功能说明
计算精确分位数通常需要保存所有样本并排序，内存随样本数线性增长。这段代码改用固定范围的直方图：把每个观测值映射到若干等宽桶，只保留每个桶的计数，再用桶内线性插值估算分位数。
它适合延迟指标、请求大小、评分分布等流式监控场景。内存只取决于桶数量，与样本量无关，因此可以长时间运行而不会膨胀。
关键代码
NewHistogram 校验桶数和上下界，并分配计数切片。Observe 先把超出范围的值截断到边界，再按 (value-min)/width 计算桶下标；当值恰好等于最大值时，下标会等于桶数，需要减一。
Percentile 用 ceil(p/100*total) 计算目标排名，然后累加桶计数，找到包含该排名的桶。桶内假设均匀分布，用 (rank-seen)/count 估算位置，再换算回数值。
使用注意
估算误差最大可达一个桶宽，桶越少误差越大；对长尾分布，极端值会被压缩到最后一个桶，p99 可能明显失真。上下界之外的观测会被截断，不能用于判断真实最大值。
直方图不是并发安全的，多 goroutine 写入需要加锁或使用原子操作。桶边界应覆盖业务真实范围，并随数据变化定期调整。需要精确分位数或高精度尾延迟时，应使用 t-digest、DDSketch 或保存原始样本。
验证方式
示例把 10 到 90 以及 1000 放入 0 到 1000 的十个桶，输出约 p50=56、p90=100、p99=1000。代码断言三个分位数严格递增且 p99 等于 1000。可以减少桶数到 2，观察估算误差变大，从而理解精度与内存的权衡。
代码示例
package main
import (
"fmt"
"math"
)
type Histogram struct {
min float64
max float64
counts []int
total int
}
func NewHistogram(minimum, maximum float64, buckets int) *Histogram {
if buckets <= 0 || maximum <= minimum {
panic("invalid histogram bounds")
}
return &Histogram{
min: minimum,
max: maximum,
counts: make([]int, buckets),
}
}
func (histogram *Histogram) Observe(value float64) {
if value < histogram.min {
value = histogram.min
}
if value > histogram.max {
value = histogram.max
}
width := (histogram.max - histogram.min) / float64(len(histogram.counts))
index := int((value - histogram.min) / width)
if index == len(histogram.counts) {
index--
}
histogram.counts[index]++
histogram.total++
}
func (histogram *Histogram) Percentile(percentile float64) float64 {
if histogram.total == 0 {
return math.NaN()
}
rank := int(math.Ceil(percentile / 100 * float64(histogram.total)))
if rank < 1 {
rank = 1
}
seen := 0
width := (histogram.max - histogram.min) / float64(len(histogram.counts))
for index, count := range histogram.counts {
if seen+count >= rank {
within := float64(rank-seen) / float64(count)
return histogram.min + (float64(index)+within)*width
}
seen += count
}
return histogram.max
}
func main() {
histogram := NewHistogram(0, 1000, 10)
for _, value := range []float64{10, 20, 30, 40, 50, 60, 70, 80, 90, 1000} {
histogram.Observe(value)
}
p50 := histogram.Percentile(50)
p90 := histogram.Percentile(90)
p99 := histogram.Percentile(99)
fmt.Printf("p50=%.0f p90=%.0f p99=%.0f\n", p50, p90, p99)
if !(p50 < p90 && p90 < p99) || p99 != 1000 {
panic("unexpected percentile estimates")
}
}