在线用户统计为何在云存储系统中尤为重要
在云存储服务中，成千上万的用户可能同时上传、下载或管理文件。系统需要清楚当前有多少人正在使用服务，这不仅关系到资源调度，还直接影响用户体验和安全策略。比如，某个企业用户发现账号在同一时间多地登录，后台若能及时反馈在线会话数，就能快速触发告警机制。
实现后台在线用户统计，并非简单地查一下数据库登录记录。真正的“在线”意味着用户当前处于活跃或可交互状态，这就需要动态跟踪会话生命周期。
基于会话心跳的实时统计机制
常见的做法是客户端定时向服务器发送“心跳”请求，表明自己仍然在线。服务器维护一个缓存列表，记录所有有效会话。当超过一定时间未收到心跳，就视为离线。
Redis 是这类场景的理想选择。它支持设置键的过期时间，可以将每个用户ID作为key，值为登录时间或设备信息，过期时间设为心跳间隔的1.5倍。例如，客户端每30秒上报一次，Redis 中该 key 的 TTL 设为45秒。
SET user:online:12345 true EX 45每次收到心跳时刷新这个键的存在时间。统计时只需扫描所有以 user:online: 开头的 key 数量，即可得到当前在线人数。
避免全量扫描：使用集合结构优化性能
直接 keys user:online:* 在生产环境不可取，会阻塞主线程。更合理的做法是使用 Redis 的 Set 集合来维护在线用户集合。
SADD online_users 12345
EXPIRE user:online:12345 45当用户上线时，将其ID加入 online_users 集合，并设置独立的过期键；下线时主动移除。这样统计总数只需 SCARD online_users，复杂度为 O(1)，效率极高。
结合网关层的日志与事件流
在大型云存储架构中，API 网关往往是请求的第一入口。可以在网关层记录用户的登录、登出和心跳事件，推送到 Kafka 这类消息队列中。后端消费这些事件，更新用户在线状态，实现跨服务的状态同步。
例如，用户从网页端退出登录，前端调用 /logout 接口，网关记录登出事件，消费者接收到后立即从在线集合中移除该用户，确保数据实时准确。
考虑异常断连情况下的清理机制
用户可能不会正常登出，比如直接关闭浏览器或网络中断。这种情况下依赖主动清除机制会失效。因此必须结合被动检测——也就是前面提到的心跳+超时剔除。
还可以引入 WebSocket 连接状态监听。当连接断开时，服务端触发 onClose 回调，立即清理对应用户的在线标记。这种方式比轮询更及时，尤其适合高实时性要求的协作类云存储应用。
展示层的数据聚合与可视化
统计出来的数字最终要呈现给运维或管理员。可以通过定时任务每10秒将当前在线人数写入时间序列数据库（如 InfluxDB），再配合 Grafana 展示趋势图。
例如，观察到每天上午9点在线用户陡增，说明企业用户集中上班操作；而夜间仍有稳定连接，则可能是自动备份任务在运行。这些数据有助于优化服务器弹性伸缩策略。