出品 | 滴滴技術
作者 | 楊亞洲
1.開發背景
現有開源快取代理中介軟體有twemproxy、codis等，其中twemproxy為單程式單執行緒模型，只支援memcache單機版和redis單機版，都不支援叢集版功能。
由於twemproxy無法利用多核特性，因此效能低下，短連線QPS大約為3W，長連線QPS大約為13W; codis起幾十個執行緒，短連線qps不超過10萬；同時某些場景這些開源軟體時延抖動厲害。
為了適應公有云平臺上業務方的高併發需求，因此決定藉助於twemproxy來做二次開發，把nginx的高效能、高可靠、高併發機制引入到twemproxy中，通過master+多worker程式來實現七層轉發功能。
2.Twemproxy
2.1 Twemproxy簡介
Twemproxy 是一個快速的單執行緒代理程式，支援 Memcached ASCII協議和更新的Redis協議。它全部用C寫成，使用Apache 2.0 License授權。支援以下特性：
1)速度快
2)輕量級
3)維護持久的伺服器連線
4)啟用請求和響應的管道
5)支援代理到多個後端快取伺服器
6)同時支援多個伺服器池
7)多個伺服器自動分享資料
8)可同時連線後端多個快取叢集
9)實現了完整的 memcached ascii 和 redis 協議.
10)伺服器池配置簡單，通過一個 YAML 檔案即可
11)一致性hash
12)詳細的監控統計資訊
13)支援 Linux, *BSD, OS X and Solaris (SmartOS)
14)支援設定HashTag
15)連線複用，記憶體複用，提高效率
2.2 滴雲memcache快取叢集拓撲結構
如上圖所示，實際應用中業務程式通過輪詢不同的twemproxy來提高qps，同時實現負載均衡。
2.3 推特原生twemproxy瓶頸
如今twemproxy憑藉其高效能的優勢, 在很多網際網路公司得到了廣泛的應用，已經佔據了其不可動搖的地位, 然而在實際的生產環境中, 存在以下缺陷，如下：
i)單程式單執行緒, 無法充分發揮伺服器多核cpu的效能
ii)當twemproxy qps短連線達到8000後，消耗cpu超過70%，時延陡增。
iii)大流量下造成IO阻塞，無法處理更多請求，qps上不去，業務時延飆升
iiii)維護成本高，如果想要充分發揮伺服器的所有資源包括cpu、 網路io等，就必須建立多個twemproxy例項，維護成本高
iiiii)擴容、升級不便
原生twemproxy程式呈現了下圖現象：一個人幹活，多個人圍觀。多核伺服器只有一個cpu在工作，資源沒有得到充分利用。
3.Nginx
nginx是俄羅斯軟體工程師Igor Sysoev開發的免費開源web伺服器軟體，聚焦於高效能，高併發和低記憶體消耗問題，因此成為業界公認的高效能伺服器，並逐漸成為業內主流的web伺服器。主要特點有：
i)完全藉助epoll機制實現非同步操作，避免阻塞。
ii)重複利用現有伺服器的多核資源。
iii)充分利用CPU 親和性（affinity），把每個程式與固定CPU繫結在一起，給定的CPU 上儘量長時間地執行而不被遷移到其他處理器的傾向性，減少程式排程開銷。
iiii)請求響應快
iiiii)支援模組化開發，擴充套件性好
iiiii)Master+多worker程式方式，確保worker程式可靠工作。當worker程式出錯時，可以快速拉起新的worker子程式來提供服務。
iiiiii)記憶體池、連線池等細節設計保障低記憶體消耗。
iiiiii)熱部署支援，master與worker程式分離設計模式，使其具有熱部署功能。
iiiiiii)升級方便，升級過程不會對業務造成任何傷害。
Nginx多程式提供服務過程如下圖所示：
4.Nginx master+worker多程式機制在twemproxy中的應用
4.1 為什麼選擇nginx多程式機制做為參考？
Twemproxy和nginx都屬於網路io密集型應用，都屬於七層轉發應用，時延要求較高，應用場景基本相同。
Nginx充分利用了多核cpu資源，效能好，時延低。
4.2 Master-worker多程式機制原理
Master-worker程式機制採用一個master程式來管理多個worker程式。每一個worker程式都是繁忙的，它們在真正地提供服務，master程式則很“清閒”，只負責監控管理worker程式, 包含：接收來自外界的訊號，向各worker程式傳送訊號，監控worker程式的執行狀態，當worker程式退出後(異常情況下)，會自動重新啟動新的worker程式。
worker程式負責處理客戶端的網路請求，多個worker程式同時處理來自客戶端的不同請求，worker程式數可配置。
4.3 多程式關鍵效能問題點
master-worker多程式模式需要解決的問題主要有：
i)linux核心低版本(2.6以下版本), “驚群”問題
ii) linux核心低版本(2.6以下版本),負載均衡問題
iii)linux核心高版本(3.9以上版本)新特性如何利用
iii)如何確保程式見高可靠通訊
iiii)如何減少worker程式在不同cpu切換的開銷
iiiii)master程式如何彙總各個工作程式的監控資料
iiiiii)worker程式異常，如何快速恢復
4.3.1 linux核心低版本關鍵技術問題
由於linux低核心版本缺陷，因此存在”驚群”、負載不均問題，解決辦法完全依賴應用層程式碼保障。
4.3.1.1 如何解決“驚群”問題
當客戶端發起連線後，由於所有的worker子程式都監聽著同一個埠，核心協議棧在檢測到客戶端連線後，會啟用所有休眠的worker子程式，最終只會有一個子程式成功建立新連線，其他子程式都會accept失敗。
Accept失敗的子程式是不應該被核心喚醒的，因為它們被喚醒的操作是多餘的，佔用本不應該被佔用的系統資源，引起不必要的程式上下文切換，增加了系統開銷，同時也影響了客戶端連線的時延。
“驚群”問題是多個子程式同時監聽同一個埠引起的，因此解決的方法是同一時刻只讓一個子程式監聽伺服器埠，這樣新連線事件只會喚醒唯一正在監聽埠的子程式。
因此“驚群”問題通過非阻塞的accept鎖來實現程式互斥accept()，其原理是：在worker程式主迴圈中非阻塞trylock獲取accept鎖，如果trylock成功，則此程式把監聽埠對應的fd通過epoll_ctl()加入到本程式自由的epoll事件集；如果trylock失敗，則把監聽fd從本程式對應的epoll事件集中清除。
Nginx實現了兩套互斥鎖：基於原子操作和訊號量實現的互斥鎖、基於檔案鎖封裝的互斥鎖。考慮到鎖的平臺可移植性和通用性，改造twemproxy選擇時，選擇檔案鎖實現。
如果獲取accept鎖成功的程式佔用鎖時間過長，那麼其他空閒程式在這段時間內無法獲取到鎖，從而無法接受新的連線。最終造成客戶端連線相應時間變長，qps低，同時引起負載嚴重不均衡。為了解決該問題，選擇通過post事件佇列方式來提高效能，trylock獲取到accept鎖成功的程式，其工作流程如下：
1.trylock獲取accept鎖成功
2.通過epoll_wait獲取所有的事件資訊，把監聽到的所有accept事件資訊加入accept_post列表，把已有連線觸發的讀寫事件資訊加入read_write_post列表。
3.執行accept_post列表中的所有事件
4.Unlock鎖
5.執行read_write_post列表中的事件。
Worker程式主迴圈工作流程圖如下：
從上圖可以看出，worker程式藉助epoll來實現網路非同步收發，客戶端連線twemproxy的時候，worker程式迴圈檢測客戶端的各種網路事件和後端memcached的網路事件，並進行相應的處理。
twemproxy各個程式整體網路i/o處理過程圖如下：
4.3.1.2 如何解決“負載均衡“問題
在多個子程式爭搶處理同一個新連線事件時，一定只有一個worker子程式最終會成功建立連線，隨後，它會一直處理這個連線直到連線關閉。這樣，如果有的子程式“運氣”很好，它們搶著建立並處理了大部分連線，其他子程式就只能處理少量連線，這對多核cpu架構下的應用很不利。理想情況下，每個子程式應該是平等的，每個worker子程式應該大致平均的處理客戶端連線請求。如果worker子程式負載不均衡，必然影響整體服務的效能。
nginx通過連線閾值機制來實現負載均衡，其原理如下：每個程式都有各自的最大連線數閾值max_threshold和當前連線閾值數local_threshold，和當前連線數閾值，程式每接收一個新的連線，local_threshold增一，連線斷開後，local_threashold減一。如果local_threshold超過max_threshold，則不去獲取accept鎖，把accept機會留給其他程式，同時把local_threshold減1，這樣下次就有機會獲取accept鎖，接收客戶端連線了。
在實際業務應用中，有的業務採用長連線和twemproxy建立連線，連線數最大可能就幾百連線，如果設定max_threshold閾值過大，多個連線如果同時壓到twemproxy，則很容易引起所有連線被同一個程式獲取從而造成不均衡。
為了儘量減少負載不均衡，在實際應用中，新增了epoll_wait超時時間配置選項，把該超時時間設短，這樣減少空閒程式在epoll_wait上的等待事件，從而可以更快相應客戶端連線，並有效避免負載不均衡。
4.3.2 Linux核心高版本TCP REUSEPORT特性如何利用
4.3.2.1 什麼是reuseport？
reuseport是一種套接字複用機制，它允許你將多個套接字bind在同一個IP地址/埠對上，這樣一來，就可以建立多個服務來接受到同一個埠的連線。
4.3.2.2 支援reuseport和不支援reuseport的區別
如果linux核心版本小於3.9，則不支援reuseport(注:部分centos發行版在低版本中已經打了reuseport patch,所以部分linux低版本發行版本也支援該特性)。
不支援該特性的核心，一個ip+port組合，只能被監聽bind一次。這樣在多核環境下，往往只能有一個執行緒（或者程式）是listener，也就是同一時刻只能由一個程式或者執行緒做accept處理，在高併發情況下，往往這就是效能瓶頸。其網路模型如下:
在Linux kernel 3.9帶來了reuseport特性，它可以解決上面的問題，其網路模型如下:
reuseport是支援多個程式或者執行緒繫結到同一埠，提高伺服器程式的吞吐效能，其優點體現在如下幾個方面:
i)允許多個套接字 bind()/listen() 同一個TCP/UDP埠
ii)每一個執行緒擁有自己的伺服器套接字
iii)在伺服器套接字上沒有了鎖的競爭，因為每個程式一個伺服器套接字
iiii)核心層面實現負載均衡
iiiii)安全層面，監聽同一個埠的套接字只能位於同一個使用者下面
4.3.3 Master程式和worker程式如何通訊？
由於master程式需要實時獲取worker程式的工作狀態，並實時彙總worker程式的各種統計資訊，所以選擇一種可靠的程式間通訊方式必不可少。
在twemproxy改造過程中，直接參考nginx的訊號量機制和channel機制(依靠socketpair)來實現父子程式見通訊。Master程式通過訊號量機制來檢測子程式是否異常，從而快速直接的反應出來；此外，藉助socketpair，封裝出channel介面來完成父子程式見非同步通訊，master程式依靠該機制來統計子程式的各種統計資訊並彙總，通過獲取來自master的彙總資訊來判斷整個twemproxy中介軟體的穩定性、可靠性。
配置下發過程：主程式接收實時配置資訊，然後通過channel機制傳送給所有的worker程式，各個worker程式收到配置資訊後應答給工作程式。流程如下:
獲取監控資訊流程和配置下發流程基本相同，master程式收到各個工作程式的應答後，由master程式做統一彙總，然後傳送給客戶端。
4.3.4 如何減少worker程式在不同cpu切換的開銷
CPU 親和性（affinity） 就是程式要在某個給定的 CPU 上儘量長時間地執行而不被遷移到其他處理器的傾向性。
Linux 核心程式排程器天生就具有被稱為 軟 CPU 親和性（affinity） 的特性，這意味著程式通常不會在處理器之間頻繁遷移。這種狀態正是我們希望的，因為程式遷移的頻率小就意味著產生的負載小。具體參考sched_setaffinity函式。
4.3.5 worker程式異常如何減少對業務的影響？
在實際線上環境中，經常出現這樣的情況:某個多執行緒服務跑幾個月後，因為未知原因程式掛了，最終造成整個服務都會不可用。
這時候，master+多worker的多程式模型就體現了它的優勢，如果程式碼有隱藏的並且不容易觸發的bug，某個時候如果某個請求觸發了這個bug，則處理這個請求的worker程式會段錯誤退出。但是其他worker程式不會收到任何的影響，也就是說如果一個改造後的twemproxy起了20個worker程式，某個時候一個隱藏bug被某個請求觸發，則只有處理該請求的程式段錯誤異常，其他19個程式不會受到任何影響，該隱藏bug觸發後影響面僅為5%。如果是多執行緒模型，則影響面會是100%。
如果某個worker程式掛了，master父程式會感知到這個訊號，然後重新拉起一個worker程式，實現瞬間無感知”拉起”恢復。以下為模擬觸發異常段錯誤流程：
如上圖所示，殺掉31420 worker程式後，master程式會立馬在拉起一個31451工作程式，實現了快速恢復。
多程式異常，自動”拉起”功能原始碼，可以參考如下demo：
https://github.com/y123456yz/reading-code-of-nginx-1.9.2/blob/master/nginx-1.9.2/src/demo.c
5.網路優化
5.1 網路卡多佇列
在實際上線後，發現軟中斷過高，幾乎大部分都集中在一個或者幾個CPU上，嚴重影響客戶端連線和資料轉發，qps上不去，時延抖動厲害。
RSS（Receive Side Scaling）是網路卡的硬體特性，實現了多佇列，可以將不同的流分發到不同的CPU上。支援RSS的網路卡，通過多佇列技術，每個佇列對應一箇中斷號，通過對每個中斷的繫結，可以實現網路卡中斷在cpu多核上的分配，最終達到負載均衡的作用。
5.2 可怕的40ms
原生twemproxy線上上跑得過程中，發現時延波動很大，抓包發現其中部分資料包應答出現了40ms左右的時延，拉高了整體時延抓包如下(藉助tcprstat工具)：
解決辦法如下：在recv系統呼叫後，呼叫一次setsockopt函式，設定TCP_QUICKACK。程式碼修改如下：
6.Twemproxy改造前後效能對比 (時延、qps對比)
6.1 線上真實流量時延對比
6.1.1 改造前線上twemproxy叢集時延
線上叢集完全採用開源twemproxy做代理，架構如下：
未改造前線上twemproxy+memcache叢集，qps=5000~6000，長連線，客戶端時延分佈如下圖所示：
在twemproxy機器上使用tcprstat監控到的網路卡時延如下:
從上面兩個圖可以看出，採用原生twemproxy,時延高，同時抖動厲害。
6.1.2 參照nginx改造後的twemproxy時延
線上叢集一個twemproxy採用官方原生twemproxy，另一個為改造後的twemproxy，其中改造後的twemproxy配置worker程式數為1，保持和原生開源twemproxy程式數一致，架構如下：
替換線上叢集兩個代理中的一個後(影響50%流量)，長連線，qps=5000~6000，客戶端埋點監控時延分佈如下:
替換兩個proxy中的一個後，使用tcprstat在代理叢集上面檢視兩個代理的時延分佈如下:
原生twemproxy節點機器上的時延分佈:
另一個改造後的twemproxy節點機器上的時延分佈：
總結：替換線上兩個proxy中的一個後，客戶端時間降低了一倍，如果線上叢集兩個代理都替換為改造後的twemproxy，客戶端監控時延預計會再降低一倍，總體時延降低3倍左右。
此外，從監控可以看出，改造後的twemproxy時延更低，更加穩定，無任何波動。
6.2 參考nginx多程式改造後的twemproxy線下壓測結果(開啟reuseport功能)
監聽同一個埠，資料長度100位元組，壓測結果如下：
linux核心版本:linux-3.10
物理機機型： M10(48 cpu)
多程式監聽同一個埠，資料長度150位元組，壓測結果如下：
linux核心版本:linux-3.10
物理機機型： TS60 (24 cpu)
7.總結
7.1 多程式、多執行緒機制選擇
選擇參照nginx多程式機制，而不選擇多執行緒實現原因主要有:
1) 多程式機制無鎖操作，實現更容易
2) 多程式的代理，整個worker程式無任何鎖操作，效能更好
3) 如果是多執行緒方式，如果程式碼出現bug段錯誤，則整個程式掛掉，整個服務不可用。而如果是多程式方式，因為bug觸發某個worker程式段錯誤異常，其他工作程式不會受到如何影響，20個worker程式，如果觸發異常，同一時刻只有有1/20的流量受到影響。而如果是多執行緒模式，則100%的流量會受到影響。
4) worker程式異常退出後，master程式立馬感知拉起一個新程式提供服務，可靠性更高。
5) 配置熱載入、程式熱升級功能實現更加容易
7.2 參照nginx改造後的twemproxy特性
支援nginx幾乎所有的優秀特性，同時也根據自己實際情況新增加了自有特性:
1) master+多worker程式機制
2) 適配所有linux核心版本，核心低版本驚群問題避免支援
3) quic_ack支援
4) reuser_port適配支援
5) worker程式異常，master程式自動拉起功能支援
6) 90%、95%、98%、100%平均時延統計功能支援
7) memcache單機版、叢集版支援
8) redis單機版、叢集版支援
9) 二進位制協議、文字協議同時支援
10) redis、memcache叢集線上擴容、縮容、資料遷移支援，擴縮容、資料遷移過程對業務無任何影響。
11) 多租戶支援，一個代理可以接多個memcache、redis叢集，並支援混部。
12) mget、gets、sets等批量處理命令優化處理
13) 慢響應日誌記錄功能支援
14) 記憶體引數實時修改支援
15) 詳細的叢集監控統計功能
16) CPU親緣性自新增
17)記憶體配置動態實時修改
7.3後期計劃
新增如下功能:
i) 配置檔案熱載入支援。
ii) 程式碼熱升級功能支援。
7.4 長遠規劃展望
抽象出一款類似nginx的高效能代理軟體，nginx支援http協議，我們的支援tcp協議代理，覆蓋nginx所有功能，包括前面提到的所有功能，同時支援模組化開發。這樣，很多的tcp協議代理就無需關心網路架構底層實現，只需要根據需要開發對應的協議解析模組，和自己關心的統計、審計等功能功能，降低開發成本。現有開源的中介軟體，很大一部分都是tcp的，有自己的私有tcp協議，把這個抽象出來，開發成本會更低。
亞洲，中介軟體技術專家工程師，2017年加入滴滴，負責mongodb資料庫核心開發
