调用链和统计节点构建完成，进入统计指标插槽，统计指标在最后执行的，等后面的插槽执行完，资源调用完成了，根据资源调用情况累计。指标统计是最重要的插槽，所有的功能都依靠指标数据，指标的正确与否，及时与否决定着系统的稳定性，正确性

上图是统计指标的类互动图

统计数据来源是指标统计插槽的increaseThreadNum/addPassRequest/increaseBlockQps，分别是增加线程数，通过请求数，阻塞数，可看出统计是累加

ENTRY_NODE  统计所有IN类型调用，专用于系统插槽;  OriginNode统计调用方；DefaultNode统计Context下资源统计；ClusterNode统计全局，即所有Context下一类资源的统计

下面分析统计指标原理，下图是统计指标的原理图，sentinel用滑动窗口统计指标

上图展示是一个StatisticNode内的情况，其他的node，clusterNode，DefaultNode都继承StatisticNode，圆形/方形/三角形代表着某类型指标(pass，block等)一次增加数，一段时间多个线程调用资源产生多个的指标增加数，如一个窗口时段内多个图形，时间窗口时段内增加指标数落入时间窗口内，即WindowWrap对象内，限流插槽调用metric获取该时间窗口内所有指标增加值(LongAdder表示)，累加在一起

下面以请求通过数代码为例子

上图，StatisticNode往ArrayMetric增加pass数，count，count通常=1，代表当前请求

上图，ArrayMetric获取当前窗口，往窗口增加pass数，一段时间可以有不同线程调用同一资源，窗口包含多个paas数

上图ArrayMetric，获取当前滑动窗口(currentWindow)，窗口内包括该时段内所有增加指标值，MetricBucket是增加指标值载体，累加所有MetricBucket的pass，得到该时间窗口请求通过总数

StatisticNode 窗口时段内总述除以窗口时段，换算成秒，即一秒的pass数，后续的限流插槽适用该指标

正所谓大道至简，滑动窗口原理看了一段时间，想不到实现原理是这么简单