之前旁边的小伙伴问我热点数据相关问题,在给他粗略地讲解一波redis数据倾斜的案例之后,自己也顺道回顾了一些关于热点数据处理的方法论,同时也想起去年所学习JD开源项目hotkey——专门用来解决热点数据问题的框架。在这里结合两者所关联到的知识点,通过几个小图和部分粗略的讲解,来让大家了解相关方法论以及hotkey的源码解析。
先说说数据倾斜的定义,借用百度词条的解释:
对于集群系统,一般缓存是分布式的,即不同节点负责一定范围的缓存数据。我们把缓存数据分散度不够,导致大量的缓存数据集中到了一台或者几台服务节点上,称为数据倾斜。一般来说数据倾斜是由于负载均衡实施的效果不好引起的。
从上面的定义中可以得知,数据倾斜的原因一般是因为LB的效果不好,导致部分节点数据量非常集中。
那这又会有什么危害呢?
如果发生了数据倾斜,那么保存了大量数据,或者是保存了热点数据的实例的处理压力就会增大,速度变慢,甚至还可能会引起这个实例的内存资源耗尽,从而崩溃。这是我们在应用切片集群时要避免的。
2.2.1 数据量倾斜(写入倾斜)
1.图示
如图,在某些情况下,实例上的数据分布不均衡,某个实例上的数据特别多。
2.bigkey导致倾斜
某个实例上正好保存了 bigkey。bigkey 的 value 值很大(String 类型),或者是 bigkey 保存了大量集合元素(集合类型),会导致这个实例的数据量增加,内存资源消耗也相应增加。
应对方法
3.Slot分配不均导致倾斜
先简单的介绍一下slot的概念,slot其实全名是Hash Slot(哈希槽),在Redis Cluster切片集群中一共有16384 个 Slot,这些哈希槽类似于数据分区,每个键值对都会根据它的 key,被映射到一个哈希槽中。Redis Cluster 方案采用哈希槽来处理数据和实例之间的映射关系。
一张图来解释,数据、哈希槽、实例这三者的映射分布情况。
这里的CRC16(city)%16384可以简单的理解为将key1根据CRC16算法取hash值然后对slot个数取模,得到的就是slot位置为14484,他所对应的实例节点是第三个。
运维在构建切片集群时候,需要手动分配哈希槽,并且把16384 个槽都分配完,否则 Redis 集群无法正常工作。由于是手动分配,则可能会导致部分实例所分配的slot过多,导致数据倾斜。
应对方法
使用CLUSTER SLOTS 命令来查
看slot分配情况,使用CLUSTER SETSLOT,CLUSTER GETKEYSINSLOT,MIGRATE这三个命令来进行slot数据的迁移,具体内容不再这里细说,感兴趣的同学可以自行学习一下。
4.Hash Tag导致倾斜
2.2.2 数据访问倾斜(读取倾斜-热key问题)
一般来说数据访问倾斜就是热key问题导致的,如何处理redis热key问题也是面试中常会问到的。所以了解相关概念及方法论也是不可或缺的一环。
1.图示
如图,虽然每个集群实例上的数据量相差不大,但是某个实例上的数据是热点数据,被访问得非常频繁。
但是为啥会有热点数据的产生呢?
2.产生热key的原因及危害
1)用户消费的数据远大于生产的数据(热卖商品、热点新闻、热点评论、明星直播)。
在日常工作生活中一些突发的事件,例如:双十一期间某些热门商品的降价促销,当这其中的某一件商品被数万次点击浏览或者购买时,会形成一个较大的需求量,这种情况下就会造成热点问题。
同理,被大量刊发、浏览的热点新闻、热点评论、明星直播等,这些典型的读多写少的场景也会产生热点问题。
2)请求分片集中,超过单 Server 的性能极限。
在服务端读数据进行访问时,往往会对数据进行分片切分,此过程中会在某一主机 Server 上对相应的 Key 进行访问,当访问超过 Server 极限时,就会导致热点 Key 问题的产生。
如果热点过于集中,热点 Key 的缓存过多,超过目前的缓存容量时,就会导致缓存分片服务被打垮现象的产生。当缓存服务崩溃后,此时再有请求产生,会缓存到后台 DB 上,由于DB 本身性能较弱,在面临大请求时很容易发生请求穿透现象,会进一步导致雪崩现象,严重影响设备的性能。
3.常用的热key问题解决办法:
解决方案一: 备份热key
可以把热点数据复制多份,在每一个数据副本的 key 中增加一个随机后缀,让它和其它副本数据不会被映射到同一个 Slot 中。
这里相当于把一份数据复制到其他实例上,这样在访问的时候也增加随机前缀,将对一个实例的访问压力,均摊到其他实例上
例如:我们在放入缓存时就将对应业务的缓存key拆分成多个不同的key。如下图所示,我们首先在更新缓存的一侧,将key拆成N份,比如一个key名字叫做”good_100”,那我们就可以把它拆成四份,“good_100_copy1”、“good_100_copy2”、“good_100_copy3”、“good_100_copy4”,每次更新和新增时都需要去改动这N个key,这一步就是拆key。
对于service端来讲,我们就需要想办法尽量将自己访问的流量足够的均匀。
如何给自己即将访问的热key上加入后缀?几种办法,根据本机的ip或mac地址做hash,之后的值与拆key的数量做取余,最终决定拼接成什么样的key后缀,从而打到哪台机器上;服务启动时的一个随机数对拆key的数量做取余。
伪代码如下:
- const M = N * 2
- //生成随机数
- random = GenRandom(0, M)
- //构造备份新key
- bakHotKey = hotKey + “_” + random
- data = redis.GET(bakHotKey)
- if data == NULL {
- data = GetFromDB()
- redis.SET(bakHotKey, expireTime + GenRandom(0,5))
- }
解决方案二: 本地缓存+动态计算自动发现热点缓存
该方案通过主动发现热点并对其进行存储来解决热点 Key 的问题。首先 Client 也会访问 SLB,并且通过 SLB 将各种请求分发至 Proxy 中,Proxy 会按照基于路由的方式将请求转发至后端的 Redis 中。
在热点 key 的解决上是采用在服务端增加缓存的方式进行。具体来说就是在 Proxy 上增加本地缓存,本地缓存采用 LRU 算法来缓存热点数据,后端节点增加热点数据计算模块来返回热点数据。
Proxy 架构的主要有以下优点:
热点数据的发现与存储
对于热点数据的发现,首先会在一个周期内对 Key 进行请求统计,在达到请求量级后会对热点 Key 进行热点定位,并将所有的热点 Key 放入一个小的 LRU 链表内,在通过 Proxy 请求进行访问时,若 Redis 发现待访点是一个热点,就会进入一个反馈阶段,同时对该数据进行标记。
可以使用一个etcd或者zk集群来存储反馈的热点数据,然后本地所有节点监听该热点数据,进而加载到本地JVM缓存中。
热点数据的获取
在热点 Key 的处理上主要分为写入跟读取两种形式,在数据写入过程当 SLB 收到数据 K1 并将其通过某一个 Proxy 写入一个 Redis,完成数据的写入。
假若经过后端热点模块计算发现 K1 成为热点 key 后, Proxy 会将该热点进行缓存,当下次客户端再进行访问 K1 时,可以不经 Redis。
最后由于 proxy 是可以水平扩充的,因此可以任意增强热点数据的访问能力。
最佳成熟方案: JD开源hotKey这是目前较为成熟的自动探测热key、分布式一致性缓存解决方案。原理就是在client端做洞察,然后上报对应hotkey,server端检测到后,将对应hotkey下发到对应服务端做本地缓存,并且能保证本地缓存和远程缓存的一致性。
在这里咱们就不细谈了,这篇文章的第三部分:JD开源hotkey源码解析里面会带领大家了解其整体原理。
从上面可知,热点key问题在并发量比较高的系统中(特别是做秒杀活动)出现的频率会比较高,对系统带来的危害也很大。
那么针对此,hotkey诞生的目的是什么?需要解决的痛点是什么?以及它的实现原理。
在这里引用项目上的一段话来概述:对任意突发性的无法预先感知的热点数据,包括并不限于热点数据(如突发大量请求同一个商品)、热用户(如恶意爬虫刷子)、热接口(突发海量请求同一个接口)等,进行毫秒级精准探测到。然后对这些热数据、热用户等,推送到所有服务端JVM内存中,以大幅减轻对后端数据存储层的冲击,并可以由使用者决定如何分配、使用这些热key(譬如对热商品做本地缓存、对热用户进行拒绝访问、对热接口进行熔断或返回默认值)。这些热数据在整个服务端集群内保持一致性,并且业务隔离。
核心功能:热数据探测并推送至集群各个服务器
集成方式在这里就不详述了,感兴趣的同学可以自行搜索。
3.3.1 架构简介
1.全景图一览
流程介绍:
2.角色构成
这里直接借用作者的描述:
1)etcd集群etcd作为一个高性能的配置中心,可以以极小的资源占用,提供高效的监听订阅服务。主要用于存放规则配置,各worker的ip地址,以及探测出的热key、手工添加的热key等。
2)client端jar包就是在服务中添加的引用jar,引入后,就可以以便捷的方式去判断某key是否热key。同时,该jar完成了key上报、监听etcd里的rule变化、worker信息变化、热key变化,对热key进行本地caffeine缓存等。
3) worker端集群worker端是一个独立部署的Java程序,启动后会连接etcd,并定期上报自己的ip信息,供client端获取地址并进行长连接。之后,主要就是对各个client发来的待测key进行累加计算,当达到etcd里设定的rule阈值后,将热key推送到各个client。
4) dashboard控制台控制台是一个带可视化界面的Java程序,也是连接到etcd,之后在控制台设置各个APP的key规则,譬如2秒20次算热。然后当worker探测出来热key后,会将key发往etcd,dashboard也会监听热key信息,进行入库保存记录。同时,dashboard也可以手工添加、删除热key,供各个client端监听。
3.hotkey工程结构
3.3.2 client端
主要从下面三个方面来解析源码:
1.客户端启动器
1)启动方式
- @PostConstruct
- public void init() {
- ClientStarter.Builder builder = new ClientStarter.Builder();
- ClientStarter starter = builder.setAppName(appName).setEtcdServer(etcd).build();
- starter.startPipeline();
- }
appName:是这个应用的名称,一般为${spring.application.name}的值,后续所有的配置都以此为开头
etcd:是etcd集群的地址,用逗号分隔,配置中心。
还可以看到ClientStarter实现了建造者模式,使代码更为简介。
2)核心入口
com.jd.platform.hotkey.client.ClientStarter#startPipeline
- /**
- * 启动监听etcd
- */
- public void startPipeline() {
- JdLogger.info(getClass(), "etcdServer:" + etcdServer);
- //设置caffeine的最大容量
- Context.CAFFEINE_SIZE = caffeineSize;
-
- //设置etcd地址
- EtcdConfigFactory.buildConfigCenter(etcdServer);
- //开始定时推送
- PushSchedulerStarter.startPusher(pushPeriod);
- PushSchedulerStarter.startCountPusher(10);
- //开启worker重连器
- WorkerRetryConnector.retryConnectWorkers();
-
- registEventBus();
-
- EtcdStarter starter = new EtcdStarter();
- //与etcd相关的监听都开启
- starter.start();
- }
该方法主要有五个功能:
① 设置本地缓存(caffeine)的最大值,并创建etcd实例
- //设置caffeine的最大容量
- Context.CAFFEINE_SIZE = caffeineSize;
-
- //设置etcd地址
- EtcdConfigFactory.buildConfigCenter(etcdServer);
caffeineSize是本地缓存的最大值,在启动的时候可以设置,不设置默认为200000。
etcdServer是上面说的etcd集群地址。
Context可以理解为一个配置类,里面就包含两个字段:
- public class Context {
- public static String APP_NAME;
-
- public static int CAFFEINE_SIZE;
- }
EtcdConfigFactory是ectd配置中心的工厂类
- public class EtcdConfigFactory {
- private static IConfigCenter configCenter;
-
- private EtcdConfigFactory() {}
-
- public static IConfigCenter configCenter() {
- return configCenter;
- }
-
- public static void buildConfigCenter(String etcdServer) {
- //连接多个时,逗号分隔
- configCenter = JdEtcdBuilder.build(etcdServer);
- }
- }
通过其configCenter()方法获取创建etcd实例对象,IConfigCenter接口封装了etcd实例对象的行为(包括基本的crud、监控、续约等)
② 创建并启动定时任务:PushSchedulerStarter
//开始定时推送 PushSchedulerStarter.startPusher(pushPeriod);//每0.5秒推送一次待测key PushSchedulerStarter.startCountPusher(10);//每10秒推送一次数量统计,不可配置
pushPeriod是推送的间隔时间,可以再启动的时候设置,最小为0.05s,推送越快,探测的越密集,会越快探测出来,但对client资源消耗相应增大
PushSchedulerStarter类
- /**
- * 每0.5秒推送一次待测key
- */
- public static void startPusher(Long period) {
- if (period == null || period <= 0) {
- period = 500L;
- }
- @SuppressWarnings("PMD.ThreadPoolCreationRule")
- ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor(new NamedThreadFactory("hotkey-pusher-service-executor", true));
- scheduledExecutorService.scheduleAtFixedRate(() -> {
- //热key的收集器
- IKeyCollector<HotKeyModel, HotKeyModel> collectHK = KeyHandlerFactory.getCollector();
- //这里相当于每0.5秒,通过netty来给worker来推送收集到的热key的信息,主要是一些热key的元数据信息(热key来源的app和key的类型和是否是删除事件,还有该热key的上报次数)
- //这里面还有就是该热key在每次上报的时候都会生成一个全局的唯一id,还有该热key每次上报的创建时间是在netty发送的时候来生成,同一批次的热key时间是相同的
- List<HotKeyModel> hotKeyModels = collectHK.lockAndGetResult();
- if(CollectionUtil.isNotEmpty(hotKeyModels)){
- //积攒了半秒的key集合,按照hash分发到不同的worker
- KeyHandlerFactory.getPusher().send(Context.APP_NAME, hotKeyModels);
- collectHK.finishOnce();
- }
-
- },0, period, TimeUnit.MILLISECONDS);
- }
- /**
- * 每10秒推送一次数量统计
- */
- public static void startCountPusher(Integer period) {
- if (period == null || period <= 0) {
- period = 10;
- }
- @SuppressWarnings("PMD.ThreadPoolCreationRule")
- ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor(new NamedThreadFactory("hotkey-count-pusher-service-executor", true));
- scheduledExecutorService.scheduleAtFixedRate(() -> {
- IKeyCollector<KeyHotModel, KeyCountModel> collectHK = KeyHandlerFactory.getCounter();
- List<KeyCountModel> keyCountModels = collectHK.lockAndGetResult();
- if(CollectionUtil.isNotEmpty(keyCountModels)){
- //积攒了10秒的数量,按照hash分发到不同的worker
- KeyHandlerFactory.getPusher().sendCount(Context.APP_NAME, keyCountModels);
- collectHK.finishOnce();
- }
- },0, period, TimeUnit.SECONDS);
- }
从上面两个方法可知,都是通过定时线程池来实现定时任务的,都是守护线程。
咱们重点关注一下KeyHandlerFactory类,它是client端设计的一个比较巧妙的地方,从类名上直译为key处理工厂。具体的实例对象是DefaultKeyHandler:
- public class DefaultKeyHandler {
- //推送HotKeyMsg消息到Netty的推送者
- private IKeyPusher iKeyPusher = new NettyKeyPusher();
- //待测key的收集器,这里面包含两个map,key主要是热key的名字,value主要是热key的元数据信息(比如:热key来源的app和key的类型和是否是删除事件)
- private IKeyCollector<HotKeyModel, HotKeyModel> iKeyCollector = new TurnKeyCollector();
- //数量收集器,这里面包含两个map,这里面key是相应的规则,HitCount里面是这个规则的总访问次数和热后访问次数
- private IKeyCollector<KeyHotModel, KeyCountModel> iKeyCounter = new TurnCountCollector();
-
- public IKeyPusher keyPusher() {
- return iKeyPusher;
- }
- public IKeyCollector<HotKeyModel, HotKeyModel> keyCollector() {
- return iKeyCollector;
- }
- public IKeyCollector<KeyHotModel, KeyCountModel> keyCounter() {
- return iKeyCounter;
- }
- }
这里面有三个成员对象,分别是封装推送消息到netty的NettyKeyPusher、待测key收集器TurnKeyCollector、数量收集器TurnCountCollector,其中后两者都实现了接口IKeyCollector,能对hotkey的处理起到有效的聚合,充分体现了代码的高内聚。
先来看看封装推送消息到netty的NettyKeyPusher:
- /**
- * 将msg推送到netty的pusher
- * @author wuweifeng wrote on 2020-01-06
- * @version 1.0
- */
- public class NettyKeyPusher implements IKeyPusher {
- @Override
- public void send(String appName, List<HotKeyModel> list) {
- //积攒了半秒的key集合,按照hash分发到不同的worker
- long now = System.currentTimeMillis();
-
- Map<Channel, List<HotKeyModel>> map = new HashMap<>();
- for(HotKeyModel model : list) {
- model.setCreateTime(now);
- Channel channel = WorkerInfoHolder.chooseChannel(model.getKey());
- if (channel == null) {
- continue;
- }
- List<HotKeyModel> newList = map.computeIfAbsent(channel, k -> new ArrayList<>());
- newList.add(model);
- }
-
- for (Channel channel : map.keySet()) {
- try {
- List<HotKeyModel> batch = map.get(channel);
- HotKeyMsg hotKeyMsg = new HotKeyMsg(MessageType.REQUEST_NEW_KEY, Context.APP_NAME);
- hotKeyMsg.setHotKeyModels(batch);
- channel.writeAndFlush(hotKeyMsg).sync();
- } catch (Exception e) {
- try {
- InetSocketAddress insocket = (InetSocketAddress) channel.remoteAddress();
- JdLogger.error(getClass(),"flush error " + insocket.getAddress().getHostAddress());
- } catch (Exception ex) {
- JdLogger.error(getClass(),"flush error");
- }
- }
- }
- }
- @Override
- public void sendCount(String appName, List<KeyCountModel> list) {
- //积攒了10秒的数量,按照hash分发到不同的worker
- long now = System.currentTimeMillis();
- Map<Channel, List<KeyCountModel>> map = new HashMap<>();
- for(KeyCountModel model : list) {
- model.setCreateTime(now);
- Channel channel = WorkerInfoHolder.chooseChannel(model.getRuleKey());
- if (channel == null) {
- continue;
- }
- List<KeyCountModel> newList = map.computeIfAbsent(channel, k -> new ArrayList<>());
- newList.add(model);
- }
- for (Channel channel : map.keySet()) {
- try {
- List<KeyCountModel> batch = map.get(channel);
- HotKeyMsg hotKeyMsg = new HotKeyMsg(MessageType.REQUEST_HIT_COUNT, Context.APP_NAME);
- hotKeyMsg.setKeyCountModels(batch);
- channel.writeAndFlush(hotKeyMsg).sync();
- } catch (Exception e) {
- try {
- InetSocketAddress insocket = (InetSocketAddress) channel.remoteAddress();
- JdLogger.error(getClass(),"flush error " + insocket.getAddress().getHostAddress());
- } catch (Exception ex) {
- JdLogger.error(getClass(),"flush error");
- }
- }
- }
- }
- }
send(String appName, List list)
主要是将TurnKeyCollector收集的待测key通过netty推送给worker,HotKeyModel对象主要是一些热key的元数据信息(热key来源的app和key的类型和是否是删除事件,还有该热key的上报次数)
sendCount(String appName, List list)
主要是将TurnCountCollector收集的规则所对应的key通过netty推送给worker,KeyCountModel对象主要是一些key所对应的规则信息以及访问次数等
WorkerInfoHolder.chooseChannel(model.getRuleKey())
根据hash算法获取key对应的服务器,分发到对应服务器相应的Channel 连接,所以服务端可以水平无限扩容,毫无压力问题。
再来分析一下key收集器:TurnKeyCollector与TurnCountCollector:
实现IKeyCollector接口:
- /**
- * 对hotkey进行聚合
- * @author wuweifeng wrote on 2020-01-06
- * @version 1.0
- */
- public interface IKeyCollector<T, V> {
- /**
- * 锁定后的返回值
- */
- List<V> lockAndGetResult();
- /**
- * 输入的参数
- */
- void collect(T t);
-
- void finishOnce();
- }
lockAndGetResult()
主要是获取返回collect方法收集的信息,并将本地暂存的信息清空,方便下个统计周期积攒数据。
collect(T t)
顾名思义他是收集api调用的时候,将收集的到key信息放到本地存储。
finishOnce()
该方法目前实现都是空,无需关注。
待测key收集器:TurnKeyCollector
- public class TurnKeyCollector implements IKeyCollector<HotKeyModel, HotKeyModel> {
- //这map里面的key主要是热key的名字,value主要是热key的元数据信息(比如:热key来源的app和key的类型和是否是删除事件)
- private ConcurrentHashMap<String, HotKeyModel> map0 = new ConcurrentHashMap<>();
- private ConcurrentHashMap<String, HotKeyModel> map1 = new ConcurrentHashMap<>();
- private AtomicLong atomicLong = new AtomicLong(0);
-
- @Override
- public List<HotKeyModel> lockAndGetResult() {
- //自增后,对应的map就会停止被写入,等待被读取
- atomicLong.addAndGet(1);
- List<HotKeyModel> list;
- //可以观察这里与collect方法里面的相同位置,会发现一个是操作map0一个是操作map1,这样保证在读map的时候,不会阻塞写map,
- //两个map同时提供轮流提供读写能力,设计的很巧妙,值得学习
- if (atomicLong.get() % 2 == 0) {
- list = get(map1);
- map1.clear();
- } else {
- list = get(map0);
- map0.clear();
- }
- return list;
- }
- private List<HotKeyModel> get(ConcurrentHashMap<String, HotKeyModel> map) {
- return CollectionUtil.list(false, map.values());
- }
- @Override
- public void collect(HotKeyModel hotKeyModel) {
- String key = hotKeyModel.getKey();
- if (StrUtil.isEmpty(key)) {
- return;
- }
- if (atomicLong.get() % 2 == 0) {
- //不存在时返回null并将key-value放入,已有相同key时,返回该key对应的value,并且不覆盖
- HotKeyModel model = map0.putIfAbsent(key, hotKeyModel);
- if (model != null) {
- //增加该hotMey上报的次数
- model.add(hotKeyModel.getCount());
- }
- } else {
- HotKeyModel model = map1.putIfAbsent(key, hotKeyModel);
- if (model != null) {
- model.add(hotKeyModel.getCount());
- }
- }
- }
- @Override
- public void finishOnce() {}
- }
可以看到该类中有两个ConcurrentHashMap和一个AtomicLong,通过对AtomicLong来自增,然后对2取模,来分别控制两个map的读写能力,保证每个map都能做读写,并且同一个map不能同时读写,这样可以避免并发集合读写不阻塞,这一块无锁化的设计还是非常巧妙的,极大的提高了收集的吞吐量。
key数量收集器:TurnCountCollector
这里的设计与TurnKeyCollector大同小异,咱们就不细谈了。值得一提的是它里面有个并行处理的机制,当收集的数量超过DATA_CONVERT_SWITCH_THRESHOLD=5000的阈值时,lockAndGetResult处理是使用java Stream并行流处理,提升处理的效率。
③ 开启worker重连器
- //开启worker重连器
- WorkerRetryConnector.retryConnectWorkers();
- public class WorkerRetryConnector {
-
- /**
- * 定时去重连没连上的workers
- */
- public static void retryConnectWorkers() {
- @SuppressWarnings("PMD.ThreadPoolCreationRule")
- ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor(new NamedThreadFactory("worker-retry-connector-service-executor", true));
- //开启拉取etcd的worker信息,如果拉取失败,则定时继续拉取
- scheduledExecutorService.scheduleAtFixedRate(WorkerRetryConnector::reConnectWorkers, 30, 30, TimeUnit.SECONDS);
- }
-
- private static void reConnectWorkers() {
- List<String> nonList = WorkerInfoHolder.getNonConnectedWorkers();
- if (nonList.size() == 0) {
- return;
- }
- JdLogger.info(WorkerRetryConnector.class, "trying to reConnect to these workers :" + nonList);
- NettyClient.getInstance().connect(nonList);//这里会触发netty连接方法channelActive
- }
- }
也是通过定时线程来执行,默认时间间隔是30s,不可设置。
通过WorkerInfoHolder来控制client的worker连接信息,连接信息是个List,用的CopyOnWriteArrayList,毕竟是一个读多写少的场景,类似与元数据信息。
- /**
- * 保存worker的ip地址和Channel的映射关系,这是有序的。每次client发送消息时,都会根据该map的size进行hash
- * 如key-1就发送到workerHolder的第1个Channel去,key-2就发到第2个Channel去
- */
- private static final List<Server> WORKER_HOLDER = new CopyOnWriteArrayList<>();
④ 注册EventBus事件订阅者
- private void registEventBus() {
- //netty连接器会关注WorkerInfoChangeEvent事件
- EventBusCenter.register(new WorkerChangeSubscriber());
- //热key探测回调关注热key事件
- EventBusCenter.register(new ReceiveNewKeySubscribe());
- //Rule的变化的事件
- EventBusCenter.register(new KeyRuleHolder());
- }
使用guava的EventBus事件消息总线,利用发布/订阅者模式来对项目进行解耦。它可以利用很少的代码,来实现多组件间通信。
基本原理图如下:
监听worker信息变动:WorkerChangeSubscriber
- /**
- * 监听worker信息变动
- */
- @Subscribe
- public void connectAll(WorkerInfoChangeEvent event) {
- List<String> addresses = event.getAddresses();
- if (addresses == null) {
- addresses = new ArrayList<>();
- }
-
- WorkerInfoHolder.mergeAndConnectNew(addresses);
- }
- /**
- * 当client与worker的连接断开后,删除
- */
- @Subscribe
- public void channelInactive(ChannelInactiveEvent inactiveEvent) {
- //获取断线的channel
- Channel channel = inactiveEvent.getChannel();
- InetSocketAddress socketAddress = (InetSocketAddress) channel.remoteAddress();
- String address = socketAddress.getHostName() + ":" + socketAddress.getPort();
- JdLogger.warn(getClass(), "this channel is inactive : " + socketAddress + " trying to remove this connection");
-
- WorkerInfoHolder.dealChannelInactive(address);
- }
监听热key回调事件:ReceiveNewKeySubscribe
- private ReceiveNewKeyListener receiveNewKeyListener = new DefaultNewKeyListener();
-
- @Subscribe
- public void newKeyComing(ReceiveNewKeyEvent event) {
- HotKeyModel hotKeyModel = event.getModel();
- if (hotKeyModel == null) {
- return;
- }
- //收到新key推送
- if (receiveNewKeyListener != null) {
- receiveNewKeyListener.newKey(hotKeyModel);
- }
- }
该方法会收到新的热key订阅事件之后,会将其加入到KeyHandlerFactory的收集器里面处理。
核心处理逻辑:DefaultNewKeyListener#newKey:
- @Override
- public void newKey(HotKeyModel hotKeyModel) {
- long now = System.currentTimeMillis();
- //如果key到达时已经过去1秒了,记录一下。手工删除key时,没有CreateTime
- if (hotKeyModel.getCreateTime() != 0 && Math.abs(now - hotKeyModel.getCreateTime()) > 1000) {
- JdLogger.warn(getClass(), "the key comes too late : " + hotKeyModel.getKey() + " now " +
- +now + " keyCreateAt " + hotKeyModel.getCreateTime());
- }
- if (hotKeyModel.isRemove()) {
- //如果是删除事件,就直接删除
- deleteKey(hotKeyModel.getKey());
- return;
- }
- //已经是热key了,又推过来同样的热key,做个日志记录,并刷新一下
- if (JdHotKeyStore.isHot(hotKeyModel.getKey())) {
- JdLogger.warn(getClass(), "receive repeat hot key :" + hotKeyModel.getKey() + " at " + now);
- }
- addKey(hotKeyModel.getKey());
- }
- private void deleteKey(String key) {
- CacheFactory.getNonNullCache(key).delete(key);
- }
- private void addKey(String key) {
- ValueModel valueModel = ValueModel.defaultValue(key);
- if (valueModel == null) {
- //不符合任何规则
- deleteKey(key);
- return;
- }
- //如果原来该key已经存在了,那么value就被重置,过期时间也会被重置。如果原来不存在,就新增的热key
- JdHotKeyStore.setValueDirectly(key, valueModel);
- }
监听Rule的变化事件:KeyRuleHolder
可以看到里面有两个成员属性:RULE_CACHE_MAP,KEY_RULES
- /**
- * 保存超时时间和caffeine的映射,key是超时时间,value是caffeine[(String,Object)]
- */
- private static final ConcurrentHashMap<Integer, LocalCache> RULE_CACHE_MAP = new ConcurrentHashMap<>();
- /**
- * 这里KEY_RULES是保存etcd里面该appName所对应的所有rule
- */
- private static final List<KeyRule> KEY_RULES = new ArrayList<>();
ConcurrentHashMap RULE_CACHE_MAP:
List KEY_RULES:
具体监听KeyRuleInfoChangeEvent事件方法:
- @Subscribe
- public void ruleChange(KeyRuleInfoChangeEvent event) {
- JdLogger.info(getClass(), "new rules info is :" + event.getKeyRules());
- List
ruleList = event.getKeyRules(); - if (ruleList == null) {
- return;
- }
-
- putRules(ruleList);
- }
核心处理逻辑:KeyRuleHolder#putRules:
- /**
- * 所有的规则,如果规则的超时时间变化了,会重建caffeine
- */
- public static void putRules(List<KeyRule> keyRules) {
- synchronized (KEY_RULES) {
- //如果规则为空,清空规则表
- if (CollectionUtil.isEmpty(keyRules)) {
- KEY_RULES.clear();
- RULE_CACHE_MAP.clear();
- return;
- }
- KEY_RULES.clear();
- KEY_RULES.addAll(keyRules);
- Set<Integer> durationSet = keyRules.stream().map(KeyRule::getDuration).collect(Collectors.toSet());
- for (Integer duration : RULE_CACHE_MAP.keySet()) {
- //先清除掉那些在RULE_CACHE_MAP里存的,但是rule里已没有的
- if (!durationSet.contains(duration)) {
- RULE_CACHE_MAP.remove(duration);
- }
- }
- //遍历所有的规则
- for (KeyRule keyRule : keyRules) {
- int duration = keyRule.getDuration();
- //这里如果RULE_CACHE_MAP里面没有超时时间为duration的value,则新建一个放入到RULE_CACHE_MAP里面
- //比如RULE_CACHE_MAP本来就是空的,则在这里来构建RULE_CACHE_MAP的映射关系
- //TODO 如果keyRules里面包含相同duration的keyRule,则也只会建一个key为duration,value为caffeine,其中caffeine是(string,object)
- if (RULE_CACHE_MAP.get(duration) == null) {
- LocalCache cache = CacheFactory.build(duration);
- RULE_CACHE_MAP.put(duration, cache);
- }
- }
- }
- }
⑤ 启动EtcdStarter(etcd连接管理器)
- EtcdStarter starter = new EtcdStarter();
- //与etcd相关的监听都开启
- starter.start();
-
- public void start() {
- fetchWorkerInfo();
- fetchRule();
- startWatchRule();
- //监听热key事件,只监听手工添加、删除的key
- startWatchHotKey();
- }
fetchWorkerInfo()
从etcd里面拉取worker集群地址信息allAddress,并更新WorkerInfoHolder里面的WORKER_HOLDER
- /**
- * 每隔30秒拉取worker信息
- */
- private void fetchWorkerInfo() {
- ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor();
- //开启拉取etcd的worker信息,如果拉取失败,则定时继续拉取
- scheduledExecutorService.scheduleAtFixedRate(() -> {
- JdLogger.info(getClass(), "trying to connect to etcd and fetch worker info");
- fetch();
-
- }, 0, 30, TimeUnit.SECONDS);
- }
fetchRule()
定时线程来执行,单线程,时间间隔不可设置,默认是5秒,当拉取规则配置和手动配置的hotKey成功后,该线程被终止(也就是说只会成功执行一次),执行失败继续执行
- private void fetchRule() {
- ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor();
- //开启拉取etcd的worker信息,如果拉取失败,则定时继续拉取
- scheduledExecutorService.scheduleAtFixedRate(() -> {
- JdLogger.info(getClass(), "trying to connect to etcd and fetch rule info");
- boolean success = fetchRuleFromEtcd();
- if (success) {
- //拉取已存在的热key
- fetchExistHotKey();
- //这里如果拉取规则和拉取手动配置的hotKey成功之后,则该定时执行线程停止
- scheduledExecutorService.shutdown();
- }
- }, 0, 5, TimeUnit.SECONDS);
- }
fetchRuleFromEtcd()
fetchExistHotKey()
startWatchRule()
- /**
- * 异步监听rule规则变化
- */
- private void startWatchRule() {
- ExecutorService executorService = Executors.newSingleThreadExecutor();
- executorService.submit(() -> {
- JdLogger.info(getClass(), "--- begin watch rule change ----");
- try {
- IConfigCenter configCenter = EtcdConfigFactory.configCenter();
- KvClient.WatchIterator watchIterator = configCenter.watch(ConfigConstant.rulePath + Context.APP_NAME);
- //如果有新事件,即rule的变更,就重新拉取所有的信息
- while (watchIterator.hasNext()) {
- //这句必须写,next会让他卡住,除非真的有新rule变更
- WatchUpdate watchUpdate = watchIterator.next();
- List<Event> eventList = watchUpdate.getEvents();
- JdLogger.info(getClass(), "rules info changed. begin to fetch new infos. rule change is " + eventList);
-
- //全量拉取rule信息
- fetchRuleFromEtcd();
- }
- } catch (Exception e) {
- JdLogger.error(getClass(), "watch err");
- }
- });
- }
startWatchHotKey()
异步开始监听热key变化信息,使用etcd监听地址前缀为/jd/hotkeys/+$appName
- /**
- * 异步开始监听热key变化信息,该目录里只有手工添加的key信息
- */
- private void startWatchHotKey() {
- ExecutorService executorService = Executors.newSingleThreadExecutor();
- executorService.submit(() -> {
- JdLogger.info(getClass(), "--- begin watch hotKey change ----");
- IConfigCenter configCenter = EtcdConfigFactory.configCenter();
- try {
- KvClient.WatchIterator watchIterator = configCenter.watchPrefix(ConfigConstant.hotKeyPath + Context.APP_NAME);
- //如果有新事件,即新key产生或删除
- while (watchIterator.hasNext()) {
- WatchUpdate watchUpdate = watchIterator.next();
-
- List<Event> eventList = watchUpdate.getEvents();
- KeyValue keyValue = eventList.get(0).getKv();
- Event.EventType eventType = eventList.get(0).getType();
- try {
- //从这个地方可以看出,etcd给的返回是节点的全路径,而我们需要的key要去掉前缀
- String key = keyValue.getKey().toStringUtf8().replace(ConfigConstant.hotKeyPath + Context.APP_NAME + "/", "");
- //如果是删除key,就立刻删除
- if (Event.EventType.DELETE == eventType) {
- HotKeyModel model = new HotKeyModel();
- model.setRemove(true);
- model.setKey(key);
- EventBusCenter.getInstance().post(new ReceiveNewKeyEvent(model));
- } else {
- HotKeyModel model = new HotKeyModel();
- model.setRemove(false);
- String value = keyValue.getValue().toStringUtf8();
- //新增热key
- JdLogger.info(getClass(), "etcd receive new key : " + key + " --value:" + value);
- //如果这是一个删除指令,就什么也不干
- //TODO 这里有个疑问,监听到worker自动探测发出的惰性删除指令,这里之间跳过了,但是本地缓存没有更新吧?
- //TODO 所以我猜测在客户端使用判断缓存是否存在的api里面,应该会判断相关缓存的value值是否为"#[DELETE]#"删除标记
- //解疑:这里确实只监听手工配置的hotKey,etcd的/jd/hotkeys/+$appName该地址只是手动配置hotKey,worker自动探测的hotKey是直接通过netty通道来告知client的
- if (Constant.DEFAULT_DELETE_VALUE.equals(value)) {
- continue;
- }
- //手工创建的value是时间戳
- model.setCreateTime(Long.valueOf(keyValue.getValue().toStringUtf8()));
- model.setKey(key);
- EventBusCenter.getInstance().post(new ReceiveNewKeyEvent(model));
- }
- } catch (Exception e) {
- JdLogger.error(getClass(), "new key err :" + keyValue);
- }
-
- }
- } catch (Exception e) {
- JdLogger.error(getClass(), "watch err");
- }
- });
-
- }
疑问: 这里代码注释里面说只监听手工添加或者删除的hotKey,难道说/jd/hotkeys/+$appName地址只是手工配置的地址吗?
解疑: 这里确实只监听手工配置的hotKey,etcd的/jd/hotkeys/+$appName该地址只是手动配置hotKey,worker自动探测的hotKey是直接通过netty通道来告知client的
2.API解析
1)流程图示
① 查询流程
② 删除流程:
从上面的流程图中,大家应该知道该热点key在代码中是如何扭转的,这里再给大家讲解一下核心API的源码解析,限于篇幅的原因,咱们不一个个贴相关源码了,只是单纯的告诉你它的内部逻辑是怎么样的。
2)核心类:JdHotKeyStore
JdHotKeyStore是封装client调用的api核心类,包含上面10个公共方法,咱们重点解析其中6个重要方法:
① isHotKey(String key)
判断是否在规则内,如果不在,返回false
判断是否是热key,如果不是或者是且过期时间在2s内,则给TurnKeyCollector#collect收集
最后给TurnCountCollector#collect做统计收集
② get(String key)
从本地caffeine取值
如果取到的value是个魔术值,只代表加入到caffeine缓存里面了,查询的话为null
③ smartSet(String key, Object value)
判断是否是热key,这里不管它在不在规则内,如果是热key,则给value赋值,如果不为热key什么也不做
④ forceSet(String key, Object value)
强制给value赋值
如果该key不在规则配置内,则传递的value不生效,本地缓存的赋值value会被变为null
⑤ getValue(String key, KeyType keyType)
获取value,如果value不存在则调用HotKeyPusher#push方法发往netty
如果没有为该key配置规则,就不用上报key,直接返回null
如果取到的value是个魔术值,只代表加入到caffeine缓存里面了,查询的话为null
⑥ remove(String key)
删除某key(本地的caffeine缓存),会通知整个集群删除(通过etcd来通知集群删除)
3)client上传热key入口调用类:HotKeyPusher
核心方法:
- public static void push(String key, KeyType keyType, int count, boolean remove) {
- if (count <= 0) {
- count = 1;
- }
- if (keyType == null) {
- keyType = KeyType.REDIS_KEY;
- }
- if (key == null) {
- return;
- }
- //这里之所以用LongAdder是为了保证多线程计数的线程安全性,虽然这里是在方法内调用的,但是在TurnKeyCollector的两个map里面,
- //存储了HotKeyModel的实例对象,这样在多个线程同时修改count的计数属性时,会存在线程安全计数不准确问题
- LongAdder adderCnt = new LongAdder();
- adderCnt.add(count);
-
- HotKeyModel hotKeyModel = new HotKeyModel();
- hotKeyModel.setAppName(Context.APP_NAME);
- hotKeyModel.setKeyType(keyType);
- hotKeyModel.setCount(adderCnt);
- hotKeyModel.setRemove(remove);
- hotKeyModel.setKey(key);
-
-
- if (remove) {
- //如果是删除key,就直接发到etcd去,不用做聚合。但是有点问题现在,这个删除只能删手工添加的key,不能删worker探测出来的
- //因为各个client都在监听手工添加的那个path,没监听自动探测的path。所以如果手工的那个path下,没有该key,那么是删除不了的。
- //删不了,就达不到集群监听删除事件的效果,怎么办呢?可以通过新增的方式,新增一个热key,然后删除它
- //TODO 这里为啥不直接删除该节点,难道worker自动探测处理的hotKey不会往该节点增加新增事件吗?
- //释疑:worker根据探测配置的规则,当判断出某个key为hotKey后,确实不会往keyPath里面加入节点,他只是单纯的往本地缓存里面加入一个空值,代表是热点key
- EtcdConfigFactory.configCenter().putAndGrant(HotKeyPathTool.keyPath(hotKeyModel), Constant.DEFAULT_DELETE_VALUE, 1);
- EtcdConfigFactory.configCenter().delete(HotKeyPathTool.keyPath(hotKeyModel));//TODO 这里很巧妙待补充描述
- //也删worker探测的目录
- EtcdConfigFactory.configCenter().delete(HotKeyPathTool.keyRecordPath(hotKeyModel));
- } else {
- //如果key是规则内的要被探测的key,就积累等待传送
- if (KeyRuleHolder.isKeyInRule(key)) {
- //积攒起来,等待每半秒发送一次
- KeyHandlerFactory.getCollector().collect(hotKeyModel);
- }
- }
- }
从上面的源码中可知:
3.通讯机制(与worker交互)
1)NettyClient:netty连接器
- public class NettyClient {
- private static final NettyClient nettyClient = new NettyClient();
-
- private Bootstrap bootstrap;
-
- public static NettyClient getInstance() {
- return nettyClient;
- }
-
- private NettyClient() {
- if (bootstrap == null) {
- bootstrap = initBootstrap();
- }
- }
-
- private Bootstrap initBootstrap() {
- //少线程
- EventLoopGroup group = new NioEventLoopGroup(2);
-
- Bootstrap bootstrap = new Bootstrap();
- NettyClientHandler nettyClientHandler = new NettyClientHandler();
- bootstrap.group(group).channel(NioSocketChannel.class)
- .option(ChannelOption.SO_KEEPALIVE, true)
- .option(ChannelOption.TCP_NODELAY, true)
- .handler(new ChannelInitializer<SocketChannel>() {
- @Override
- protected void initChannel(SocketChannel ch) {
- ByteBuf delimiter = Unpooled.copiedBuffer(Constant.DELIMITER.getBytes());
- ch.pipeline()
- .addLast(new DelimiterBasedFrameDecoder(Constant.MAX_LENGTH, delimiter))//这里就是定义TCP多个包之间的分隔符,为了更好的做拆包
- .addLast(new MsgDecoder())
- .addLast(new MsgEncoder())
- //30秒没消息时,就发心跳包过去
- .addLast(new IdleStateHandler(0, 0, 30))
- .addLast(nettyClientHandler);
- }
- });
- return bootstrap;
- }
- }
JDhotkey的tcp协议设计就是收发字符串,每个tcp消息包使用特殊字符$( )$来分割
优点:这样实现非常简单。
获得消息包后进行json或者protobuf反序列化。
缺点:是需要,从字节流-》反序列化成字符串-》反序列化成消息对象,两层序列化损耗了一部分性能。
protobuf还好序列化很快,但是json序列化的速度只有几十万每秒,会损耗一部分性能。
2)NettyClientHandler:工作线程处理器
- @ChannelHandler.Sharable
- public class NettyClientHandler extends SimpleChannelInboundHandler<HotKeyMsg> {
- @Override
- public void userEventTriggered(ChannelHandlerContext ctx, Object evt) throws Exception {
- if (evt instanceof IdleStateEvent) {
- IdleStateEvent idleStateEvent = (IdleStateEvent) evt;
- //这里表示如果读写都挂了
- if (idleStateEvent.state() == IdleState.ALL_IDLE) {
- //向服务端发送消息
- ctx.writeAndFlush(new HotKeyMsg(MessageType.PING, Context.APP_NAME));
- }
- }
-
- super.userEventTriggered(ctx, evt);
- }
- //在Channel注册EventLoop、绑定SocketAddress和连接ChannelFuture的时候都有可能会触发ChannelInboundHandler的channelActive方法的调用
- //类似TCP三次握手成功之后触发
- @Override
- public void channelActive(ChannelHandlerContext ctx) {
- JdLogger.info(getClass(), "channelActive:" + ctx.name());
- ctx.writeAndFlush(new HotKeyMsg(MessageType.APP_NAME, Context.APP_NAME));
- }
- //类似TCP四次挥手之后,等待2MSL时间之后触发(大概180s),比如channel通道关闭会触发(channel.close())
-
- //客户端channel主动关闭连接时,会向服务端发送一个写请求,然后服务端channel所在的selector会监听到一个OP_READ事件,然后
- //执行数据读取操作,而读取时发现客户端channel已经关闭了,则读取数据字节个数返回-1,然后执行close操作,关闭该channel对应的底层socket,
- //并在pipeline中,从head开始,往下将InboundHandler,并触发handler的channelInactive和channelUnregistered方法的执行,以及移除pipeline中的handlers一系列操作。
- @Override
- public void channelInactive(ChannelHandlerContext ctx) throws Exception {
- super.channelInactive(ctx);
- //断线了,可能只是client和server断了,但都和etcd没断。也可能是client自己断网了,也可能是server断了
- //发布断线事件。后续10秒后进行重连,根据etcd里的worker信息来决定是否重连,如果etcd里没了,就不重连。如果etcd里有,就重连
- notifyWorkerChange(ctx.channel());
- }
- private void notifyWorkerChange(Channel channel) {
- EventBusCenter.getInstance().post(new ChannelInactiveEvent(channel));
- }
- @Override
- protected void channelRead0(ChannelHandlerContext channelHandlerContext, HotKeyMsg msg) {
- if (MessageType.PONG == msg.getMessageType()) {
- JdLogger.info(getClass(), "heart beat");
- return;
- }
- if (MessageType.RESPONSE_NEW_KEY == msg.getMessageType()) {
- JdLogger.info(getClass(), "receive new key : " + msg);
- if (CollectionUtil.isEmpty(msg.getHotKeyModels())) {
- return;
- }
- for (HotKeyModel model : msg.getHotKeyModels()) {
- EventBusCenter.getInstance().post(new ReceiveNewKeyEvent(model));
- }
- }
- }
- }
userEventTriggered
channelActive
channelInactive
channelRead0
3.3.3 worker端
1.入口启动加载:7个@PostConstruct
1)worker端对etcd相关的处理:EtcdStarter
① 第一个@PostConstruct:watchLog()
- @PostConstruct
- public void watchLog() {
- AsyncPool.asyncDo(() -> {
- try {
- //取etcd的是否开启日志配置,地址/jd/logOn
- String loggerOn = configCenter.get(ConfigConstant.logToggle);
- LOGGER_ON = "true".equals(loggerOn) || "1".equals(loggerOn);
- } catch (StatusRuntimeException ex) {
- logger.error(ETCD_DOWN);
- }
- //监听etcd地址/jd/logOn是否开启日志配置,并实时更改开关
- KvClient.WatchIterator watchIterator = configCenter.watch(ConfigConstant.logToggle);
- while (watchIterator.hasNext()) {
- WatchUpdate watchUpdate = watchIterator.next();
- List<Event> eventList = watchUpdate.getEvents();
- KeyValue keyValue = eventList.get(0).getKv();
- logger.info("log toggle changed : " + keyValue);
- String value = keyValue.getValue().toStringUtf8();
- LOGGER_ON = "true".equals(value) || "1".equals(value);
- }
- });
- }
② 第二个@PostConstruct:watch()
- /**
- * 启动回调监听器,监听rule变化
- */
- @PostConstruct
- public void watch() {
- AsyncPool.asyncDo(() -> {
- KvClient.WatchIterator watchIterator;
- if (isForSingle()) {
- watchIterator = configCenter.watch(ConfigConstant.rulePath + workerPath);
- } else {
- watchIterator = configCenter.watchPrefix(ConfigConstant.rulePath);
- }
- while (watchIterator.hasNext()) {
- WatchUpdate watchUpdate = watchIterator.next();
- List<Event> eventList = watchUpdate.getEvents();
- KeyValue keyValue = eventList.get(0).getKv();
- logger.info("rule changed : " + keyValue);
- try {
- ruleChange(keyValue);
- } catch (Exception e) {
- e.printStackTrace();
- }
- }
- });
- }
- /**
- * rule发生变化时,更新缓存的rule
- */
- private synchronized void ruleChange(KeyValue keyValue) {
- String appName = keyValue.getKey().toStringUtf8().replace(ConfigConstant.rulePath, "");
- if (StrUtil.isEmpty(appName)) {
- return;
- }
- String ruleJson = keyValue.getValue().toStringUtf8();
- List<KeyRule> keyRules = FastJsonUtils.toList(ruleJson, KeyRule.class);
- KeyRuleHolder.put(appName, keyRules);
- }
通过etcd.workerPath配置,来判断该worker是否为某个app单独服务的,默认为”default”,如果是默认值,代表该worker参与在etcd上所有app client的计算,否则只为某个app来服务计算
使用etcd来监听rule规则变化,如果是共享的worker,监听地址前缀为”/jd/rules/“,如果为某个app独享,监听地址为”/jd/rules/“+$etcd.workerPath
如果规则变化,则修改对应app在本地存储的rule缓存,同时清理该app在本地存储的KV缓存
KeyRuleHolder:rule缓存本地存储
CaffeineCacheHolder:key缓存本地存储
放到线程池里面异步执行,由于有etcd的监听,所以会一直执行,而不是执行一次结束
③ 第三个@PostConstruct:watchWhiteList()
- /**
- * 启动回调监听器,监听白名单变化,只监听自己所在的app,白名单key不参与热key计算,直接忽略
- */
- @PostConstruct
- public void watchWhiteList() {
- AsyncPool.asyncDo(() -> {
- //从etcd配置中获取所有白名单
- fetchWhite();
- KvClient.WatchIterator watchIterator = configCenter.watch(ConfigConstant.whiteListPath + workerPath);
- while (watchIterator.hasNext()) {
- WatchUpdate watchUpdate = watchIterator.next();
- logger.info("whiteList changed ");
- try {
- fetchWhite();
- } catch (Exception e) {
- e.printStackTrace();
- }
- }
- });
- }
④ 第四个@PostConstruct:makeSureSelfOn()
- /**
- * 每隔一会去check一下,自己还在不在etcd里
- */
- @PostConstruct
- public void makeSureSelfOn() {
- //开启上传worker信息
- ScheduledExecutorService scheduledExecutorService = Executors.newSingleThreadScheduledExecutor();
- scheduledExecutorService.scheduleAtFixedRate(() -> {
- try {
- if (canUpload) {
- uploadSelfInfo();
- }
- } catch (Exception e) {
- //do nothing
- }
- }, 0, 5, TimeUnit.SECONDS);
- }
2)将热key推送到dashboard供入库:DashboardPusher
① 第五个@PostConstruct:uploadToDashboard()
- @Component
- public class DashboardPusher implements IPusher {
- /**
- * 热key集中营
- */
- private static LinkedBlockingQueue<HotKeyModel> hotKeyStoreQueue = new LinkedBlockingQueue<>();
-
- @PostConstruct
- public void uploadToDashboard() {
- AsyncPool.asyncDo(() -> {
- while (true) {
- try {
- //要么key达到1千个,要么达到1秒,就汇总上报给etcd一次
- List<HotKeyModel> tempModels = new ArrayList<>();
- Queues.drain(hotKeyStoreQueue, tempModels, 1000, 1, TimeUnit.SECONDS);
- if (CollectionUtil.isEmpty(tempModels)) {
- continue;
- }
-
- //将热key推到dashboard
- DashboardHolder.flushToDashboard(FastJsonUtils.convertObjectToJSON(tempModels));
- } catch (Exception e) {
- e.printStackTrace();
- }
- }
- });
- }
- }
3)推送到各客户端服务器:AppServerPusher
① 第六个@PostConstruct:batchPushToClient()
- public class AppServerPusher implements IPusher {
- /**
- * 热key集中营
- */
- private static LinkedBlockingQueue<HotKeyModel> hotKeyStoreQueue = new LinkedBlockingQueue<>();
-
- /**
- * 和dashboard那边的推送主要区别在于,给app推送每10ms一次,dashboard那边1s一次
- */
- @PostConstruct
- public void batchPushToClient() {
- AsyncPool.asyncDo(() -> {
- while (true) {
- try {
- List<HotKeyModel> tempModels = new ArrayList<>();
- //每10ms推送一次
- Queues.drain(hotKeyStoreQueue, tempModels, 10, 10, TimeUnit.MILLISECONDS);
- if (CollectionUtil.isEmpty(tempModels)) {
- continue;
- }
- Map<String, List<HotKeyModel>> allAppHotKeyModels = new HashMap<>();
- //拆分出每个app的热key集合,按app分堆
- for (HotKeyModel hotKeyModel : tempModels) {
- List<HotKeyModel> oneAppModels = allAppHotKeyModels.computeIfAbsent(hotKeyModel.getAppName(), (key) -> new ArrayList<>());
- oneAppModels.add(hotKeyModel);
- }
- //遍历所有app,进行推送
- for (AppInfo appInfo : ClientInfoHolder.apps) {
- List<HotKeyModel> list = allAppHotKeyModels.get(appInfo.getAppName());
- if (CollectionUtil.isEmpty(list)) {
- continue;
- }
- HotKeyMsg hotKeyMsg = new HotKeyMsg(MessageType.RESPONSE_NEW_KEY);
- hotKeyMsg.setHotKeyModels(list);
-
- //整个app全部发送
- appInfo.groupPush(hotKeyMsg);
- }
- //推送完,及时清理不使用内存
- allAppHotKeyModels = null;
- } catch (Exception e) {
- e.printStackTrace();
- }
- }
- });
- }
- }
4)client实例节点处理:NodesServerStarter
① 第七个@PostConstruct:start()
- public class NodesServerStarter {
- @Value("${netty.port}")
- private int port;
- private Logger logger = LoggerFactory.getLogger(getClass());
- @Resource
- private IClientChangeListener iClientChangeListener;
- @Resource
- private List
messageFilters; -
- @PostConstruct
- public void start() {
- AsyncPool.asyncDo(() -> {
- logger.info("netty server is starting");
- NodesServer nodesServer = new NodesServer();
- nodesServer.setClientChangeListener(iClientChangeListener);
- nodesServer.setMessageFilters(messageFilters);
- try {
- nodesServer.startNettyServer(port);
- } catch (Exception e) {
- e.printStackTrace();
- }
- });
- }
- }
② 依赖的bean:IClientChangeListener iClientChangeListener
- public interface IClientChangeListener {
- /**
- * 发现新连接
- */
- void newClient(String appName, String channelId, ChannelHandlerContext ctx);
- /**
- * 客户端掉线
- */
- void loseClient(ChannelHandlerContext ctx);
- }
对客户端的管理,新来(newClient)(会触发netty的连接方法channelActive)、断线(loseClient)(会触发netty的断连方法channelInactive())的管理
client的连接信息主要是在ClientInfoHolder里面
③ 依赖的bean:List messageFilters
- /**
- * 对netty来的消息,进行过滤处理
- * @author wuweifeng wrote on 2019-12-11
- * @version 1.0
- */
- public interface INettyMsgFilter {
- boolean chain(HotKeyMsg message, ChannelHandlerContext ctx);
- }
对client发给worker的netty消息,进行过滤处理,共有四个实现类,也就是说底下四个过滤器都是收到client发送的netty消息来做处理
④ 各个消息处理的类型:MessageType
APP_NAME((byte) 1), REQUEST_NEW_KEY((byte) 2), RESPONSE_NEW_KEY((byte) 3), REQUEST_HIT_COUNT((byte) 7), //命中率 REQUEST_HOT_KEY((byte) 8), //热key,worker->dashboard PING((byte) 4), PONG((byte) 5), EMPTY((byte) 6);
顺序1:HeartBeatFilter
顺序2:AppNameFilter
顺序3:HotKeyFilter
顺序4:KeyCounterFilter
2.三个定时任务:3个@Scheduled
1)定时任务1:EtcdStarter#pullRules()
- /**
- * 每隔1分钟拉取一次,所有的app的rule
- */
- @Scheduled(fixedRate = 60000)
- public void pullRules() {
- try {
- if (isForSingle()) {
- String value = configCenter.get(ConfigConstant.rulePath + workerPath);
- if (!StrUtil.isEmpty(value)) {
- List<KeyRule> keyRules = FastJsonUtils.toList(value, KeyRule.class);
- KeyRuleHolder.put(workerPath, keyRules);
- }
- } else {
- List<KeyValue> keyValues = configCenter.getPrefix(ConfigConstant.rulePath);
- for (KeyValue keyValue : keyValues) {
- ruleChange(keyValue);
- }
- }
- } catch (StatusRuntimeException ex) {
- logger.error(ETCD_DOWN);
- }
- }
每隔1分钟拉取一次etcd地址为/jd/rules/的规则变化,如果worker所服务的app或者default的rule有变化,则更新规则的缓存,并清空该appName所对应的本地key缓存
2)定时任务2:EtcdStarter#uploadClientCount()
- /**
- * 每隔10秒上传一下client的数量到etcd中
- */
- @Scheduled(fixedRate = 10000)
- public void uploadClientCount() {
- try {
- String ip = IpUtils.getIp();
- for (AppInfo appInfo : ClientInfoHolder.apps) {
- String appName = appInfo.getAppName();
- int count = appInfo.size();
- //即便是full gc也不能超过3秒,因为这里给的过期时间是13s,由于该定时任务每隔10s执行一次,如果full gc或者说上报给etcd的时间超过3s,
- //则在dashboard查询不到client的数量
- configCenter.putAndGrant(ConfigConstant.clientCountPath + appName + "/" + ip, count + "", 13);
- }
- configCenter.putAndGrant(ConfigConstant.caffeineSizePath + ip, FastJsonUtils.convertObjectToJSON(CaffeineCacheHolder.getSize()), 13);
- //上报每秒QPS(接收key数量、处理key数量)
- String totalCount = FastJsonUtils.convertObjectToJSON(new TotalCount(HotKeyFilter.totalReceiveKeyCount.get(), totalDealCount.longValue()));
- configCenter.putAndGrant(ConfigConstant.totalReceiveKeyCount + ip, totalCount, 13);
- logger.info(totalCount + " expireCount:" + expireTotalCount + " offerCount:" + totalOfferCount);
- //如果是稳定一直有key发送的应用,建议开启该监控,以避免可能发生的网络故障
- if (openMonitor) {
- checkReceiveKeyCount();
- }
- // configCenter.putAndGrant(ConfigConstant.bufferPoolPath + ip, MemoryTool.getBufferPool() + "", 10);
- } catch (Exception ex) {
- logger.error(ETCD_DOWN);
- }
- }
3)定时任务3:EtcdStarter#fetchDashboardIp()
- /**
- * 每隔30秒去获取一下dashboard的地址
- */
- @Scheduled(fixedRate = 30000)
- public void fetchDashboardIp() {
- try {
- //获取DashboardIp
- List<KeyValue> keyValues = configCenter.getPrefix(ConfigConstant.dashboardPath);
- //是空,给个警告
- if (CollectionUtil.isEmpty(keyValues)) {
- logger.warn("very important warn !!! Dashboard ip is null!!!");
- return;
- }
- String dashboardIp = keyValues.get(0).getValue().toStringUtf8();
- NettyClient.getInstance().connect(dashboardIp);
- } catch (Exception e) {
- e.printStackTrace();
- }
- }
每隔30s拉取一次etcd前缀为/jd/dashboard/的dashboard连接ip的值,并且判断DashboardHolder.hasConnected里面是否为未连接状态,如果是则重新连接worker与dashboard的netty通道
3.自建的生产者消费者模型(KeyProducer,KeyConsumer)
一般生产者消费者模型包含三大元素:生产者、消费者、消息存储队列
这里消息存储队列是DispatcherConfig里面的QUEUE,使用LinkedBlockingQueue,默认大小为200W
1)KeyProducer
- @Component
- public class KeyProducer {
- public void push(HotKeyModel model, long now) {
- if (model == null || model.getKey() == null) {
- return;
- }
- //5秒前的过时消息就不处理了
- if (now - model.getCreateTime() > InitConstant.timeOut) {
- expireTotalCount.increment();
- return;
- }
- try {
- QUEUE.put(model);
- totalOfferCount.increment();
- } catch (InterruptedException e) {
- e.printStackTrace();
- }
- }
-
- }
判断接收到的HotKeyModel是否超出”netty.timeOut”配置的时间,如果是将expireTotalCount纪录过期总数给自增,然后返回
2)KeyConsumer
- public class KeyConsumer {
- private IKeyListener iKeyListener;
- public void setKeyListener(IKeyListener iKeyListener) {
- this.iKeyListener = iKeyListener;
- }
- public void beginConsume() {
- while (true) {
- try {
- //从这里可以看出,这里的生产者消费者模型,本质上还是拉模式,之所以不使用EventBus,是因为需要队列来做缓冲
- HotKeyModel model = QUEUE.take();
- if (model.isRemove()) {
- iKeyListener.removeKey(model, KeyEventOriginal.CLIENT);
- } else {
- iKeyListener.newKey(model, KeyEventOriginal.CLIENT);
- }
- //处理完毕,将数量加1
- totalDealCount.increment();
- } catch (InterruptedException e) {
- e.printStackTrace();
- }
- }
- }
- }
- @Override
- public void removeKey(HotKeyModel hotKeyModel, KeyEventOriginal original) {
- //cache里的key,appName+keyType+key
- String key = buildKey(hotKeyModel);
- hotCache.invalidate(key);
- CaffeineCacheHolder.getCache(hotKeyModel.getAppName()).invalidate(key);
- //推送所有client删除
- hotKeyModel.setCreateTime(SystemClock.now());
- logger.info(DELETE_KEY_EVENT + hotKeyModel.getKey());
- for (IPusher pusher : iPushers) {
- //这里可以看到,删除热key的netty消息只给client端发了过去,没有给dashboard发过去(DashboardPusher里面的remove是个空方法)
- pusher.remove(hotKeyModel);
- }
- }
- @Override
- public void newKey(HotKeyModel hotKeyModel, KeyEventOriginal original) {
- //cache里的key
- String key = buildKey(hotKeyModel);
- //判断是不是刚热不久
- //hotCache对应的caffeine有效期为5s,也就是说该key会保存5s,在5s内不重复处理相同的hotKey。
- //毕竟hotKey都是瞬时流量,可以避免在这5s内重复推送给client和dashboard,避免无效的网络开销
- Object o = hotCache.getIfPresent(key);
- if (o != null) {
- return;
- }
-
- //********** watch here ************//
- //该方法会被InitConstant.threadCount个线程同时调用,存在多线程问题
- //下面的那句addCount是加了锁的,代表给Key累加数量时是原子性的,不会发生多加、少加的情况,到了设定的阈值一定会hot
- //譬如阈值是2,如果多个线程累加,在没hot前,hot的状态肯定是对的,譬如thread1 加1,thread2加1,那么thread2会hot返回true,开启推送
- //但是极端情况下,譬如阈值是10,当前是9,thread1走到这里时,加1,返回true,thread2也走到这里,加1,此时是11,返回true,问题来了
- //该key会走下面的else两次,也就是2次推送。
- //所以出现问题的原因是hotCache.getIfPresent(key)这一句在并发情况下,没return掉,放了两个key+1到addCount这一步时,会有问题
- //测试代码在TestBlockQueue类,直接运行可以看到会同时hot
-
- //那么该问题用解决吗,NO,不需要解决,1 首先要发生的条件极其苛刻,很难触发,以京东这样高的并发量,线上我也没见过触发连续2次推送同一个key的
- //2 即便触发了,后果也是可以接受的,2次推送而已,毫无影响,客户端无感知。但是如果非要解决,就要对slidingWindow实例加锁了,必然有一些开销
-
- //所以只要保证key数量不多计算就可以,少计算了没事。因为热key必然频率高,漏计几次没事。但非热key,多计算了,被干成了热key就不对了
- SlidingWindow slidingWindow = checkWindow(hotKeyModel, key);//从这里可知,每个app的每个key都会对应一个滑动窗口
- //看看hot没
- boolean hot = slidingWindow.addCount(hotKeyModel.getCount());
-
- if (!hot) {
- //如果没hot,重新put,cache会自动刷新过期时间
- CaffeineCacheHolder.getCache(hotKeyModel.getAppName()).put(key, slidingWindow);
- } else {
- //这里之所以放入的value为1,是因为hotCache是用来专门存储刚生成的hotKey
- //hotCache对应的caffeine有效期为5s,也就是说该key会保存5s,在5s内不重复处理相同的hotKey。
- //毕竟hotKey都是瞬时流量,可以避免在这5s内重复推送给client和dashboard,避免无效的网络开销
- hotCache.put(key, 1);
-
- //删掉该key
- //这个key从实际上是专门针对slidingWindow的key,他的组合逻辑是appName+keyType+key,而不是给client和dashboard推送的hotKey
- CaffeineCacheHolder.getCache(hotKeyModel.getAppName()).invalidate(key);
-
- //开启推送
- hotKeyModel.setCreateTime(SystemClock.now());
-
- //当开关打开时,打印日志。大促时关闭日志,就不打印了
- if (EtcdStarter.LOGGER_ON) {
- logger.info(NEW_KEY_EVENT + hotKeyModel.getKey());
- }
-
- //分别推送到各client和etcd
- for (IPusher pusher : iPushers) {
- pusher.push(hotKeyModel);
- }
-
- }
-
- }
“thread.count”配置即为消费者个数,多个消费者共同消费一个QUEUE队列
生产者消费者模型,本质上还是拉模式,之所以不使用EventBus,是因为需要队列来做缓冲
根据HotKeyModel里面是否是删除消息类型
3)计算热key滑动窗口的设计
限于篇幅的原因,这里就不细谈了,直接贴出项目作者对其写的说明文章:Java简单实现滑动窗口
3.3.4 dashboard端
这个没啥可说的了,就是连接etcd、mysql,增删改查,不过京东的前端框架很方便,直接返回list就可以成列表。
文章第二部分为大家讲解了redis数据倾斜的原因以及应对方案,并对热点问题进行了深入,从发现热key到解决热key的两个关键问题的总结。
文章第三部分是热key问题解决方案——JD开源hotkey的源码解析,分别从client端、worker端、dashboard端来进行全方位讲解,包括其设计、使用及相关原理。
希望通过这篇文章,能够使大家不仅学习到相关方法论,也能明白其方法论具体的落地方案,一起学习,一起成长。
作者:李鹏