基于 Go 语言设计的一款高精度 QPS 统计系统，适用于高并发场景的实时请求频率统计，支持百万级 QPS 场景下的精确统计。

[mantis]

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。

Github

✨ 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
standard	10k	1.8ms	4.5ms	850k
fasthttp	10k	1.2ms	3.5ms	950k

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 | |------------|--------|---------|--------|--------| | standard | 100k | 2.5ms | 6.5ms | 1.05M | | fasthttp | 100k | 1.2ms | 3.5ms | 1.23M |

🚀 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

[faceair]

没看懂，直接用 prometheus sdk 有啥问题

[lesismal]

atomic.AddUint64 1ns 级别的，1s 百万也没什么压力的，shards slots 的计算量比简单 atomic 浪费的 cpu 多多了，我觉得是多余的设计。
如果需要保存一段时间内数据、就用 len=时长/interval ，[len]uint64 ，起个协程每个 interval 更新下 index=(index+1)%numSlots ，qps 的地方 atomic.AddUint64(&slots[index], 1)就可以了，没必要搞那么多有锁无锁的炫技，脱离实际的炫技会带来负优化

[zzhirong]

项目有很浓的 AI 味，我花了半小时看了下，有几个疑问：
– 自适应分区究竟有什么用？我只看到分区调整，好像并未真正应用；
– 自适应限流似乎并未实现，只见一个 adaptive 字段，却看不到任何实际使用；
– 这个项目的意义何在？仅仅是统计 QPS 吗？（既然都用 Prometheus ，为何不直接上报，而要绕一个弯路）或者是作为中心限流器？（我的理解这个一般在流量入口（负载均衡或网关）处就做掉了吧） 。
– 令牌桶已有 golang.org/x/time/rate 这样稳定的实现了，没必要再造轮子了吧。
总结：一个项目把所有后端爆款关键字都用上了（“百万”，“精确”，“高性能”，“优雅”，“自适应”，“智能”...)，我的感觉就是一个（ AI ）炼手的项目。
唉，我的时间。

[daimaosix]

@zzhirong 哈哈哈哈哈哈

[daimaosix]

@zzhirong 大佬，没写过后，注意到你描述的前两段，Go 编译器不会检测无用的代码吗？我写 Rust 是会检测并警告

[zzhirong]

@daimaosix 不是大佬。关于你的问题，如何界定“无用”？如果定义了一个本地变量但没有使用，这种情况很容易界定，因为该变量仅在其所在范围内生效；但对于其他函数、变量或类型，编译器很难判断它们是否“无用”，可能你只是想编写一个供外部调用的库，而并非在自己的程序中使用它们，这也是合理的。如果你确实想知道哪些代码没有被使用，直接查看代码覆盖情况即可（`gool tool cover`)。