消息发送机制梳理

当用户线程发起write操作时，Netty会进行判断，如果发现不是NioEventLoop (I/O线程)，则将发送消息封装成WriteTask，放入 NioEventLoop的任务队列由NioEventLoop线程执行，代码如下（AbstractChannelHandlerContext类):

NioEventLoop属于io线程，每个NioEventLoop都有一个队列, 这个队列是在创建NioEventLoop时被初始化。其他的线程, 也就是多个生产者, 如果需要进行读写操作, 就把读写操作封装成任务放在这个队列中, 然后由这个NioEventLoop封装的IO线程去消费.那么假如现在有一个线程, 它咋知道我是该主动去执行读写操作, 还是应该把自己的读写操作封装成任务放在队列中呢? 那么它就会去调用一下inEventLoop()方法, 这个方法会返回一个boolean值告诉它. 其实这个方法的实现很简单

从源码中可以看出来, 它就是拿当前线程和之前创建NioEventLoop时绑定的那个IO线程进行判断, 如果是一样的, 说明此线程就是绑定的IO线程, 可以执行读写操作, 如果不一样, 那么说明是其他线程, 就要把读写操作封装成任务放在队列中, 由绑定的那个IO线程去执行.

这也是Netty设计的异步串行无锁化. 在Netty中线程之间不用同步控制, 可以做到线程安全.

Netty的NioEventLoop线程内部维护了一个Queue taskQueue，除了处理网络I/O读写操作，同时还负责执行网络读写相关的Task（包含用户自定义Task)，代码如下( SingleThreadEventExecutor类):

NioEventLoop遍历taskQueue，执行消息发送任务，代码如下(AbstractWriteTask类):

经过一些系统处理操作，最终会调用ChannelOutboundBuffer的addMessage方法，将发送消息加入发送队列（数据结构为链表)。

ChannelOutboundBuffer是Netty的发送缓冲队列，它基于链表来管理待发送的消息，定义如下（ChannelOutboundBuffer类):

在消息发送时会调用ChannelOutboundBuffer 的addMessage方法，修改链表指针，将新加入的消息放到尾部，同时更新上一个尾部消息的next 指针，指向新加入的消息。

消息发送原理图：

当SocketChannel无法一次将所有待发送的ByteBuf/ByteBuffer写入网络时，需要决定是注册SelectionKey.OP_WRITE在下一次Selector轮询时继续发送，还是在当前位置循环发送，等到所有消息都发送完成再返回。如果频繁地注册 SelectionKey.OP_WRITE 并 wakeup Selector会影啊性能;但定如术TCP 的发送缓冲区已满，TCP处于KEEP-ALIVE状态，消息无法发送出去，如果不对循环发送次数进行控制，就会长时间处于发送状态，Reactor 线程无法及时读取其他消息和执行排队的Task。所以Netty采取了折中的方式，即如果本次发送的字节数大于0，但足消息尚未发送完，则循环发送，一旦发现 write字节数为0，说明TCP缓冲区已满，此的继续发送没有意义，注册SelectionKey.OP_WRITE并退出循环，在下一个SelectionKey轮询周期继续发送，代码如下（NioSocketChannel类）。

Netty 的NioEventLoop并不是一个纯粹的IO线程，它除了负责I/O读写操作，还兼顾以下两类任务。

(1）系统任务:通过调用NioEventLoop的execute(Runnable task)方法执行，Netty有很多系统任务，创建它们的主要原因是，当I/O线程和用户线程同时操作网络资源时，为了防止并发操作导致的锁竞争，将用户线程的操作封装成任务放入消息队列，由I/O线程负责执行，这样就实现了局部无锁化。

(2）定时任务:通过调用NioEventLoop 的schedule(Runnable command，long delay,TimeUnit unit)系列方法实现。

(1）多个业务线程并发调用write相关方法是线程安全的，Netty会将发送消息封装成Task，由1/O线程异步执行。

(2）由于单个Channel由其对应的NioEventLoop线程（单个NioEventLoop）执行，如果并行调用某个Channel的write操作超过对应的NioEventLoop线程的执行能力，则会导致WriteTask积压。

(3）NioEventLoop线程需要处理网络读写操作，以及注册到NioEventLoop 上的各种Task，两者相互影响，如果网络读写任务较重，或者注册的Task过多，都会导致对方延迟执行，引发性能问题。