• 对不起,我错了,这代码不好写


    hello,大家好呀,我是小楼。

    前几天不是写了这篇文章《发现一个开源项目优化点,点进来就是你的了》嘛。

    文章介绍了Sentinl的自适应缓存时间戳算法,从原理到实现都手把手解读了,而且还发现Sentinel-Go还未实现这个自适应算法,于是我就觉得,这简单啊,把Java代码翻译成Go不就可以混个PR?

    甚至在文章初稿中把这个描述为:「有手就可以」,感觉不太妥当,后来被我删掉了。

    过了几天,我想去看看有没有人看了我的文章真的去提了个PR,发现仍然是没有,心想,可能是大家太忙(懒)了吧。

    于是准备自己来实现一遍,周末我拿出电脑试着写一下这段代码,结果被当头一棒敲醒,原来这代码不好写啊。

    image

    如何实现

    先简单介绍一下我当时是如何实现的。

    首先,定义了系统的四种状态:

    const (
    	UNINITIALIZED = iota
    	IDLE
    	PREPARE
    	RUNNING
    )
    

    这里为了让代码更加贴近Go的习惯,用了iota

    用了4种状态,第一个状态UNINITIALIZED是Java版里没有的,因为Java在系统初始化时默认就启动了定时缓存时间戳线程。

    但Go版本不是这样的,它有个开关,当开关开启时,会调用StartTimeTicker来启动缓存时间戳的协程,所以当没有初始化时是需要直接返回系统时间戳,所以这里多了一个UNINITIALIZED状态。

    然后我们需要能够统计QPS的方法,这块直接抄Java的实现,由于不是重点,但又怕你不理解,所以直接贴一点代码,不想看可以往下划。

    定义我们需要的BucketWrap:

    type statistic struct {
    	reads  uint64
    	writes uint64
    }
    
    func (s *statistic) NewEmptyBucket() interface{} {
    	return statistic{
    		reads:  0,
    		writes: 0,
    	}
    }
    
    func (s *statistic) ResetBucketTo(bucket *base.BucketWrap, startTime uint64) *base.BucketWrap {
    	atomic.StoreUint64(&bucket.BucketStart, startTime)
    	bucket.Value.Store(statistic{
    		reads:  0,
    		writes: 0,
    	})
    	return bucket
    }
    

    获取当前的Bucket:

    func currentCounter(now uint64) (*statistic, error) {
    	if statistics == nil {
    		return nil, fmt.Errorf("statistics is nil")
    	}
    
    	bk, err := statistics.CurrentBucketOfTime(now, bucketGenerator)
    	if err != nil {
    		return nil, err
    	}
    	if bk == nil {
    		return nil, fmt.Errorf("current bucket is nil")
    	}
    
    	v := bk.Value.Load()
    	if v == nil {
    		return nil, fmt.Errorf("current bucket value is nil")
    	}
    	counter, ok := v.(*statistic)
    	if !ok {
    		return nil, fmt.Errorf("bucket fail to do type assert, expect: *statistic, in fact: %s", reflect.TypeOf(v).Name())
    	}
    
    	return counter, nil
    }
    

    获取当前的QPS:

    func currentQps(now uint64) (uint64, uint64) {
    	if statistics == nil {
    		return 0, 0
    	}
    
    	list := statistics.ValuesConditional(now, func(ws uint64) bool {
    		return ws <= now && now < ws+uint64(bucketLengthInMs)
    	})
    
    	var reads, writes, cnt uint64
    	for _, w := range list {
    		if w == nil {
    			continue
    		}
    
    		v := w.Value.Load()
    		if v == nil {
    			continue
    		}
    
    		s, ok := v.(*statistic)
    		if !ok {
    			continue
    		}
    
    		cnt++
    		reads += s.reads
    		writes += s.writes
    	}
    
    	if cnt < 1 {
    		return 0, 0
    	}
    
    	return reads / cnt, writes / cnt
    }
    

    当我们有了这些准备后,来写核心的check逻辑:

    func check() {
    	now := CurrentTimeMillsWithTicker(true)
    	if now-lastCheck < checkInterval {
    		return
    	}
    
    	lastCheck = now
    	qps, tps := currentQps(now)
    	if state == IDLE && qps > hitsUpperBoundary {
    		logging.Warn("[time_ticker check] switches to PREPARE for better performance", "reads", qps, "writes", tps)
    		state = PREPARE
    	} else if state == RUNNING && qps < hitsLowerBoundary {
    		logging.Warn("[time_ticker check] switches to IDLE due to not enough load", "reads", qps, "writes", tps)
    		state = IDLE
    	}
    }
    

    最后是调用check的地方:

    func StartTimeTicker() {
    	var err error
    	statistics, err = base.NewLeapArray(sampleCount, intervalInMs, bucketGenerator)
    	if err != nil {
    		logging.Warn("[time_ticker StartTimeTicker] new leap array failed", "error", err.Error())
    	}
    
    	atomic.StoreUint64(&nowInMs, uint64(time.Now().UnixNano())/unixTimeUnitOffset)
    	state = IDLE
    	go func() {
    		for {
    			check()
    			if state == RUNNING {
    				now := uint64(time.Now().UnixNano()) / unixTimeUnitOffset
    				atomic.StoreUint64(&nowInMs, now)
    				counter, err := currentCounter(now)
    				if err != nil && counter != nil {
    					atomic.AddUint64(&counter.writes, 1)
    				}
    				time.Sleep(time.Millisecond)
    				continue
    			}
    			if state == IDLE {
    				time.Sleep(300 * time.Millisecond)
    				continue
    			}
    			if state == PREPARE {
    				now := uint64(time.Now().UnixNano()) / unixTimeUnitOffset
    				atomic.StoreUint64(&nowInMs, now)
    				state = RUNNING
    				continue
    			}
    		}
    	}()
    }
    

    自此,我们就实(抄)现(完)了自适应的缓存时间戳算法。

    测试一下

    先编译一下,咚,报错了:import cycle not allowed!

    image

    啥意思呢?循环依赖了!

    我们的时间戳获取方法在包util中,然后我们使用的统计QPS相关的实现在base包中,util包依赖了base包,这个很好理解,反之,base包也依赖了util包,base包主要也使用了CurrentTimeMillis方法来获取当前时间戳,我这里截个图,但不止这些,有好几个地方都使用到了:

    image

    但我写代码时是特地绕开了循环依赖,也就是util中调用base包中的方法是不会反向依赖回来形成环的,为此还单独写了个方法:

    image

    使用新方法,就不会形成依赖环。但实际上编译还是通过不了,这是因为Go在编译时就直接禁止了循环依赖。

    那我就好奇了啊,Java是怎么实现的?

    这是com.alibaba.csp.sentinel.util

    image

    这是com.alibaba.csp.sentinel.slots.statistic.base

    image

    Java也出现了循环依赖,但它没事!

    这瞬间勾起了我的兴趣,如果我让它运行时形成依赖环,会怎么样呢?

    简单做个测试,搞两个包,互相调用,比如pk1pk2code方法都调用对方:

    package org.newboo.pk1;
    
    import org.newboo.pk2.Test2;
    
    public class Test1 {
        public static int code() {
            return Test2.code();
        }
    
        public static void main(String[] args) {
            System.out.println(code());
        }
    }
    

    编译可以通过,但运行报错栈溢出了:

    Exception in thread "main" java.lang.StackOverflowError
    	at org.newboo.pk1.Test1.code(Test1.java:7)
    	at org.newboo.pk2.Test2.code(Test2.java:7)
    	...
    

    这么看来是Go编译器做了校验,强制不允许循环依赖。

    说到这里,其实Java里也有循环依赖校验,比如:Maven不允许循环依赖,比如我在sentinel-core模块中依赖sentinel-benchmark,编译时就直接报错。

    image

    再比如SpringBoot2.6.x默认禁用循环依赖,如果想用,还得手动打开才行。

    Java中强制禁止的只有maven,语言层面、框架层面基本都没有赶尽杀绝,但Go却在语言层面强制不让使用。

    这让我想起了之前在写Go代码时,Go的锁不允许重入,经常写出死锁代码。这搁Java上一点问题都没有,当时我就没想通,为啥Go不支持锁的重入。

    现在看来可能的原因:一是Go的设计者有代码洁癖,想强制约束大家都有良好的代码风格;二是由于Go有循环依赖的强制检测,导致锁重入的概率变小。

    但这终究是理想状态,往往在实施起来的时候令人痛苦。

    反观Java,一开始没有强制禁用循环依赖,导致后面基本不可避免地写出循环依赖的代码,SpringBoot认为这是不好的,但又不能强制,只能默认禁止,但如果你真的需要,也还是可以打开的。

    但话又说回来,循环依赖真的「丑陋」吗?我看不一定,仁者见仁,智者见智。

    如何解决

    问题是这么个问题,可能大家都有不同的观点,或是吐槽Go,或是批判Java,这都不是重点,重点是我们还得在Go的规则下解决问题。

    如何解决Go的循环依赖问题呢?稍微查了一下资料,大概有这么几种方法:

    方法一

    将两个包合成一个,这是最简单的方法,但这里肯定不行,合成一个这个PR铁定过不了。

    方法二

    抽取公共底层方法,双方都依赖这个底层方法。比如这里,我们把底层方法抽出来作为common,util和base同时依赖它,这样util和base就不互相依赖了。

    ---- util
    ---- ---- common
    ---- base
    ---- ---- common
    

    这个方法也是最常见,最正规的方法。

    但在这里,似乎也不好操作。因为获取时间戳这个方法已经非常底层了,没办法抽出一个和统计QPS共用的方法,反正我是没能想出来,如果有读者朋友可以做到,欢迎私聊我,真心求教。

    花了很多时间,还是没能搞定。当时的感觉是,这下翻车了,这题可没那么简单啊!

    方法三

    这个方法比较难想到,我也是在前两个方法怎么都搞不定的情况下咨询了组里的Go大佬才知道。

    仔细看获取时间戳的代码:

    // Returns the current Unix timestamp in milliseconds.
    func CurrentTimeMillis() uint64 {
    	return CurrentClock().CurrentTimeMillis()
    }
    

    这里的CurrentClock()是什么?其实是返回了一个Clock接口的实现

    type Clock interface {
    	Now() time.Time
    	Sleep(d time.Duration)
    	CurrentTimeMillis() uint64
    	CurrentTimeNano() uint64
    }
    

    作者这么写的目的是为了在测试的时候,可以灵活地替换真实实现

    image

    实际使用时RealClock,也就是调用了我们正在调优的时间戳获取;MockClock则是测试时使用的。

    这个实现是什么时候注入的呢?

    func init() {
    	realClock := NewRealClock()
    	currentClock = new(atomic.Value)
    	SetClock(realClock)
    
    	realTickerCreator := NewRealTickerCreator()
    	currentTickerCreator = new(atomic.Value)
    	SetTickerCreator(realTickerCreator)
    }
    

    在util初始化时,就写死注入了realClock。

    这么一细说,是不是对循环依赖的解决有点眉目了?

    我们的realClock实际上依赖了base,但这个realClock可以放在util包外,util包内只留一个接口。

    image

    注入真实的realClock的地方也不能放在util的初始化中,也得放在util包外(比如Sentinel初始化的地方),这样一来,util就不再直接依赖base了。

    image

    这样一改造,编译就能通过了,当然这代码只是个示意,还需要精雕细琢。

    最后

    我们发现就算给你现成的代码,抄起来也是比较难的,有点类似「脑子会了,但手不会」的尴尬境地。

    同时每个编程语言都有自己的风格,也就是我们通常说的,Go代码要写得更「Go」一点,所以语言不止是一个工具这么简单,它的背后也存在着自己的思考方式。

    本文其实是从一个案例分享了如何解决Go的循环依赖问题,以及一些和Java对比的思考,更偏向代码工程。

    如果你觉得还不过瘾,也可以看看这篇文章,也是关于代码工程的:

    看完,记得点个关注在看哦,这样我才有动力持续输出优质技术文章 ~ 我们下期再见吧。


    • 搜索关注微信公众号"捉虫大师",后端技术分享,架构设计、性能优化、源码阅读、问题排查、踩坑实践。

    image

  • 相关阅读:
    使用github创建个人页面,以及git的两种使用方式
    petalinux中加入驱动模块
    Spring Security入门教程,springboot整合Spring Security
    关于内网主备+https
    程序员想通过产品挣钱,首先你产品的目标客户得不差钱 (在线客服系统外传1)
    【AI学习指南】八、PaddlePaddle自然语言处理-PaddleNLP的进阶应用
    C1. k-LCM (easy version)-Codeforces Round #708 (Div. 2)
    贪心算法 Problem N 1013 求最大盈利
    Java对象的比较
    得到 K 个黑块的最少涂色次数
  • 原文地址:https://www.cnblogs.com/zhuochongdashi/p/16335594.html