《重学Java高并发》Disruptor使用实战

• EventHandler

事件处理器在获取一个可处理的事件后调用EventHandler的onEvent方法，这也是用户自定处理程序的入口，即编写用户业务代码的扩展点。

• ExceptionHandler

异常处理策略。

2、disruptor在canal中的运用

---

首先以笔者在工作中遇到一个经典使用场景来和大家观摩一下disruptor的基本使用。

在互联网行业中有一种经典的读写分离架构：数据异构，以物流下单为示例，通常关系型数据库只负责订单的创建业务，而关于订单查询、订单轨迹查询等查询类业务，通常会去查询es，依此来降低数据库压力，但接踵而来的问题是如何将数据库的数据准实时同步到Es呢？canal闪亮登场，其核心理念就是订阅并解析binlog，其基本的流程如下：

在示例中解析binlog的目的是提取数据的变化，即DML语句(插入、更新、删除)，将这些数据变更在目标端进行重放，为了提高性能，采用disruptor框架提高性能，该如何实现呢？

• 将解析动作分解为两步，第一步判断事件是否是dml事件，即是否需要解析。

• 解析dml

为什么要这样拆分呢？一是将粒度降低，解耦，灵活提供不一样的并发度。

接下来我们看一下canal中是如何使用disruptor来解决该问题的。

2.1 创建EventFactory

首先需要创建一个EventFactory，用于填充RingBuffer中的对象，避免过多垃圾回收。

2.2 创建RingBuffer

根据bingo dump协议，mysql的解析线程创建一个，故该场景下的事件发送者只有一个，创建一个单生产者的RingBuffer，其代码如下：

2.3 创建相关的业务Handler

在该场景中需要定义两个handler，由于是具体的业务逻辑，这里不做详细介绍，简单截图说明如下：

2.4 创建栅栏(顺序性保证)

由于binlog解析场景有一个特殊的场景：并发解析但不能破坏顺序性语义。

2.5创建事件处理器

在解析事件类型、元数据时采用了BatchEventProcessor，但使用了批处理机制；而在解析dml具体数据时采用了WorkProcessor，支持多线程并发解析。

值得注意的是dml解析器必须依赖元数据解析器，故这里需要引入栈栏，具体是利用RingBuffer的addGatingSequences方法依次将自身处理器的sequences加入到RingBuffer中。

2.6 生产者端代码模板

生长者这边主要是将数据写入到RingBuffer中，从而让下游消费。

上述代码的特点：

• 使用 do while 循环，持续放入。

• 首先调用 RingBuffer的tryNext,尝试获取一个可写的序号，如果获取不到，则重试。

• 获取一个可写序号号，将值进行填充，然后调用publish方法进行发布，让消费端可感知。

如果序列器一次可以返回一批序号，则可以在一个批次处理，即降低了获取序号的次数。

---

本文就介绍到这里了，经过上述的讲述，大家对disruptor无锁化的实现原理应该有了一个比较全面而清晰的理解，也欢迎大家关注我的公众号，加我微信dingwpmz，共同探讨交流。

总结

大型分布式系统犹如一个生命，系统中各个服务犹如骨骼，其中的数据犹如血液，而Kafka犹如经络，串联整个系统。这份Kafka源码笔记通过大量的设计图展示、代码分析、示例分享，把Kafka的实现脉络展示在读者面前，帮助读者更好地研读Kafka代码。

麻烦帮忙转发一下这篇文章+关注我

统。这份Kafka源码笔记通过大量的设计图展示、代码分析、示例分享，把Kafka的实现脉络展示在读者面前，帮助读者更好地研读Kafka代码。

麻烦帮忙转发一下这篇文章+关注我

[外链图片转存中…(img-cmcmlyEQ-1716305673224)]