定义的功能并自由编排。
指标统计扩展（StatisticSlot Callback）：用于扩展 StatisticSlot 指标统计相关的逻辑。
Transport 扩展：提供 CommandHandler、CommandCenter 等接口，用于对心跳发送、监控 API Server 进行扩展。
集群流控扩展：可以方便地定制 token client/server 自定义实现，可参考对应文档
日志扩展：用于自定义 record log Logger，可用于对接 slf4j 等标准日志实现。
Sentinel规则注册：
熔断限流规则 由 FlowSlot 和 DegradeSlot 处理。用户动态配置的规则会通过 XxxRuleManager 注册到对应的 Slot 中。
// 注册限流规则
List<FlowRule> flowRules = new ArrayList<>();
flowRules.add(flowRule);
FlowRuleManager.loadRules(flowRules);
// 注册熔断规则
List<DegradeRule> degradeRules = new ArrayList<>();
degradeRules.add(degradeRule);
DegradeRuleManager.loadRules(degradeRules);每个Slot被执行时会从对应的RuleManager 获取熔断规则，如DegradeSlot 会从 DegradeRuleManager 获取熔断规则，然后基于 StatisticSlot 统计的 RT 或异常数据进行熔断判断。