上節中我們知道了 Sentinel-Go 大概能做什麼事情,最簡單的例子如何跑起來
其實我早就寫好了本系列的第二篇,但遲遲沒有釋出,感覺光初始化流程顯得有些單一,於是又補充了責任鏈模式,二合一,內容顯得豐富一些。
初始化流程
初始化做了什麼
Sentinel-Go 初始化時主要做了以下2件事情:
- 通過各種方式(檔案、環境變數等)載入全域性配置
- 啟動非同步的定時任務或服務,如機器 cpu、記憶體資訊收集、metric log 寫入等等
初始化流程詳解
提供的 API
上節例子中,我們使用了最簡單的初始化方式
func InitDefault() error
除此之外,它還提供了另外幾種初始化方式
// 使用給定的 parser 方法解析配置的方式來初始化
func InitWithParser(configBytes []byte, parser func([]byte) (*config.Entity, error)) (err error)
// 使用已解析好的配置物件初始化
func InitWithConfig(confEntity *config.Entity) (err error)
// 從 yaml 檔案載入配置初始化
func InitWithConfigFile(configPath string) error
從命名能看出它們只是配置的獲取方式不一樣,其中InitWithParser
有點意思,傳入的 parser
是個函式指標,對於 Java 寫慣了的我來說還是有點陌生,比如通過 json
解析可以寫出如下 parser
parser := func(configBytes []byte) (*config.Entity, error) {
conf := &config.Entity{}
err := json.Unmarshal(configBytes, conf)
return conf, err
}
conf := "{\"Version\":\"v1\",\"Sentinel\":{\"App\":{\"Name\":\"roshi-app\",\"Type\":0}}}"
err := api.InitWithParser([]byte(conf), parser)
配置項
簡單看一下 Sentinel-Go 的配置項,首先配置被包裝在一個 Entity
中,包含了一個 Version
和 真正的配置資訊 SentinelConfig
type Entity struct {
Version string
Sentinel SentinelConfig
}
接著, SentinelConfig
是這樣:
type SentinelConfig struct {
App struct {
// 應用名
Name string
// 應用型別:普通應用,閘道器
Type int32
}
// Exporter 配置
Exporter ExporterConfig
// 日誌配置
Log LogConfig
// 統計配置
Stat StatConfig
// 是否快取時間戳
UseCacheTime bool `yaml:"useCacheTime"`
}
- App 應用資訊
- 應用名
- 應用型別:如普通應用、閘道器應用等
- ExporterConfig:prometheus exporter 暴露服務的埠和 path
type ExporterConfig struct {
Metric MetricExporterConfig
}
type MetricExporterConfig struct {
// http 服務地址,如 ":8080"
HttpAddr string `yaml:"http_addr"`
// http 服務 path,如"/metrics".
HttpPath string `yaml:"http_path"`
}
- LogConfig:包括使用什麼logger,日誌目錄,檔案是否使用 pid(防止一臺機器部署兩個應用日誌混合),以及 metric log 的單個檔案大小、最多保留檔案個數、重新整理時間
type LogConfig struct {
// logger,可自定義
Logger logging.Logger
// 日誌目錄
Dir string
// 是否在日誌檔案後加 PID
UsePid bool `yaml:"usePid"`
// metric 日誌配置
Metric MetricLogConfig
}
type MetricLogConfig struct {
// 單個檔案最大佔用空間
SingleFileMaxSize uint64 `yaml:"singleFileMaxSize"`
// 最多檔案個數
MaxFileCount uint32 `yaml:"maxFileCount"`
// 重新整理間隔
FlushIntervalSec uint32 `yaml:"flushIntervalSec"`
}
- StatConfig:統計配置包括資源採集視窗配置,metric 統計的視窗、系統資訊收集間隔
type StatConfig struct {
// 全域性統計資源的視窗(後續文章再解釋)
GlobalStatisticSampleCountTotal uint32 `yaml:"globalStatisticSampleCountTotal"`
GlobalStatisticIntervalMsTotal uint32 `yaml:"globalStatisticIntervalMsTotal"`
// metric 統計的視窗(後續文章再解釋)
MetricStatisticSampleCount uint32 `yaml:"metricStatisticSampleCount"`
MetricStatisticIntervalMs uint32 `yaml:"metricStatisticIntervalMs"`
// 系統採集配置
System SystemStatConfig `yaml:"system"`
}
type SystemStatConfig struct {
// 採集預設間隔
CollectIntervalMs uint32 `yaml:"collectIntervalMs"`
// 採集 cpu load 間隔
CollectLoadIntervalMs uint32 `yaml:"collectLoadIntervalMs"`
// 採集 cpu 使用間隔
CollectCpuIntervalMs uint32 `yaml:"collectCpuIntervalMs"`
// 採集記憶體間隔使用
CollectMemoryIntervalMs uint32 `yaml:"collectMemoryIntervalMs"`
}
配置覆蓋
從上文知道,引數可以通過自定義 parser
/ 檔案
/ 預設
的方式來傳入配置,但後面這個配置還可以用系統的環境變數
覆蓋,覆蓋專案前只包括應用名、應用型別、日誌檔案使用使用 PID
結尾、日誌目錄
func OverrideConfigFromEnvAndInitLog() error {
// 系統環境變數可覆蓋傳入的配置
err := overrideItemsFromSystemEnv()
if err != nil {
return err
}
...
return nil
}
啟動後臺服務
- 啟動 聚合 metric 定時任務,聚合後傳送到 chan,聚合後的格式如下:
_, err := fmt.Fprintf(&b, "%d|%s|%s|%d|%d|%d|%d|%d|%d|%d|%d",
m.Timestamp, timeStr, finalName, m.PassQps,
m.BlockQps, m.CompleteQps, m.ErrorQps, m.AvgRt,
m.OccupiedPassQps, m.Concurrency, m.Classification)
時間戳|時間字串|名稱|通過QPS|阻斷QPS|完成QPS|出錯QPS|平均RT|已經通過QPS|併發|類別
-
啟動 metric 寫入日誌定時任務,可配置間隔時間(秒級),接受上個任務寫入 chan 的資料
-
啟動單獨 goroutine 收集 cpu 使用率 / load、記憶體使用,收集間隔可配置,收集到的資訊存放在
system_metric
下的私有變數
var (
currentLoad atomic.Value
currentCpuUsage atomic.Value
currentMemoryUsage atomic.Value
)
- 若開啟,則啟動單獨 goroutine 快取時間戳,間隔是 1ms,這個主要是為了高併發下提高獲取時間戳的效能
func (t *RealClock) CurrentTimeMillis() uint64 {
// 從快取獲取時間戳
tickerNow := CurrentTimeMillsWithTicker()
if tickerNow > uint64(0) {
return tickerNow
}
return uint64(time.Now().UnixNano()) / UnixTimeUnitOffset
}
獲取時,如果拿到 0 則說明未開啟快取時間戳,取當前,如果拿到值說明已開啟,可直接使用
- 若配置了 metric exporter,則啟動服務,監聽埠,暴露 prometheus 的 exporter
責任鏈模式
什麼是責任鏈模式
可以用這樣一張圖形象地解釋什麼是責任鏈:
責任鏈模式為每次請求建立了一個鏈
,鏈上有 N 多個處理者,處理者可在不同階段處理不同的事情,就像這幅圖上的小人,拿到一桶水(請求)後都可以完成各自的事情,比如往頭上澆,然後再傳遞給下一個。
為什麼叫責任?因為每個處理者只關心自己的責任
,跟自己沒關係就遞交給鏈上的下一個處理者。
責任鏈在哪裡有用到?很多開源產品都是用了責任鏈模式,如 Dubbo
、Spring MVC
等等
這麼設計有什麼好處?
- 簡化編碼難度,抽象出處理模型,只需關注關心的點即可
- 擴充套件性好,如果需要自定義責任鏈中的一環或者插拔某一環,非常容易實現
關於擴充套件性除了大家理解的軟體設計中的擴充套件性外,這裡還想提兩點,阿里開源的軟體其實都有高擴充套件性這個特性,一是因為是開源,別人使用場景未必和自己一致,留出擴充套件介面,不符合要求的,使用者可以自行實現,二是如果要追溯,阿里開源擴充套件性 Dubbo 可能算是祖師爺(未考證),Dubbo 作者(樑飛)的部落格中說過為什麼 Dubbo 要設計這麼強的擴充套件性,他對程式碼有一定的追求,在他維護時期,程式碼能保證高質量,但如果專案交給別人,如何才能保持現在的水準呢?於是他設計出一套很強的擴充套件,後面開發基於這個擴充套件去做,程式碼就不會差到哪裡去
- 可動態,可針對每個請求構造不同的責任鏈
Sentinel-Go 責任鏈設計
先看責任鏈的資料結構定義,Sentinel-Go 把處理者叫 Slot
(插槽),將 Slot 分為了前置統計、規則校驗、統計三組,且每組是有有序的
type SlotChain struct {
// 前置準備(有序)
statPres []StatPrepareSlot
// 規則校驗(有序)
ruleChecks []RuleCheckSlot
// 統計(有序)
stats []StatSlot
// 上線文物件池(複用物件)
ctxPool *sync.Pool
}
在呼叫 Entry
開始進入 Sentinel 邏輯時,如果沒有手動構造 SlotChain,則使用預設。
為什麼這裡要設計成三個 Slot組呢?因為每組 Slot 的行為稍有不同,比如前置準備的 Slot 不需要返回值,規則校驗組需要返回值,如果校驗當前流量不通過,還需要返回原因、型別等資訊,統計 Slot 還會有一些入參,比如請求是否失敗等等
type BaseSlot interface {
Order() uint32
}
type StatPrepareSlot interface {
BaseSlot
Prepare(ctx *EntryContext)
}
type RuleCheckSlot interface {
BaseSlot
Check(ctx *EntryContext) *TokenResult
}
type StatSlot interface {
BaseSlot
OnEntryPassed(ctx *EntryContext)
OnEntryBlocked(ctx *EntryContext, blockError *BlockError)
OnCompleted(ctx *EntryContext)
}
總結
本文從原始碼角度分析了 Sentinel-Go 的初始化流程和責任鏈的設計,總體上來說還是比較簡單,接下來的系列文章將會分析 Sentinel-Go 的限流熔斷等的核心設計與實現。
搜尋關注微信公眾號"捉蟲大師",後端技術分享,架構設計、效能優化、原始碼閱讀、問題排查、踩坑實踐。