前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >TPL Dataflow组件应对高并发,低延迟要求

TPL Dataflow组件应对高并发,低延迟要求

作者头像
有态度的马甲
发布2020-04-16 14:58:37
2.8K0
发布2020-04-16 14:58:37
举报
文章被收录于专栏:精益码农

长话短说

2C互联网业务增长,单机多核的共享内存模式带来的排障问题、编程困难;随着多核时代和分布式系统的到来,共享模型已经不太适合并发编程,因此actor-based模型又重新受到了人们的重视。

---------------------------调试过多线程的都懂-----------------------------

  • 传统编程模型通常使用回调和同步对象(如锁)来协调任务和访问共享数据,从宏观看:若任务的执行需要某些共享资源,不可避免该任务需要关注并抢占资源。
  • actor-based模型是一种流水线模型,actor-based模型share nothing。所有的线程(或进程)通过消息传递的方式进行合作,这些线程(或进程)称为参与者actor,预先定义任务流水线后,不关注数据什么时候流到这个任务,专注完成当前任务本身。

.Net TPL Dataflow组件帮助我们快速实现actor-based模型,当有多个必须异步通信的操作或要等待数据可用再进一步处理时,Dataflow组件非常有用。

TPL Dataflow是微软前几年给出的数据处理库, 内置常见的处理块,可将这些块组装成一个处理管道,"块"对应处理管道中的"阶段任务",可类比AspNetCore 中Middleware和Pipeline。

  • TPL Dataflow库为消息传递、CPU密集型/I-O密集型应用程序提供了编程基础, 可更明确控制数据的暂存方式、移动路线,达到高吞吐量和低延迟。
  • 需要注意的是:TPL Dataflow非分布式数据流,消息在进程内传递 。

TPL Dataflow核心概念

TPL Dataflow 内置的Block覆盖了常见的应用场景,如果内置块不能满足你的要求,你也可以自定“块”。

Block可以划分为下面3类:

  • Buffering Only [Buffer不是缓存Cache的概念,而是一个暂存区的概念]
  • Execution
  • Grouping

使用以上块混搭处理管道, 大多数的块都会执行一个操作,有些时候需要将消息分发到不同Block,这时可使用特殊类型的缓冲块给管道“”分叉”。

Execution Block

可执行的块有两个核心组件:

  • 输入、输出消息的暂存区(一般称为Input,Output队列)
  • 在消息上执行动作的委托

消息在输入和输出时能够被暂存:

当输入的消息速度比Func委托的执行速度比快,后续消息将在到达时暂存;

当下一个块的输入暂存区中无可用空间,将在当前块输出时暂存。

每个块我们可以配置:

  • 暂存区的总容量,默认无上限
  • 执行操作委托的并发度,默认情况下块按照顺序处理消息,一次一个。

将块链接在一起形成处理管道,生产者将消息推向管道。

TPL Dataflow有一个基于pull的机制(使用Receive和TryReceive方法),但我们将在管道中使用块连接和推送机制。

  • TransformBlock(Execution category)-- 由输入输出暂存区和一个Func<TInput, TOutput>委托组成,输入的每个消息,都会输为出另一个,可以使用这个Block去执行消息的转换,或者转发输出的消息到另外一个Block
  • TransformManyBlock (Execution category) -- 由输入输出暂存区和一个Func<TInput, IEnumerable<TOutput>>委托组成, 它为输入的每个消息输出一个IEnumerable<TOutput>
  • BroadcastBlock (Buffering category)-- 只容纳最多1个消息的暂存区和Func<T, T>委托组成(新消息到达会覆盖原消息),委托仅仅为了让你控制怎样克隆这个消息,不做消息转换

该块在需要将消息广播给多个块时很有用(管道分叉)

  • ActionBlock (Execution category)-- 由缓冲区和Action<T>委托组成,它们不再给其他块转发消息,只处理输入的消息,一般作为管道结尾
  • BatchBlock (Grouping category)-- 告诉它你想要的每个批处理的大小,它将累积消息,直到它达到那个大小,然后将它作为一组消息转发到下一个块

其他内建Block类型:BufferBlock、WriteOnceBlock、JoinBlock、BatchedJoinBlock,暂时不会深入。

管道连锁反应

  当B块输入缓冲区达到上限容量,为其供货的上游A块的输出暂存区将开始被填充,当A块输出暂存区已满时,该块必须暂停处理,直到暂存区有空间,这意味着一个Block的处理瓶颈可能导致所有前面的块的暂存区被填满。

但是不是所有的块暂存区满时都会暂停,BroadcastBlock有1个消息的暂存区,每个消息都会被覆盖, 因此如果这个广播块不能及时将消息转发到下游,则在下个消息到达的时候消息将丢失,某种意义上达到一种限流效果(比较残暴).

编程实践

生产者投递消息

可使用Post或者SendAsync方法向首块投递消息:

  • Post方法即时返回true/false,True意味着消息被block接收(暂存区有空余),false意味着拒绝了消息(暂存区已满或者Block已经出错)。
  • SendAsync方法返回一个Task<bool>, 将会以异步的方式阻塞直到块接收、拒绝、块出错。

Post、SendAsync的不同点在于SendAsync可以延迟投递(后置管道的输入buffer不空,得到异步通知后再投递)。

定义流水线管道

按照上图业务定义流水线:

代码语言:javascript
复制
public EqidPairHandler(IHttpClientFactory httpClientFactory, RedisDatabase redisCache, IConfiguration con, LogConfig logConfig, ILoggerFactory loggerFactory)
        {
            _httpClient = httpClientFactory.CreateClient("bce-request");
            _redisDB0 = redisCache[0];
            _redisDB = redisCache;
            _logger = loggerFactory.CreateLogger(nameof(EqidPairHandler));
            var option = new DataflowLinkOptions { PropagateCompletion = true };

            publisher = _redisDB.RedisConnection.GetSubscriber();
            _eqid2ModelTransformBlock = new TransformBlock<EqidPair, EqidModel>
              (
                   // redis piublih 没有做在TransformBlock fun里面, 因为publih失败可能影响后续的block传递
                   eqidPair => EqidResolverAsync(eqidPair),
                   new ExecutionDataflowBlockOptions
                   {
                       MaxDegreeOfParallelism = con.GetValue<int>("MaxDegreeOfParallelism")
                   }
              );
            // https://docs.microsoft.com/en-us/dotnet/standard/parallel-programming/walkthrough-creating-a-dataflow-pipeline
            _logBatchBlock = new LogBatchBlock<EqidModel>(logConfig, loggerFactory);
            _logPublishBlock = new ActionBlock<EqidModel>(x => PublishAsync(x) );
            _broadcastBlock = new BroadcastBlock<EqidModel>(x => x); // 由只容纳一个消息的缓存区和拷贝函数组成
      _broadcastBlock.LinkTo(_logBatchBlock.InputBlock, option);
                  _broadcastBlock.LinkTo(_logPublishBlock, option);
                  _eqid2ModelTransformBlock.LinkTo(_broadcastBlock, option);
        }

仿IIS日志写入组件

异常处理

上述程序在生产部署时遇到相关的坑位:

在测试环境_eqid2ModelTransformBlock块委托函数稳定执行,程序并未出现异样; 部署到生产之后,该Pipeline运行一段时间就停止工作,一直很困惑。

后来通过监测_eqid2ModelTransformBlock.Completion属性,发现该块在执行某次委托时报错,提前进入完成态。

当TPL Dataflow不再处理消息且保证不再处理消息的时候,就被定义为 "完成态", IDataflow.Completion属性(Task对象)标记该状态,Task对象的TaskStatus枚举值描述此Block进入完成态的真实原因。

  • TaskStatus.RanToCompletion "成功完成" 在Block中定义的任务
  • TaskStatus.Fault 因未处理的异常导致"过早的完成"
  • TaskStatus.Canceled 因取消操作导致 "过早的完成"

官方资料表明:某块进入Fault、Cancel状态,都会导致该块提前进入“完成态”,但因Fault、Canceled进入的“完成态”会导致输入暂存区和输出暂存区被清空。 After Fault has been called on a dataflow block, that block will complete, and its Completion task will enter a final state. Faulting a block, as with canceling a block, causes buffered messages (unprocessed input messages as well as unoffered output messages) to be lost.

故需要严肃对待异常,一般情况下我们使用try、catch包含所有的执行代码以确保所有的异常都被处理。

本文作为TPL Dataflow的入门指南(代码较多建议左下角转向原文)

微软技术栈的可持续关注actor-based模型的流水线处理组件,应对单体程序中高并发,低延迟相当巴适。

+ https://docs.microsoft.com/en-us/dotnet/api/system.threading.tasks.dataflow.broadcastblock-1?view=netcore-3.1

+ https://docs.microsoft.com/en-us/dotnet/api/system.threading.tasks.dataflow.idataflowblock.fault?redirectedfrom=MSDN&view=netcore-2.2#System_Threading_Tasks_Dataflow_IDataflowBlock_Fault_System_Exception_

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-12-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 精益码农 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档