摘要: 原创出处 http://www.iocoder.cn/Eureka/batch-tasks/ 「芋道源码」欢迎转载,保留摘要,谢谢!
关注**微信公众号:【芋道源码】**有福利:
本文主要分享 任务批处理 。Eureka-Server 集群通过任务批处理同步应用实例注册实例,所以本文也是为 Eureka-Server 集群同步的分享做铺垫。
本文涉及类在 com.netflix.eureka.util.batcher
包下,涉及到主体类的类图如下(打开大图 ):
任务执行的整体流程如下(打开大图 ):
细箭头 —— 任务执行经历的操作
粗箭头 —— 任务队列流转的方向
不同于一般情况下,任务提交了 立即 同步或异步执行,任务的执行拆分了 三层队列 :
第一层,接收队列( acceptorQueue
),重新处理队列( reprocessQueue
)。
第二层,待执行队列( processingOrder
)
第三层,工作队列( workQueue
)
maxBatchingSize
)将任务合并成 批量任务 ,调度( 提交 )到工作队列。 com.netflix.eureka.util.batcher.TaskProcessor
,任务处理器 接口 。接口代码如下:
public interface TaskProcessor<T>{ /** * A processed task/task list ends up in one of the following states: * <ul> * <li>{@code Success} processing finished successfully</li> * <li>{@code TransientError} processing failed, but shall be retried later</li> * <li>{@code PermanentError} processing failed, and is non recoverable</li> * </ul> */ enum ProcessingResult { /** * 成功 */ Success, /** * 拥挤错误 */ Congestion, /** * 瞬时错误 */ TransientError, /** * 永久错误 */ PermanentError } /** * 处理单任务 * In non-batched mode a single task is processed at a time. */ ProcessingResult process(T task); /** * 处理批量任务 * * For batched mode a collection of tasks is run at a time. The result is provided for the aggregated result, * and all tasks are handled in the same way according to what is returned (for example are rescheduled, if the * error is transient). */ ProcessingResult process(List<T> tasks); }
Success
,成功。 Congestion
,拥挤错误, 任务将会被重试 。例如,请求被限流。 TransientError
,瞬时错误, 任务将会被重试 。例如,网络请求超时。 PermanentError
,永久错误, 任务将会被丢弃 。例如,执行时发生程序异常。 #process(task)
方法,处理单任务。 #process(tasks)
方法,处理批量任务。 com.netflix.eureka.util.batcher.TaskDispatcher
,任务分发器 接口 。接口代码如下:
public interface TaskDispatcher<ID, T>{ void process(ID id, T task, long expiryTime); void shutdown(); }
#process(...)
方法,提交任务编号,任务,任务过期时间给任务分发器处理。 com.netflix.eureka.util.batcher.TaskDispatchers
,任务分发器 工厂类 ,用于创建任务分发器。其内部提供两种任务分发器的实现:
com.netflix.eureka.cluster.ReplicationTaskProcessor
,实现 TaskDispatcher ,Eureka-Server 集群任务处理器。感兴趣的同学,可以点击 链接 自己研究,我们将在TODO[0021]:集群同步 详细解析。
调用 TaskDispatchers#createBatchingTaskDispatcher(...)
方法,创建 批量任务 执行的分发器,实现代码如下:
// TaskDispatchers.java 1: /** 2: * 创建批量任务执行的分发器 3: * 4: * @param id 任务执行器编号 5: * @param maxBufferSize 待执行队列最大数量 6: * @param workloadSize 单个批量任务包含任务最大数量 7: * @param workerCount 任务执行器工作线程数 8: * @param maxBatchingDelay 批量任务等待最大延迟时长,单位:毫秒 9: * @param congestionRetryDelayMs 请求限流延迟重试时间,单位:毫秒 10: * @param networkFailureRetryMs 网络失败延迟重试时长,单位:毫秒 11: * @param taskProcessor 任务处理器 12: * @param <ID> 任务编号泛型 13: * @param <T> 任务泛型 14: * @return 批量任务执行的分发器 15: */ 16: public static <ID, T> TaskDispatcher<ID, T> createBatchingTaskDispatcher(String id, 17: int maxBufferSize, 18: int workloadSize, 19: int workerCount, 20: long maxBatchingDelay, 21: long congestionRetryDelayMs, 22: long networkFailureRetryMs, 23: TaskProcessor<T> taskProcessor){ 24: // 创建 任务接收执行器 25: final AcceptorExecutor<ID, T> acceptorExecutor = new AcceptorExecutor<>( 26: id, maxBufferSize, workloadSize, maxBatchingDelay, congestionRetryDelayMs, networkFailureRetryMs 27: ); 28: // 创建 批量任务执行器 29: final TaskExecutors<ID, T> taskExecutor = TaskExecutors.batchExecutors(id, workerCount, taskProcessor, acceptorExecutor); 30: // 创建 批量任务分发器 31: return new TaskDispatcher<ID, T>() { 32: @Override 33: public void process(ID id, T task, long expiryTime){ 34: acceptorExecutor.process(id, task, expiryTime); 35: } 36: 37: @Override 38: public void shutdown(){ 39: acceptorExecutor.shutdown(); 40: taskExecutor.shutdown(); 41: } 42: }; 43: }
workloadSize
参数,单个批量任务包含任务最大数量。 taskProcessor
参数, 自定义任务执行器实现 。 #process()
方法的实现,调用 AcceptorExecutor#process(...)
方法,提交 [ 任务编号 , 任务 , 任务过期时间 ] 给任务分发器处理。 调用 TaskDispatchers#createNonBatchingTaskDispatcher(...)
方法,创建 单任务 执行的分发器,实现代码如下:
1: /** 2: * 创建单任务执行的分发器 3: * 4: * @param id 任务执行器编号 5: * @param maxBufferSize 待执行队列最大数量 6: * @param workerCount 任务执行器工作线程数 7: * @param maxBatchingDelay 批量任务等待最大延迟时长,单位:毫秒 8: * @param congestionRetryDelayMs 请求限流延迟重试时间,单位:毫秒 9: * @param networkFailureRetryMs 网络失败延迟重试时长,单位:毫秒 10: * @param taskProcessor 任务处理器 11: * @param <ID> 任务编号泛型 12: * @param <T> 任务泛型 13: * @return 单任务执行的分发器 14: */ 15: public static <ID, T> TaskDispatcher<ID, T> createNonBatchingTaskDispatcher(String id, 16: int maxBufferSize, 17: int workerCount, 18: long maxBatchingDelay, 19: long congestionRetryDelayMs, 20: long networkFailureRetryMs, 21: TaskProcessor<T> taskProcessor){ 22: // 创建 任务接收执行器 23: final AcceptorExecutor<ID, T> acceptorExecutor = new AcceptorExecutor<>( 24: id, maxBufferSize, /* workloadSize = 1 */1, maxBatchingDelay, congestionRetryDelayMs, networkFailureRetryMs 25: ); 26: final TaskExecutors<ID, T> taskExecutor = TaskExecutors.singleItemExecutors(id, workerCount, taskProcessor, acceptorExecutor); 27: return new TaskDispatcher<ID, T>() { 28: @Override 29: public void process(ID id, T task, long expiryTime){ 30: acceptorExecutor.process(id, task, expiryTime); 31: } 32: 33: @Override 34: public void shutdown(){ 35: acceptorExecutor.shutdown(); 36: taskExecutor.shutdown(); 37: } 38: }; 39: }
workloadSize
参数
#createBatchingTaskDispatcher(...)
少这个参数。 在第 24 行,你会发现该参数传递给 AcceptorExecutor 使用 1 噢 。 taskProcessor
参数, 自定义任务执行器实现 。 #createBatchingTaskDispatcher(...)
只差 workloadSize = 1
参数。在详细解析。 #createBatchingTaskDispatcher(...)
差别很大 。「6.2 创建单任务执行器」详细解析。 #createBatchingTaskDispatcher(...)
一样。 com.netflix.eureka.util.batcher.AcceptorExecutor
,任务接收执行器。创建构造方法代码如下:
1: class AcceptorExecutor<ID, T>{ 2: 3: private static final Logger logger = LoggerFactory.getLogger(AcceptorExecutor.class); 4: 5: /** 6: * 待执行队列最大数量 7: * {@link #processingOrder} 8: */ 9: private final int maxBufferSize; 10: /** 11: * 单个批量任务包含任务最大数量 12: */ 13: private final int maxBatchingSize; 14: /** 15: * 批量任务等待最大延迟时长,单位:毫秒 16: */ 17: private final long maxBatchingDelay; 18: 19: /** 20: * 是否关闭 21: */ 22: private final AtomicBoolean isShutdown = new AtomicBoolean(false); 23: /** 24: * 接收任务队列 25: */ 26: private final BlockingQueue<TaskHolder<ID, T>> acceptorQueue = new LinkedBlockingQueue<>(); 27: /** 28: * 重新执行任务队列 29: */ 30: private final BlockingDeque<TaskHolder<ID, T>> reprocessQueue = new LinkedBlockingDeque<>(); 31: /** 32: * 接收任务线程 33: */ 34: private final Thread acceptorThread; 35: 36: /** 37: * 待执行任务映射 38: */ 39: private final Map<ID, TaskHolder<ID, T>> pendingTasks = new HashMap<>(); 40: /** 41: * 待执行队列 42: */ 43: private final Deque<ID> processingOrder = new LinkedList<>(); 44: 45: /** 46: * 单任务工作请求信号量 47: */ 48: private final Semaphore singleItemWorkRequests = new Semaphore(0); 49: /** 50: * 单任务工作队列 51: */ 52: private final BlockingQueue<TaskHolder<ID, T>> singleItemWorkQueue = new LinkedBlockingQueue<>(); 53: 54: /** 55: * 批量任务工作请求信号量 56: */ 57: private final Semaphore batchWorkRequests = new Semaphore(0); 58: /** 59: * 批量任务工作队列 60: */ 61: private final BlockingQueue<List<TaskHolder<ID, T>>> batchWorkQueue = new LinkedBlockingQueue<>(); 62: 63: /** 64: * 网络通信整形器 65: */ 66: private final TrafficShaper trafficShaper; 67: 68: AcceptorExecutor(String id, 69: int maxBufferSize, 70: int maxBatchingSize, 71: long maxBatchingDelay, 72: long congestionRetryDelayMs, 73: long networkFailureRetryMs) { 74: this.maxBufferSize = maxBufferSize; 75: this.maxBatchingSize = maxBatchingSize; 76: this.maxBatchingDelay = maxBatchingDelay; 77: 78: // 创建 网络通信整形器 79: this.trafficShaper = new TrafficShaper(congestionRetryDelayMs, networkFailureRetryMs); 80: 81: // 创建 接收任务线程 82: ThreadGroup threadGroup = new ThreadGroup("eurekaTaskExecutors"); 83: this.acceptorThread = new Thread(threadGroup, new AcceptorRunner(), "TaskAcceptor-" + id); 84: this.acceptorThread.setDaemon(true); 85: this.acceptorThread.start(); 86: 87: // TODO (省略代码)芋艿:监控相关,暂时无视 88: } 89: }
singleItemWorkQueue
),又存在批量任务工作队列( batchWorkQueue
) ,在「9. 任务接收线程【调度任务】」会解答这个疑惑。 com.netflix.eureka.util.batcher.TaskExecutors
,任务执行器。 其内部提供创建单任务和批量任务执行器的两种方法 。TaskExecutors 构造方法如下:
class TaskExecutors<ID, T>{ private static final Logger logger = LoggerFactory.getLogger(TaskExecutors.class); /** * 是否关闭 */ private final AtomicBoolean isShutdown; /** * 工作线程池 */ private final List<Thread> workerThreads; TaskExecutors(WorkerRunnableFactory<ID, T> workerRunnableFactory, int workerCount, AtomicBoolean isShutdown) { this.isShutdown = isShutdown; this.workerThreads = new ArrayList<>(); // 创建 工作线程池 ThreadGroup threadGroup = new ThreadGroup("eurekaTaskExecutors"); for (int i = 0; i < workerCount; i++) { WorkerRunnable<ID, T> runnable = workerRunnableFactory.create(i); Thread workerThread = new Thread(threadGroup, runnable, runnable.getWorkerName()); workerThreads.add(workerThread); workerThread.setDaemon(true); workerThread.start(); } } /** * 创建工作线程工厂 * * @param <ID> 任务编号泛型 * @param <T> 批量任务执行器 */ interface WorkerRunnableFactory<ID, T>{ WorkerRunnable<ID, T> create(int idx); } }
workerThreads
属性,工作线程 池 。 工作任务队列会被工作线程池并发拉取,并发执行 。 com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnableFactory
,创建工作线程工厂 接口 。单任务和批量任务执行器的工作线程实现不同,通过自定义工厂实现类创建。 调用 TaskExecutors#batchExecutors(...)
方法,创建批量任务执行器。实现代码如下:
/** * 创建批量任务执行器 * * @param name 任务执行器名 * @param workerCount 任务执行器工作线程数 * @param processor 任务处理器 * @param acceptorExecutor 接收任务执行器 * @param <ID> 任务编号泛型 * @param <T> 任务泛型 * @return 批量任务执行器 */ static <ID, T> TaskExecutors<ID, T> batchExecutors(final String name, int workerCount, final TaskProcessor<T> processor, final AcceptorExecutor<ID, T> acceptorExecutor){ final AtomicBoolean isShutdown = new AtomicBoolean(); final TaskExecutorMetrics metrics = new TaskExecutorMetrics(name); // 创建批量任务执行器 return new TaskExecutors<>(new WorkerRunnableFactory<ID, T>() { // 批量任务工作线程工厂 @Override public WorkerRunnable<ID, T> create(int idx){ return new BatchWorkerRunnable<>("TaskBatchingWorker-" + name + '-' + idx /* 线程名 */, isShutdown, metrics, processor, acceptorExecutor); } }, workerCount, isShutdown); }
com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnable.BatchWorkerRunnable
,批量任务工作线程。 调用 TaskExecutors#singleItemExecutors(...)
方法,创建批量任务执行器。实现代码如下:
/** * 创建单任务执行器 * * @param name 任务执行器名 * @param workerCount 任务执行器工作线程数 * @param processor 任务处理器 * @param acceptorExecutor 接收任务执行器 * @param <ID> 任务编号泛型 * @param <T> 任务泛型 * @return 单任务执行器 */ static <ID, T> TaskExecutors<ID, T> singleItemExecutors(final String name, int workerCount, final TaskProcessor<T> processor, final AcceptorExecutor<ID, T> acceptorExecutor){ final AtomicBoolean isShutdown = new AtomicBoolean(); final TaskExecutorMetrics metrics = new TaskExecutorMetrics(name); // 创建单任务执行器 return new TaskExecutors<>(new WorkerRunnableFactory<ID, T>() { // 单任务工作线程工厂 @Override public WorkerRunnable<ID, T> create(int idx){ return new SingleTaskWorkerRunnable<>("TaskNonBatchingWorker-" + name + '-' + idx /* 线程名 */, isShutdown, metrics, processor, acceptorExecutor); } }, workerCount, isShutdown); }
com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnable.SingleTaskWorkerRunnable
,单任务工作线程。 com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnable
,任务工作线程抽象类。BatchWorkerRunnable 和 SingleTaskWorkerRunnable 都实现该类,差异在 #run()
的自定义实现。WorkerRunnable 实现代码如下:
abstract static class WorkerRunnable<ID, T> implements Runnable{ /** * 线程名 */ final String workerName; /** * 是否关闭 */ final AtomicBoolean isShutdown; final TaskExecutorMetrics metrics; /** * 任务处理器 */ final TaskProcessor<T> processor; /** * 任务接收执行器 */ final AcceptorExecutor<ID, T> taskDispatcher; // ... 省略构造方法和 getting 方法。 }
com.netflix.eureka.util.batcher.TrafficShaper
,网络通信整形器。当任务执行发生请求限流,或是请求网络失败的情况,则延时 AcceptorRunner 将任务提交到工作任务队列,从而避免任务很快去执行,再次发生上述情况。TrafficShaper 实现代码如下:
class TrafficShaper{ /** * Upper bound on delay provided by configuration. */ private static final long MAX_DELAY = 30 * 1000; /** * 请求限流延迟重试时间,单位:毫秒 */ private final long congestionRetryDelayMs; /** * 网络失败延迟重试时长,单位:毫秒 */ private final long networkFailureRetryMs; /** * 最后请求限流时间戳,单位:毫秒 */ private volatile long lastCongestionError; /** * 最后网络失败时间戳,单位:毫秒 */ private volatile long lastNetworkFailure; TrafficShaper(long congestionRetryDelayMs, long networkFailureRetryMs) { this.congestionRetryDelayMs = Math.min(MAX_DELAY, congestionRetryDelayMs); this.networkFailureRetryMs = Math.min(MAX_DELAY, networkFailureRetryMs); } void registerFailure(ProcessingResult processingResult){ if (processingResult == ProcessingResult.Congestion) { lastCongestionError = System.currentTimeMillis(); } else if (processingResult == ProcessingResult.TransientError) { lastNetworkFailure = System.currentTimeMillis(); } } /** * 计算提交延迟,单位:毫秒 * * @return 延迟 */ long transmissionDelay(){ // 无延迟 if (lastCongestionError == -1 && lastNetworkFailure == -1) { return 0; } long now = System.currentTimeMillis(); // 计算最后请求限流带来的延迟 if (lastCongestionError != -1) { long congestionDelay = now - lastCongestionError; if (congestionDelay >= 0 && congestionDelay < congestionRetryDelayMs) { // 范围内 return congestionRetryDelayMs - congestionDelay; // 补充延迟 } lastCongestionError = -1; // 重置时间戳 } // 计算最后网络失败带来的延迟 if (lastNetworkFailure != -1) { long failureDelay = now - lastNetworkFailure; if (failureDelay >= 0 && failureDelay < networkFailureRetryMs) { // 范围内 return networkFailureRetryMs - failureDelay; // 补充延迟 } lastNetworkFailure = -1; // 重置时间戳 } // 无延迟 return 0; } }
#registerFailure(...)
,在任务执行失败时,提交任务结果给 TrafficShaper ,记录发生时间。在「10. 任务执行器【执行任务】」会看到调用该方法。 #transmissionDelay(...)
,计算提交延迟,单位:毫秒。「9. 任务接收线程【调度任务】」会看到调用该方法。 调用 AcceptorExecutor#process(...)
方法,添加任务到接收任务队列。实现代码如下:
// AcceptorExecutor.java void process(ID id, T task, long expiryTime){ acceptorQueue.add(new TaskHolder<ID, T>(id, task, expiryTime)); acceptedTasks++; }
com.netflix.eureka.util.batcher.TaskHolder
,任务持有者,实现代码如下:
class TaskHolder<ID, T>{ /** * 任务编号 */ private final ID id; /** * 任务 */ private final T task; /** * 任务过期时间戳 */ private final long expiryTime; /** * 任务提交时间戳 */ private final long submitTimestamp; }
后台线程执行 AcceptorRunner#run(...)
方法,调度任务。实现代码如下:
1: @Override 2: public void run(){ 3: long scheduleTime = 0; 4: while (!isShutdown.get()) { 5: try { 6: // 处理完输入队列( 接收队列 + 重新执行队列 ) 7: drainInputQueues(); 8: 9: // 待执行任务数量 10: int totalItems = processingOrder.size(); 11: 12: // 计算调度时间 13: long now = System.currentTimeMillis(); 14: if (scheduleTime < now) { 15: scheduleTime = now + trafficShaper.transmissionDelay(); 16: } 17: 18: // 调度 19: if (scheduleTime <= now) { 20: // 调度批量任务 21: assignBatchWork(); 22: // 调度单任务 23: assignSingleItemWork(); 24: } 25: 26: // 1)任务执行器无任务请求,正在忙碌处理之前的任务;或者 2)任务延迟调度。睡眠 10 秒,避免资源浪费。 27: // If no worker is requesting data or there is a delay injected by the traffic shaper, 28: // sleep for some time to avoid tight loop. 29: if (totalItems == processingOrder.size()) { 30: Thread.sleep(10); 31: } 32: } catch (InterruptedException ex) { 33: // Ignore 34: } catch (Throwable e) { 35: // Safe-guard, so we never exit this loop in an uncontrolled way. 36: logger.warn("Discovery AcceptorThread error", e); 37: } 38: } 39: }
第 4 行 :无限循环执行调度,直到关闭。
第 6 至 7 行 :调用 #drainInputQueues()
方法, 循环 处理完输入队列( 接收队列 + 重新执行队列 ), 直到 有待执行的任务。实现代码如下:
1: private void drainInputQueues() throws InterruptedException{ 2: do { 3: // 处理完重新执行队列 4: drainReprocessQueue(); 5: // 处理完接收队列 6: drainAcceptorQueue(); 7: 8: // 所有队列为空,等待 10 ms,看接收队列是否有新任务 9: if (!isShutdown.get()) { 10: // If all queues are empty, block for a while on the acceptor queue 11: if (reprocessQueue.isEmpty() && acceptorQueue.isEmpty() && pendingTasks.isEmpty()) { 12: TaskHolder<ID, T> taskHolder = acceptorQueue.poll(10, TimeUnit.MILLISECONDS); 13: if (taskHolder != null) { 14: appendTaskHolder(taskHolder); 15: } 16: } 17: } 18: } while (!reprocessQueue.isEmpty() || !acceptorQueue.isEmpty() || pendingTasks.isEmpty()); // 处理完输入队列( 接收队列 + 重新执行队列 ) 19: }
第 2 行 && 第 18 行 : 循环 ,直到 同时 满足如下全部条件:
reprocessQueue
) 和接收队列( acceptorQueue
)为空 pendingTasks
) 不为空 第 3 至 4 行 :处理完重新执行队列( reprocessQueue
)。实现代码如下:
1: private void drainReprocessQueue(){ 2: long now = System.currentTimeMillis(); 3: while (!reprocessQueue.isEmpty() && !isFull()) { 4: TaskHolder<ID, T> taskHolder = reprocessQueue.pollLast(); // 优先拿较新的任务 5: ID id = taskHolder.getId(); 6: if (taskHolder.getExpiryTime() <= now) { // 过期 7: expiredTasks++; 8: } else if (pendingTasks.containsKey(id)) { // 已存在 9: overriddenTasks++; 10: } else { 11: pendingTasks.put(id, taskHolder); 12: processingOrder.addFirst(id); // 提交到队头 13: } 14: } 15: // 如果待执行队列已满,清空重新执行队列,放弃较早的任务 16: if (isFull()) { 17: queueOverflows += reprocessQueue.size(); 18: reprocessQueue.clear(); 19: } 20: }
pendingTasks
) 里。 processingOrder
) 的头部。效果如下图: pendingTasks
)已满,清空重新执行队列( processingOrder
),放弃较早的任务。 第 5 至 6 行 :处理完接收队列( acceptorQueue
),实现代码如下:
private void drainAcceptorQueue(){ while (!acceptorQueue.isEmpty()) { // 循环,直到接收队列为空 appendTaskHolder(acceptorQueue.poll()); } } private void appendTaskHolder(TaskHolder<ID, T> taskHolder){ // 如果待执行队列已满,移除待处理队列,放弃较早的任务 if (isFull()) { pendingTasks.remove(processingOrder.poll()); queueOverflows++; } // 添加到待执行队列 TaskHolder<ID, T> previousTask = pendingTasks.put(taskHolder.getId(), taskHolder); if (previousTask == null) { processingOrder.add(taskHolder.getId()); } else { overriddenTasks++; } }
第 8 至 17 行 :当所有队列为空,阻塞从接收队列( acceptorQueue
) 拉取任务 10 ms。若拉取到,添加到待执行队列( processingOrder
)。
第 12 至 16 行 :计算可调度任务的最小时间( scheduleTime
)。
scheduleTime
小于当前时间,不重新计算,即此时需要延迟等待调度。 scheduleTime
大于等于当前时间,配合 TrafficShaper#transmissionDelay(...)
重新计算。 第 19 行 :当 scheduleTime
小于当前时间,执行任务的调度。
第 21 行 :调用 #assignBatchWork()
方法,调度批量任务。实现代码如下:
1: void assignBatchWork(){ 2: if (hasEnoughTasksForNextBatch()) { 3: // 获取 批量任务工作请求信号量 4: if (batchWorkRequests.tryAcquire(1)) { 5: // 获取批量任务 6: long now = System.currentTimeMillis(); 7: int len = Math.min(maxBatchingSize, processingOrder.size()); 8: List<TaskHolder<ID, T>> holders = new ArrayList<>(len); 9: while (holders.size() < len && !processingOrder.isEmpty()) { 10: ID id = processingOrder.poll(); 11: TaskHolder<ID, T> holder = pendingTasks.remove(id); 12: if (holder.getExpiryTime() > now) { // 过期 13: holders.add(holder); 14: } else { 15: expiredTasks++; 16: } 17: } 18: // 19: if (holders.isEmpty()) { // 未调度到批量任务,释放请求信号量 20: batchWorkRequests.release(); 21: } else { // 添加批量任务到批量任务工作队列 22: batchSizeMetric.record(holders.size(), TimeUnit.MILLISECONDS); 23: batchWorkQueue.add(holders); 24: } 25: } 26: } 27: }
第 2 行 :调用 #hasEnoughTasksForNextBatch()
方法,判断是否有足够任务进行下一次批量任务调度:1)待执行任务( processingOrder
)映射已满;或者 2)到达批量任务处理最大等待延迟。实现代码如下:
private boolean hasEnoughTasksForNextBatch(){ // 待执行队列为空 if (processingOrder.isEmpty()) { return false; } // 待执行任务映射已满 if (pendingTasks.size() >= maxBufferSize) { return true; } // 到达批量任务处理最大等待延迟( 通过待处理队列的头部任务判断 ) TaskHolder<ID, T> nextHolder = pendingTasks.get(processingOrder.peek()); long delay = System.currentTimeMillis() - nextHolder.getSubmitTimestamp(); return delay >= maxBatchingDelay; }
第 5 至 17 行 :获取批量任务( holders
)。 你会发现,本文说了半天的批量任务,实际是 List<TaskHolder<ID, T>> 哈 。
第 4 行 :获取批量任务工作请求信号量( batchWorkRequests
) 。在任务执行器的批量任务执行器,每次执行时,发出 batchWorkRequests
。 每一个信号量需要保证获取到一个批量任务 。
第 19 至 20 行 :未调度到批量任务,释放请求信号量, 代表请求实际未完成,每一个信号量需要保证获取到一个批量任务 。
第 21 至 24 行 :添加批量任务到批量任务工作队列。
第 23 行 :调用 #assignSingleItemWork()
方法,调度单任务。
第 23 行 :调用 #assignSingleItemWork()
方法,调度单任务,和 #assignBatchWork()
方法 类似 。实现代码如下:
void assignSingleItemWork(){ if (!processingOrder.isEmpty()) { // 待执行任队列不为空 // 获取 单任务工作请求信号量 if (singleItemWorkRequests.tryAcquire(1)) { // 【循环】获取单任务 long now = System.currentTimeMillis(); while (!processingOrder.isEmpty()) { ID id = processingOrder.poll(); // 一定不为空 TaskHolder<ID, T> holder = pendingTasks.remove(id); if (holder.getExpiryTime() > now) { singleItemWorkQueue.add(holder); return; } expiredTasks++; } // 获取不到单任务,释放请求信号量 singleItemWorkRequests.release(); } } }
第 26 至 31 行 :当调度任务前的待执行任务数( totalItems
)等于当前待执行队列( processingOrder
)的任务数,意味着:1)任务执行器无任务请求,正在忙碌处理之前的任务;或者 2)任务延迟调度。睡眠 10 秒,避免资源浪费。
批量任务工作后台线程( BatchWorkerRunnable )执行 #run(...)
方法,调度任务。实现代码如下:
// 1: @Override 2: public void run(){ 3: try { 4: while (!isShutdown.get()) { 5: // 获取批量任务 6: List<TaskHolder<ID, T>> holders = getWork(); 7: 8: // TODO 芋艿:监控相关,暂时无视 9: metrics.registerExpiryTimes(holders); 10: 11: // 获得实际批量任务 12: List<T> tasks = getTasksOf(holders); 13: // 调用处理器执行任务 14: ProcessingResult result = processor.process(tasks); 15: switch (result) { 16: case Success: 17: break; 18: case Congestion: 19: case TransientError: 20: taskDispatcher.reprocess(holders, result); // 提交重新处理 21: break; 22: case PermanentError: 23: logger.warn("Discarding {} tasks of {} due to permanent error", holders.size(), workerName); 24: } 25: 26: // TODO 芋艿:监控相关,暂时无视 27: metrics.registerTaskResult(result, tasks.size()); 28: } 29: } catch (InterruptedException e) { 30: // Ignore 31: } catch (Throwable e) { 32: // Safe-guard, so we never exit this loop in an uncontrolled way. 33: logger.warn("Discovery WorkerThread error", e); 34: } 35: }
第 4 行 :无限循环执行调度,直到关闭。
第 6 行 :调用 getWork()
方法,获取 一个 批量任务直到成功。实现代码如下:
1: private List<TaskHolder<ID, T>> getWork() throws InterruptedException { 2: // 发起请求信号量,并获得批量任务的工作队列 3: BlockingQueue<List<TaskHolder<ID, T>>> workQueue = taskDispatcher.requestWorkItems(); 4: // 【循环】获取批量任务,直到成功 5: List<TaskHolder<ID, T>> result; 6: do { 7: result = workQueue.poll(1, TimeUnit.SECONDS); 8: } while (!isShutdown.get() && result == null); 9: return result; 10: }
第 3 行 :调用 TaskDispatcher#requestWorkItems()
方法,发起请求信号量,并获得批量任务的工作队列。实现代码如下:
// TaskDispatcher.java /** * 批量任务工作请求信号量 */ private final Semaphore batchWorkRequests = new Semaphore(0); /** * 批量任务工作队列 */ private final BlockingQueue<List<TaskHolder<ID, T>>> batchWorkQueue = new LinkedBlockingQueue<>(); BlockingQueue<List<TaskHolder<ID, T>>> requestWorkItems() { batchWorkRequests.release(); return batchWorkQueue; }
batchWorkQueue
) 和单任务工作队列( singleItemWorkQueue
) 是 不同的队列 。 第 5 至 8 行 : 循环 获取 一个 批量任务,直到成功。
第 12 行 :调用 #getTasksOf(...)
方法,获得 实际 批量任务。实现代码如下:
private List<T> getTasksOf(List<TaskHolder<ID, T>> holders){ List<T> tasks = new ArrayList<>(holders.size()); for (TaskHolder<ID, T> holder : holders) { tasks.add(holder.getTask()); } return tasks; }
第 14 至 24 行 :调用处理器( TaskProcessor ) 执行任务。当任务执行结果为 Congestion
或 TransientError
,调用 AcceptorExecutor#reprocess(...)
提交 整个批量任务 重新处理,实现代码如下:
// AcceptorExecutor.java void reprocess(List<TaskHolder<ID, T>> holders, ProcessingResult processingResult){ // 添加到 重新执行队列 reprocessQueue.addAll(holders); // TODO 芋艿:监控相关,暂时无视 replayedTasks += holders.size(); // 提交任务结果给 TrafficShaper trafficShaper.registerFailure(processingResult); }
单任务工作后台线程( SingleTaskWorkerRunnable )执行 #run(...)
方法,调度任务,和 BatchWorkerRunnable#run(...)
基本类似,就不啰嗦了。实现代码如下:
@Override // SingleTaskWorkerRunnable.java public void run(){ try { while (!isShutdown.get()) { // 发起请求信号量,并获得单任务的工作队列 BlockingQueue<TaskHolder<ID, T>> workQueue = taskDispatcher.requestWorkItem(); TaskHolder<ID, T> taskHolder; // 【循环】获取单任务,直到成功 while ((taskHolder = workQueue.poll(1, TimeUnit.SECONDS)) == null) { if (isShutdown.get()) { return; } } // TODO 芋艿:监控相关,暂时无视 metrics.registerExpiryTime(taskHolder); if (taskHolder != null) { // 调用处理器执行任务 ProcessingResult result = processor.process(taskHolder.getTask()); switch (result) { case Success: break; case Congestion: case TransientError: taskDispatcher.reprocess(taskHolder, result); // 提交重新处理 break; case PermanentError: logger.warn("Discarding a task of {} due to permanent error", workerName); } // TODO 芋艿:监控相关,暂时无视 metrics.registerTaskResult(result, 1); } } } catch (InterruptedException e) { // Ignore } catch (Throwable e) { // Safe-guard, so we never exit this loop in an uncontrolled way. logger.warn("Discovery WorkerThread error", e); } }
:smiling_imp: 又是一篇长文。建议边看代码,边对照着整体流程图,理解实际不难。
当然,欢迎你有任何疑问,在我的公众号( 芋道源码 ) 留言。
胖友,分享我的公众号( 芋道源码 ) 给你的胖友可好?