上节中我们知道了 Sentinel-Go 大概能做什么事情，最简单的例子如何跑起来
其实我早就写好了本系列的第二篇，但迟迟没有发布，感觉光初始化流程显得有些单一，于是又补充了责任链模式，二合一，内容显得丰富一些。
初始化流程
初始化做了什么
Sentinel-Go 初始化时主要做了以下2件事情：
- 通过各种方式（文件、环境变量等）载入全局配置
- 启动异步的定时任务或服务，如机器 cpu、内存信息收集、metric log 写入等等
初始化流程详解
提供的 API
上节例子中，我们使用了最简单的初始化方式
func InitDefault() error
除此之外，它还提供了另外几种初始化方式
// 使用给定的 parser 方法解析配置的方式来初始化
func InitWithParser(configBytes []byte, parser func([]byte) (*config.Entity, error)) (err error)
// 使用已解析好的配置对象初始化
func InitWithConfig(confEntity *config.Entity) (err error)
// 从 yaml 文件加载配置初始化
func InitWithConfigFile(configPath string) error
从命名能看出它们只是配置的获取方式不一样，其中InitWithParser 有点意思，传入的 parser 是个函数指针，对于 Java 写惯了的我来说还是有点陌生，比如通过 json 解析可以写出如下 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)
配置项
简单看一下 Sentinel-Go 的配置项，首先配置被包装在一个 Entity 中，包含了一个 Version 和 真正的配置信息 SentinelConfig
type Entity struct {
Version string
Sentinel SentinelConfig
}
接着， SentinelConfig 是这样：
type SentinelConfig struct {
App struct {
// 应用名
Name string
// 应用类型：普通应用，网关
Type int32
}
// Exporter 配置
Exporter ExporterConfig
// 日志配置
Log LogConfig
// 统计配置
Stat StatConfig
// 是否缓存时间戳
UseCacheTime bool `yaml:"useCacheTime"`
}
- App 应用信息
- 应用名
- 应用类型：如普通应用、网关应用等
- ExporterConfig：prometheus exporter 暴露服务的端口和 path
type ExporterConfig struct {
Metric MetricExporterConfig
}
type MetricExporterConfig struct {
// http 服务地址，如 ":8080"
HttpAddr string `yaml:"http_addr"`
// http 服务 path，如"/metrics".
HttpPath string `yaml:"http_path"`
}
- LogConfig：包括使用什么logger，日志目录，文件是否使用 pid（防止一台机器部署两个应用日志混合），以及 metric log 的单个文件大小、最多保留文件个数、刷新时间
type LogConfig struct {
// logger，可自定义
Logger logging.Logger
// 日志目录
Dir string
// 是否在日志文件后加 PID
UsePid bool `yaml:"usePid"`
// metric 日志配置
Metric MetricLogConfig
}
type MetricLogConfig struct {
// 单个文件最大占用空间
SingleFileMaxSize uint64 `yaml:"singleFileMaxSize"`
// 最多文件个数
MaxFileCount uint32 `yaml:"maxFileCount"`
// 刷新间隔
FlushIntervalSec uint32 `yaml:"flushIntervalSec"`
}
- StatConfig：统计配置包括资源采集窗口配置，metric 统计的窗口、系统信息收集间隔
type StatConfig struct {
// 全局统计资源的窗口（后续文章再解释）
GlobalStatisticSampleCountTotal uint32 `yaml:"globalStatisticSampleCountTotal"`
GlobalStatisticIntervalMsTotal uint32 `yaml:"globalStatisticIntervalMsTotal"`
// metric 统计的窗口（后续文章再解释）
MetricStatisticSampleCount uint32 `yaml:"metricStatisticSampleCount"`
MetricStatisticIntervalMs uint32 `yaml:"metricStatisticIntervalMs"`
// 系统采集配置
System SystemStatConfig `yaml:"system"`
}
type SystemStatConfig struct {
// 采集默认间隔
CollectIntervalMs uint32 `yaml:"collectIntervalMs"`
// 采集 cpu load 间隔
CollectLoadIntervalMs uint32 `yaml:"collectLoadIntervalMs"`
// 采集 cpu 使用间隔
CollectCpuIntervalMs uint32 `yaml:"collectCpuIntervalMs"`
// 采集内存间隔使用
CollectMemoryIntervalMs uint32 `yaml:"collectMemoryIntervalMs"`
}
配置覆盖
从上文知道，参数可以通过自定义 parser / 文件 / 默认 的方式来传入配置，但后面这个配置还可以用系统的环境变量覆盖，覆盖项目前只包括应用名、应用类型、日志文件使用使用PID 结尾、日志目录
func OverrideConfigFromEnvAndInitLog() error {
// 系统环境变量可覆盖传入的配置
err := overrideItemsFromSystemEnv()
if err != nil {
return err
}
...
return nil
}
启动后台服务
- 启动 聚合 metric 定时任务，聚合后发送到 chan，聚合后的格式如下：
_, 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)
时间戳|时间字符串|名称|通过QPS|阻断QPS|完成QPS|出错QPS|平均RT|已经通过QPS|并发|类别
-
启动 metric 写入日志定时任务，可配置间隔时间（秒级），接受上个任务写入 chan 的数据
-
启动单独 goroutine 收集 cpu 使用率 / load、内存使用，收集间隔可配置，收集到的信息存放在
system_metric下的私有变量
var (
currentLoad atomic.Value
currentCpuUsage atomic.Value
currentMemoryUsage atomic.Value
)
- 若开启，则启动单独 goroutine 缓存时间戳，间隔是 1ms，这个主要是为了高并发下提高获取时间戳的性能
func (t *RealClock) CurrentTimeMillis() uint64 {
// 从缓存获取时间戳
tickerNow := CurrentTimeMillsWithTicker()
if tickerNow > uint64(0) {
return tickerNow
}
return uint64(time.Now().UnixNano()) / UnixTimeUnitOffset
}
获取时，如果拿到 0 则说明未开启缓存时间戳，取当前，如果拿到值说明已开启，可直接使用
- 若配置了 metric exporter，则启动服务，监听端口，暴露 prometheus 的 exporter
责任链模式
什么是责任链模式
可以用这样一张图形象地解释什么是责任链：
责任链模式为每次请求创建了一个链，链上有 N 多个处理者，处理者可在不同阶段处理不同的事情，就像这幅图上的小人，拿到一桶水（请求）后都可以完成各自的事情，比如往头上浇，然后再传递给下一个。
为什么叫责任？因为每个处理者只关心自己的责任，跟自己没关系就递交给链上的下一个处理者。
责任链在哪里有用到？很多开源产品都是用了责任链模式，如 Dubbo、Spring MVC等等
这么设计有什么好处？
- 简化编码难度，抽象出处理模型，只需关注关心的点即可
- 扩展性好，如果需要自定义责任链中的一环或者插拔某一环，非常容易实现
关于扩展性除了大家理解的软件设计中的扩展性外，这里还想提两点，阿里开源的软件其实都有高扩展性这个特性，一是因为是开源，别人使用场景未必和自己一致，留出扩展接口，不符合要求的，用户可以自行实现，二是如果要追溯，阿里开源扩展性 Dubbo 可能算是祖师爷（未考证），Dubbo 作者（梁飞）的博客中说过为什么 Dubbo 要设计这么强的扩展性，他对代码有一定的追求，在他维护时期，代码能保证高质量，但如果项目交给别人，如何才能保持现在的水准呢？于是他设计出一套很强的扩展，后面开发基于这个扩展去做，代码就不会差到哪里去
- 可动态，可针对每个请求构造不同的责任链
Sentinel-Go 责任链设计
先看责任链的数据结构定义，Sentinel-Go 把处理者叫 Slot（插槽），将 Slot 分为了前置统计、规则校验、统计三组，且每组是有有序的
type SlotChain struct {
// 前置准备（有序）
statPres []StatPrepareSlot
// 规则校验（有序）
ruleChecks []RuleCheckSlot
// 统计（有序）
stats []StatSlot
// 上线文对象池（复用对象）
ctxPool *sync.Pool
}
在调用 Entry 开始进入 Sentinel 逻辑时，如果没有手动构造 SlotChain，则使用默认。
为什么这里要设计成三个 Slot组呢？因为每组 Slot 的行为稍有不同，比如前置准备的 Slot 不需要返回值，规则校验组需要返回值，如果校验当前流量不通过，还需要返回原因、类型等信息，统计 Slot 还会有一些入参，比如请求是否失败等等
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)
}
总结
本文从源码角度分析了 Sentinel-Go 的初始化流程和责任链的设计，总体上来说还是比较简单，接下来的系列文章将会分析 Sentinel-Go 的限流熔断等的核心设计与实现。
原创不易，点个关注呗
网友评论