4. 流量指标（Traffic）：请求速率（RPS/QPS）、数据吞吐量（bps）、并发连接数、设备活跃度统计

在IoT场景中，流量指标直接反映设备与平台之间的通信负载与系统压力。与Web服务不同，IoT流量具有高并发、小数据包、长连接、突发性强的特点。本节聚焦四个核心流量维度：请求速率、数据吞吐量、并发连接数与设备活跃度。

4.1 流量指标定义与IoT场景差异

4.2 请求速率（RPS/QPS）采集方案

请求速率是衡量系统处理能力的第一指标。在IoT网关或边缘节点，通常使用滑动窗口计数器或令牌桶算法进行实时统计。

4.2.1 采集点设计

• 设备接入层：MQTT Broker、CoAP Server、HTTP API Gateway
• 协议适配层：协议转换器、消息解码器
• 业务处理层：规则引擎、数据清洗管道

4.2.2 采集实现（Go 示例）

// 滑动窗口计数器实现 RPS 采集
type SlidingWindow struct {
    mu       sync.Mutex
    buckets  [60]int64 // 60个1秒桶
    lastTime int64
}

func (sw *SlidingWindow) Increment() {
    sw.mu.Lock()
    defer sw.mu.Unlock()
    now := time.Now().Unix()
    if now != sw.lastTime {
        sw.buckets[now%60] = 0
        sw.lastTime = now
    }
    sw.buckets[now%60]++
}

func (sw *SlidingWindow) GetRPS() int64 {
    sw.mu.Lock()
    defer sw.mu.Unlock()
    var total int64
    now := time.Now().Unix()
    for i := int64(0); i < 60; i++ {
        total += sw.buckets[(now-i)%60]
    }
    return total / 60
}

4.3 数据吞吐量（bps）采集方案

数据吞吐量关注的是带宽占用与数据体量。IoT设备通常上报小数据包（几十字节到几KB），但海量设备并发时吞吐量可能达到Gbps级别。

4.3.1 分层采集策略

4.3.2 吞吐量计算公式

吞吐量(bps) = (总字节数 × 8) / 时间窗口(秒)

示例：某网关1分钟内收到 15000 条消息，平均每条 256 字节
吞吐量 = (15000 × 256 × 8) / 60 = 512,000 bps ≈ 512 kbps

4.4 并发连接数采集方案

并发连接数是IoT平台连接密度的直接体现。MQTT长连接场景下，每个设备维持一个TCP连接，连接数直接决定服务器内存与文件描述符消耗。

4.4.1 连接状态模型

4.4.2 连接数采集关键点

• 采集维度：按协议类型（MQTT/CoAP/HTTP）、按设备类型（传感器/网关/摄像头）、按区域（机房/边缘节点）
• 采集频率：连接数变化较慢，建议 5~10 秒采集一次，避免频繁系统调用
• 告警阈值：单节点连接数达到最大连接数的 80% 时触发预警告警

4.5 设备活跃度统计方案

设备活跃度是IoT运维的健康度晴雨表。活跃度下降通常意味着网络故障、设备离线、固件异常或电池耗尽。

4.5.1 活跃度计算模型

设备活跃度 = (统计周期内至少上报1次数据的设备数) / (总注册设备数) × 100%

细化指标：
- 日活跃度（DAU）：24小时内活跃设备占比
- 时活跃度（HAU）：最近1小时内活跃设备占比
- 心跳活跃度：最近一次心跳在超时阈值内的设备占比

4.5.2 活跃度统计流程

4.5.3 活跃度统计避坑指南

4.6 流量指标采集架构总览