本人微信公众号（jwfy）欢迎关注

上一期完成了手写一个RPC框架，看看100个线程同时调用效果如何，但还是遗留了很多问题以及可以优化的点，这次就完全重写之前的代码，演进到v2版本，使得代码逻辑更加规范的同时，引入ZooKeeper辅助完成服务治理。

在代码展示之前还是先介绍一些基本的概念以及设计思路，ZooKeeper是什么，服务治理又是什么等，最后贴了部分关键代码以说明和v1版本的区别，有哪些点的改进措施。

最后还提了个问题：线程池打满了怎么办?，你有什么好的解决方案呢？

ZooKeeper

ZooKeeper（直译为动物管理员，简称zk）是一个分布式、开源的应用协调服务，利用和Paxos类似的ZAB选举算法实现分布式一致性服务。有类似于Unix文件目录的节点信息，同时可以针对节点的变更添加watcher监听以能够即使感知到节点信息变更。可提供的功能例如域名服务、配置维护、同步以及组服务等（此功能介绍来自官网描述：It exposes common services - such as naming, configuration management, synchronization, and group services - in a simple interface）。如下图就是DUBBO存储在ZooKeeper的节点数据情况。

image

在本地启动服务后通过zk客户端连接后也可通过命令查看节点信息，如下图所示。

image

ZooKeeper包含了4种不同含义的功能节点，在每次创建节点之前都需要明确声明节点类型。

ZooKeeper使用之前需要先进行安装，后开启服务端的服务，我们的服务作为客户端连接ZooKeeper以便于后续的操作。具体可参考官网文档Zookeeper3.5.5 官方文档，在实际的java项目开发中也是可以通过maven引入ZkClient或者Curator开源的客户端，在本文学习笔记中是使用的Curator，因为其已经封装了原始的节点注册、数据获取、添加watcher等功能。具体maven引入的版本如下，

<dependency>
    <groupId>org.apache.curator</groupId>
    <artifactId>curator-framework</artifactId>
    <version>4.2.0</version>
</dependency>

<dependency>
    <groupId>org.apache.curator</groupId>
    <artifactId>curator-recipes</artifactId>
    <version>4.2.0</version>
</dependency>

服务治理

服务治理也就是针对服务进行管理的措施，例如服务发现、服务暴露、负载均衡、快速上下线等都是服务治理的具体体现。

• 服务发现：从服务管理中心获取到需要的服务相关信息，例如我们可以从zk中获取相关服务的机器信息，然后我们就可以和具体机器直连完成相关功能
• 服务暴露：服务提供方可以提供什么样子的功能，经过服务暴露暴露出去，其他使用方就可以通过服务发现发现具体的服务提供方信息
• 负载均衡：一般针对的是服务提供方，避免大量请求同时打到一台机器上，采用随机、轮询等措施让请求均分到各个机器上，提供服务效率，限流，灰度等也都是类似的操作，通过动态路由、软负载的形式处理分发请求。
• 快速上线下：以往需要上下线可能需要杀掉机器上的进程，现在只需要让该服务停止暴露即可，实现服务的灵活上下线。

数据处理流程

服务端：服务的提供方，接受网络传输的请求数据、通过网络把应答数据发送给客户端
客户端：服务的调用方，使用本地代理，通过网络把请求数据发送出去，接受服务端返回的应答数据

image

所有的数据传输都是按照上面图片说的流程来的，如果需要添加自定义的序列化工具，则需要在把数据提交到socket的输出流缓冲区之前按照序列化工具完成序列化操作，反序列化则进行反向操作即可。

RPC 实践 V2版本

文件夹目录如下图所示，其中:

• balance文件夹：负载均衡有关
• config文件夹：网络套接字传输的数据模型以及服务暴露、服务发现的数据模型
• core文件夹：核心文件夹，包含了服务端和客户端的请求处理、代理生成等
• demo文件夹：测试试用
• io.protocol文件夹：目前是只有具体的请求对象和网络io的封装
• register：服务注册使用，实现了使用zk进行服务注册和服务发现的操作

image

由于代码太长，只贴部分重要的代码操作。

服务暴露 & 服务发现

public interface ServiceRegister {

    /**
     * 服务注册
     * @param config
     */
    void register(BasicConfig config);

    /**
     * 服务发现，从注册中心获取可用的服务提供方信息
     * @param request
     * @return
     */
    InetSocketAddress discovery(RpcRequest request, ServiceType nodeType);
}

默认使用了CuratorFramework客户端完成zk数据的操作

public class ZkServiceRegister implements ServiceRegister {

    private CuratorFramework client;

    private static final String ROOT_PATH = "jwfy/simple-rpc";

    private LoadBalance loadBalance = new DefaultLoadBalance();

    public ZkServiceRegister() {
        RetryPolicy policy = new ExponentialBackoffRetry(1000, 3);

        this.client = CuratorFrameworkFactory
                .builder()
                .connectString("127.0.0.1:2182")
                .sessionTimeoutMs(50000)
                .retryPolicy(policy)
                .namespace(ROOT_PATH)
                .build();
        // 业务的根路径是 /jwfy/simple-rpc ,其他的都会默认挂载在这里

        this.client.start();
        System.out.println("zk启动正常");
    }

    @Override
    public void register(BasicConfig config) {
        String interfacePath = "/" + config.getInterfaceName();
        try {
            if (this.client.checkExists().forPath(interfacePath) == null) {
                // 创建 服务的永久节点
                this.client.create()
                        .creatingParentsIfNeeded()
                        .withMode(CreateMode.PERSISTENT)
                        .forPath(interfacePath);
            }

            config.getMethods().forEach(method -> {
                try {
                    String methodPath = null;
                    ServiceType serviceType = config.getType();
                    if (serviceType == ServiceType.PROVIDER) {
                        // 服务提供方，需要暴露自身的ip、port信息，而消费端则不需要
                        String address = getServiceAddress(config);
                        methodPath = String.format("%s/%s/%s/%s", interfacePath, serviceType.getType(), method.getMethodName(), address);
                    } else {
                        methodPath = String.format("%s/%s/%s", interfacePath, serviceType.getType(), method.getMethodName());
                    }
                    System.out.println("zk path: [" + methodPath + "]");
                    this.client.create()
                            .creatingParentsIfNeeded()
                            .withMode(CreateMode.EPHEMERAL)
                            .forPath(methodPath, "0".getBytes());
                    // 创建临时节点，节点包含了服务提供段的信息
                } catch (Exception e) {
                    e.getMessage();
                }
            });
        } catch (Exception e) {
            e.getMessage();
        }
    }

    @Override
    public InetSocketAddress discovery(RpcRequest request, ServiceType nodeType) {
        String path = String.format("/%s/%s/%s", request.getClassName(), nodeType.getType(), request.getMethodName());
        try {
            List<String> addressList = this.client.getChildren().forPath(path);
            // 采用负载均衡的方式获取服务提供方信息,不过并没有添加watcher监听模式
            String address = loadBalance.balance(addressList);
            if (address == null) {
                return null;
            }
            return parseAddress(address);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }

    private String getServiceAddress(BasicConfig config) {
        String hostInfo = new StringBuilder()
                .append(config.getHost())
                .append(":")
                .append(config.getPort())
                .toString();
        return hostInfo;
    }

    private InetSocketAddress parseAddress(String address) {
        String[] result = address.split(":");
        return new InetSocketAddress(result[0], Integer.valueOf(result[1]));
    }

    public void setLoadBalance(LoadBalance loadBalance) {
        // 可以重新设置负载均衡的策略
        this.loadBalance = loadBalance;
    }
}

image

服务启动后利用zkclient查询到在zk中包含的节点信息，其中默认的命名空间是jwfy/simple-rpc

负载均衡

public interface LoadBalance {
    String balance(List<String> addressList);
}

public abstract class AbstractLoadBalance implements LoadBalance {

    @Override
    public String balance(List<String> addressList) {
        if (addressList == null || addressList.isEmpty()) {
            return null;
        }
        if (addressList.size() == 1) {
            return addressList.get(0);
        }
        return doLoad(addressList);
    }

    abstract String doLoad(List<String> addressList);
}

public class DefaultLoadBalance extends AbstractLoadBalance {

    @Override
    String doLoad(List<String> addressList) {
        Random random = new Random();
        // 利用随机函数选择一个，其中random.nextIn生成的数据是在[0, size) 之间
        return addressList.get(random.nextInt(addressList.size()));
    }
}

上面的负载均衡代码其实很简单，就是从一个机器列表addressList中选择一个，如果列表为空或者不存在则直接返回null，如果机器只有1台则直接获取返回即可，当列表记录超过1条后利用随机函数生成一个列表偏移量以获取对应数据。也可以按照类似完成更多负载均衡的策略，然后调用setLoadBalance方法就可以了。

IO 处理

public interface MessageProtocol {
    /**
     * 服务端解析从网络传输的数据，转变成request
     * @param inputStream
     * @return
     */
    void serviceToRequest(RpcRequest request, InputStream inputStream);

    /**
     * 服务端把计算机的结果包装好，通过outputStream 返回给客户端
     * @param response
     * @param outputStream
     * @param <T>
     */
     <T> void serviceGetResponse(RpcResponse<T> response, OutputStream outputStream);

    /**
     * 客户端把请求拼接好，通过outputStream发送到服务端
     * @param request
     * @param outputStream
     */
     void clientToRequest(RpcRequest request, OutputStream outputStream);

    /**
     * 客户端接收到服务端响应的结果，转变成response
     * @param response
     * @param inputStream
     */
     void clientGetResponse(RpcResponse response, InputStream inputStream);
}

实现类DefaultMessageProtocol

public class DefaultMessageProtocol implements MessageProtocol {

    @Override
    public void serviceToRequest(RpcRequest request, InputStream inputStream) {
        try {
            ObjectInputStream input = new ObjectInputStream(inputStream);

            request.setClassName(input.readUTF());
            request.setMethodName(input.readUTF());
            request.setParameterTypes((Class<?>[])input.readObject());
            request.setArguments((Object[])input.readObject());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    @Override
    public <T> void serviceGetResponse(RpcResponse<T> response, OutputStream outputStream) {
        try {
            ObjectOutputStream output = new ObjectOutputStream(outputStream);

            output.writeBoolean(response.getError());
            output.writeObject(response.getResult());
            output.writeObject(response.getErrorMessage());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    @Override
    public void clientToRequest(RpcRequest request, OutputStream outputStream) {
        try {
            ObjectOutputStream ouput = new ObjectOutputStream(outputStream);

            ouput.writeUTF(request.getClassName());
            ouput.writeUTF(request.getMethodName());
            ouput.writeObject(request.getParameterTypes());
            ouput.writeObject(request.getArguments());
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    @Override
    public void clientGetResponse(RpcResponse response, InputStream inputStream) {
        try {
            ObjectInputStream input = new ObjectInputStream(inputStream);

            response.setError(input.readBoolean());
            response.setResult(input.readObject());
            response.setErrorMessage((String) input.readObject());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

服务端请求处理

public class ServiceHandler {

    private ThreadPoolExecutor executor = null;
    private RpcService rpcService;
    private MessageProtocol messageProtocol;

    public ServiceHandler(RpcService rpcService) {
        this.rpcService = rpcService;

        ThreadFactory commonThreadName = new ThreadFactoryBuilder()
                .setNameFormat("Parse-Task-%d")
                .build();

        this.executor = new ThreadPoolExecutor(
                10,
                10,
                2,
                TimeUnit.SECONDS,
                new ArrayBlockingQueue<>(200),
                commonThreadName, new RejectedExecutionHandler() {
            @Override
            public void rejectedExecution(Runnable r, ThreadPoolExecutor executor) {
                SocketTask socketTask = (SocketTask) r;
                Socket socket = socketTask.getSocket();
                if (socket != null) {
                    try {
                        socket.close();
                        System.out.println("reject socket:" + socketTask + ", and closed");
                        // 无法及时处理和响应的就快速拒绝掉
                    } catch (IOException e) {
                    }
                }
            }
        });
    }

    public RpcService getRpcService() {
        return rpcService;
    }

    public void setRpcService(RpcService rpcService) {
        this.rpcService = rpcService;
    }

    public MessageProtocol getMessageProtocol() {
        return messageProtocol;
    }

    public void setMessageProtocol(MessageProtocol messageProtocol) {
        this.messageProtocol = messageProtocol;
    }

    public void handler(Socket socket) {
        // 接收到新的套接字，包装成为一个runnable提交给线程去执行
        this.executor.execute(new SocketTask(socket));
    }

    class SocketTask implements Runnable {

        private Socket socket;

        public SocketTask(Socket socket) {
            this.socket = socket;
        }

        public Socket getSocket() {
            return socket;
        }

        @Override
        public void run() {
            try {
                InputStream inputStream = socket.getInputStream();
                OutputStream outputStream = socket.getOutputStream();

                RpcRequest request = new RpcRequest();
                messageProtocol.serviceToRequest(request, inputStream);
                // 获取客户端请求数据，统一包装成RpcRequest
                RpcResponse response = rpcService.invoke(request);
                // 反射调用，得到具体的返回值
                System.out.println("request:[" + request + "], response:[" + response + "]");
                messageProtocol.serviceGetResponse(response, outputStream);
                // 再返回给客户端
            } catch (Exception e) {
                // error
            } finally {
                if (socket != null) {
                    // SOCKET 关闭一定要加上，要不然会出各种事情
                    try {
                        socket.close();
                    } catch (IOException e) {
                        e.printStackTrace();
                    }
                }
            }
        }
    }
}

客户端 代理对象

public class ProxyInstance implements InvocationHandler {

    private RpcClient rpcClient;
    private Class clazz;

    public ProxyInstance(RpcClient client, Class clazz) {
        this.rpcClient = client;
        this.clazz = clazz;
    }

    @Override
    public Object invoke(Object proxy, Method method, Object[] args) throws Throwable {
        RpcRequest request = new RpcRequest();
        request.setClassName(clazz.getName());
        request.setMethodName(method.getName());
        request.setParameterTypes(method.getParameterTypes());
        request.setArguments(args);

        // 获取服务提供方信息，这里既是服务发现的入口，找到一个合适的可用的服务提供方信息
        InetSocketAddress address = rpcClient.discovery(request);
        System.out.println("[" + Thread.currentThread().getName() + "]discover service:" + address);

        // 发起网络请求，得到请求数据
        RpcResponse response = rpcClient.invoke(request, address);
        return response.getResult();
    }
}

上面的InetSocketAddress address = rpcClient.discovery(request)是相比v1多了一个最重要的东西，每次获取请求后都实时从zk中获取对应的服务提供方信息，这就是服务发现。

实践

public class Client {

    public static void main(String[] args) {
        RpcClient rpcClient = new RpcClient();

        rpcClient.subscribe(Calculate.class);
        rpcClient.start();

        Calculate<Integer> calculateProxy = rpcClient.getInstance(Calculate.class);

        for(int i=0; i< 200; i++) {
            new Thread(() -> {
                long start = System.currentTimeMillis();
                int s1 = new Random().nextInt(100);
                int s2 = new Random().nextInt(100);
                int s3 = calculateProxy.add(s1, s2);
                System.out.println("[" + Thread.currentThread().getName() + "]a: " + s1 + ", b:" + s2 + ", c=" + s3 + ", 耗时:" + (System.currentTimeMillis() - start));
            }).start();
        }
    }
}

客户端开启200个线程后，执行结果是顺利执行的，在服务端开启的接受请求被添加到线程池中，而代码中线程池的任务队列长度是200，可以完全的存储200个线程，但是如果我们把客户端请求量从200个改成500个呢，又会出现什么情况？

服务端

image

客户端

image

image

如上述的图片显示，当请求量打满线程池之后，线程池的拒绝策略就开始生效了，在本代码中是直接调用了close操作，而客户端感知到关闭后也会出现io错误，而正常的请求则顺利执行。其中还有输出discover服务发现了服务提供方的机器信息，这也是符合起初的想法的。

这里一定要加上一些策略以及时关闭无法处理的socket，否则就会出现服务提供方无任何可执行，但是服务调用方却还在等待中，因为socket并没有关闭，从而出现资源被占用了，还不执行相关任务。

提个问题：线程池打满了怎么办?

在本demo中采取了非常粗暴的策略，直接丢弃了无法处理的任务，在实际的线上业务中，可以先加机器以能再最短的时间内恢复线上情况，后期结合业务特点提出针对性的解决方案。如果业务接受一定的延迟，可以考虑接入kafka类似的消息队列（削峰是mq的一大特点）；如果对时间要求很高，要么加机器，要么压榨机器性能，可能之前设置的线程池的数量太小，那就需要调节线程池的各个核心数据，修改线程池的任务队列类型也是可以考虑的；此外也有可能是业务耗时太多，无法及时处理完全造成请求堆积导致的，那么就需要考虑业务的同步改异步化。最后线上告警也需要及时完善。

没有绝对的解决方案，只有最合适当下场景的方案，没有银弹，任何不具体结合业务的方案都是扯淡。

总结思考

v2版本相比v1版本修改了整个代码结构，使得结构能够更加明确，引入zookeeper作为服务治理功能，大致介绍了zookeeper的特点以及功能，给服务注册、服务发现、序列化协议等均留下了口子，以便实现自定义的协议，v1的io模型是BIO，v2并没有变化，只是由单线程改造成多线程。

整体而言符合一个简单的rpc框架，依旧还是有很多点可以完善、优化的点，如：

• io模型还是没有替换，后面考虑直接整体接入netty；
• 也不应该每次实时从zk获取节点信息，应该先设置一个本地缓存，再利用zookeeper的watcher功能，开启一个异步线程去监听更新本地缓存，降低和zk交互带来的性能损耗；
• 也没有快速失败、重试的功能，客观情况下存在网络抖动的问题，重试就可以了
• 整体的各种协议约定并没有明确规范，比较混乱

本人微信公众号（搜索jwfy）欢迎关注

微信公众号