1. 背景
很多时候，业务有定时任务或定时超时的需求，当任务量很大时，可能需要维护大量的timer，或者进行低效的扫描。
例如：对每个用户会维护一个APP到服务器的TCP连接，用来实时收发信息，对这个TCP连接，如果连续30s没有请求包，服务端就要将这个连接断开。
一般说怎么实现这类需求呢？
2. 一般思路
2.1 轮询扫描法
（1）用一个Map<uid, last_packet_time>来记录每一个uid最近一次请求时间last_packet_time；
（2）当某个用户uid有请求包来到，实时更新这个Map；
（3）启动一个timer，当Map中不为空时，轮询扫描这个Map，检查每个uid的last_packet_time是否超过30s，如果超过则进行超时处理
2.2 多timer触发法
（1）用一个Map<uid, last_packet_time>来记录每一个uid最近一次请求时间last_packet_time；
（2）当某个用户uid有请求包来到，实时更新这个Map，并同时对这个uid请求包启动一个timer，30s之后触发；
（3）每个uid请求包对应的timer触发后，检查Map中，查看这个uid的last_packet_time是否超过30s，如果超过则进行超时处理
轮询扫描法：只启动一个timer，但需要轮询，效率较低
多timer触发法：不需要轮询，但每个请求包要启动一个timer，比较耗资源
特别在同时在线量很大时，很容易CPU100%。
3. 环形队列法
三个数据结构：
（1）30s超时，就创建一个index从0到30的环形队列（本质上数组）
（2）环上每一个slot是一个Set<uid>任务集合
（3）同时还有一个Map<uid, index>记录uid落在环上的哪个slot
算法：
（1）启动一个timer，每隔1s，在上述环形队列中移动一个，0->1->2->3...->29->30->0...
（2）有一个Current Index指针来标识刚检测过的slot
当有某用户uid有请求包达到时：
（1）从Map结构中，查找出这个uid存储在哪个slot里
（2）从这个slot的Set结构中，删除这个uid
（3）将uid重新加入到新的slot，具体是哪一个slot呢？-->Current Index指针所指向的上一个slot，因为整个slot，会被timer在30s之后扫描到
（4）更新Map，这个uid对应slot的index值
哪些元素会被超时删除掉？
Current Index每秒移动一个slot，这个slot对应的Set<uid>中所有uid都应该被集体超时，如果最近30s有请求包来到，一定被放到Current Index的前一个slot，Current Index所在的slot对应Set中所有元素，都是最近30s没有请求包来到的。
所以，当没有超时时，Current Index扫描到的每一个Slot的Set中应该都没有元素。
这个环形队列法是一个通用的方法，Set和Map中可以使任何task，本文的uid是一个最简单的举例。
4. Netty - HashedWheelTimer
George Varghese 和 Tony Lauck 1996 年的论文：Hashed and Hierarchical Timing Wheels: data structures to efficiently implement a timer facility提出了一种定时轮的方式来管理和维护大量的Timer调度算法.Linux 内核中的定时器采用的就是这个方案。
4.1 原理
一个Hash Wheel Timer是一个环形结构，可以想象成时钟，分为很多格子，一个格子代表一段时间（越短Timer精度越高），并用一个List保存在该格子上到期的所有任务，同时一个指针随着时间流逝一格一格转动，并执行对应List中所有到期的任务，任务通过取模决定应该放入哪个格子。
环形结构可以根据超时时间的hash值（这个hash值实际上就是ticks&mask）将task分布到不同的槽位中，当tick到那个槽位时，只需要遍历那个槽位的task即可知道哪些任务会超时（而使用线性结构，你每次tick都需要遍历所有task）。所以，我们任务量大的时候，相应的增加wheel的ticksPerWheel值，可以减少tick时遍历任务的个数。
以上图为例，假设一个格子是1秒，则整个wheel能表示的时间段为8s，假如当前指针指向2，此时需要调度一个3s后执行的任务，显然应该加入到（2 + 3 = 5）的方格中，指针再走3次就可以执行了；如果任务要在10s后执行，应该等指针走完一个round零2格再执行，因此应该放入4，同时将round（1）保存到任务中。检查到期任务时应当只执行round为0的，格子上其他任务的round应减1。
效率：
（1）添加任务：O(1)
（2）删除/取消任务：O(1)
（3）过期/执行任务：最差情况为O(n)，也就是当HashMap里面的元素全部hash冲突，退化为一条链表的情况。平均O(1)
槽位越多，每个槽位上的链表就越短，这里需要权衡时间与空间。