认识Disruptor
Disruptor是一个开源框架,研发的初衷是为了解决高并发下列队锁的问题,最早由 LMAX(一种新型零售金融交易平台)提出并使用,能够在无锁的情况下实现队列的并发操 作,并号称能够在一个线程里每秒处理6百万笔订单(这个真假就不清楚了!牛皮谁都会 吹)。
Github:https://github.com/LMAX-Exchange/disruptor
Disruptor实现了队列的功能并且是一个有界队列,可以用于生产者-消费者模型。
讲到生产消费模型,大家应该马上就能回忆起前面我们已经学习过的BlockingQueue 课程,里面我们学习过多种队列,但是这些队列大多是基于条件阻塞方式的,性能还不够优 秀!
juc下队列存在的问题
队列 | 描述 |
ArrayBlockingQueue | 基于数组结构实现的一个有界阻塞队列 |
LinkedBlockingQueue | 基于链表结构实现的一个无界阻塞队列,指定容量为有界阻塞队列 |
PriorityBlockingQueue | 支持按优先级排序的无界阻塞队列 |
DelayQueue | 基于优先级队列(PriorityBlockingQueue)实现的无界阻塞队列 |
SynchronousQueue | 不存储元素的阻塞队列 |
LinkedTransferQueue | 基于链表结构实现的一个无界阻塞队列 |
LinkedBlockingDeque | 基于链表结构实现的一个双端阻塞队列 |
1. juc下的队列大部分采用加ReentrantLock锁方式保证线程安全。在稳定性要求特别高的系统中,为了防止生产者速度过快,导致内存溢出,只能选择有界队列。
2. 加锁的方式通常会严重影响性能。线程会因为竞争不到锁而被挂起,等待其他线程释放锁而唤醒,这个过程存在很大的开销,而且存在死锁的隐患。
3. 有界队列通常采用数组实现。但是采用数组实现又会引发另外一个问题false sharing(伪共享)。
Disruptor的设计方案
Disruptor通过以下设计来解决队列速度慢的问题:
环形数组结构
为了避免垃圾回收,采用数组而非链表。同时,数组对处理器的缓存机制更加友好(空间局部性原理)。
元素位置定位
数组长度2^n,通过位运算,加快定位的速度。下标采取递增的形式。不用担心index溢出的问题。index是long类型,即使100万QPS的处理速度,也需要30万年才能用完。
无锁设计
每个生产者或者消费者线程,会先申请可以操作的元素在数组中的位置,申请到之后,直接在该位置写入或者读取数据。
利用缓存行填充解决了伪共享的问题
实现了基于事件驱动的生产者消费者模型(观察者模式)
消费者时刻关注着队列里有没有消息,一旦有新消息产生,消费者线程就会立刻把它消费
RingBuffer数据结构
使用RingBuffer来作为队列的数据结构,RingBuffer就是一个可自定义大小的环形数组。除数组外还有一个序列号(sequence),用以指向下一个可用的元素,供生产者与消费者使用。原理图如下所示:
![](https://i-blog.csdnimg.cn/blog_migrate/2f6bfe74c4661f5ffa7e96c1e82b347c.png)
Disruptor要求设置数组长度为2的n次幂。在知道索引(index)下标的情况下,存与取数组上的元素时间复杂度只有O(1),而这个index我们可以通过序列号与数组的长度取模来计算得出,index=sequence % entries.length。也可以用位运算来计算效率更高,此时array.length必须是2的幂次方,index=sequece&(entries.length-1)
当所有位置都放满了,再放下一个时,就会把0号位置覆盖掉
思考:能覆盖数据是否会导致数据丢失呢?
当需要覆盖数据时,会执行一个策略,Disruptor给提供多种策略,比较常用的:
BlockingWaitStrategy策略,常见且默认的等待策略,当这个队列里满了,不执行覆盖,而是阻塞等待。使用ReentrantLock+Condition实现阻塞,最节省cpu,但高并发场景下性能最差。适合CPU资源紧缺,吞吐量和延迟并不重要的场景
SleepingWaitStrategy策略,会在循环中不断等待数据。先进行自旋等待如果不成功,则使用Thread.yield()让出CPU,并最终使用LockSupport.parkNanos(1L)进行线程休眠,以确保不占用太多的CPU资源。因此这个策略会产生比较高的平均延时。典型的应用场景就是异步日志。
YieldingWaitStrategy策略,这个策略用于低延时的场合。消费者线程会不断循环监控缓冲区变化,在循环内部使用Thread.yield()让出CPU给别的线程执行时间。如果需要一个高性能的系统,并且对延时比较有严格的要求,可以考虑这种策略。
BusySpinWaitStrategy策略: 采用死循环,消费者线程会尽最大努力监控缓冲区的变化。对延时非常苛刻的场景使用,cpu核数必须大于消费者线程数量。推荐在线程绑定到固定的CPU的场景下使用
一个生产者单线程写数据的流程
申请写入m个元素;
若是有m个元素可以写入,则返回最大的序列号。这里主要判断是否会覆盖未读的元素;
若是返回的正确,则生产者开始写入元素。
![](https://i-blog.csdnimg.cn/blog_migrate/208e3caf4567f8725aa750b43c3ebc57.png)
多个生产者写数据的流程
多个生产者的情况下,会遇到“如何防止多个线程重复写同一个元素”的问题。Disruptor的解决方法是每个线程获取不同的一段数组空间进行操作。这个通过CAS很容易达到。只需要在分配元素的时候,通过CAS判断一下这段空间是否已经分配出去即可。
但是会遇到一个新问题:如何防止读取的时候,读到还未写的元素。Disruptor在多个生产者的情况下,引入了一个与Ring Buffer大小相同的buffer:available Buffer。当某个位置写入成功的时候,便把availble Buffer相应的位置置位,标记为写入成功。读取的时候,会遍历available Buffer,来判断元素是否已经就绪。
消费者读数据
生产者多线程写入的情况下读数据会复杂很多:
申请读取到序号n;
若writer cursor >= n,这时仍然无法确定连续可读的最大下标。从reader cursor开始读取available Buffer,一直查到第一个不可用的元素,然后返回最大连续可读元素的位置;
消费者读取元素。
如下图所示,读线程读到下标为2的元素,三个线程Writer1/Writer2/Writer3正在向RingBuffer相应位置写数据,写线程被分配到的最大元素下标是11。读线程申请读取到下标从3到11的元素,判断writer cursor>=11。然后开始读取availableBuffer,从3开始,往后读取,发现下标为7的元素没有生产成功,于是WaitFor(11)返回6。然后,消费者读取下标从3到6共计4个元素。
![](https://i-blog.csdnimg.cn/blog_migrate/9717cc06d93f32bb1e7bb9f8795242c6.png)
多个生产者写数据
多个生产者写入的时候:
申请写入m个元素;
若是有m个元素可以写入,则返回最大的序列号。每个生产者会被分配一段独享的空间;
生产者写入元素,写入元素的同时设置available Buffer里面相应的位置,以标记自己哪些位置是已经写入成功的。
如下图所示,Writer1和Writer2两个线程写入数组,都申请可写的数组空间。Writer1被分配了下标3到下表5的空间,Writer2被分配了下标6到下标9的空间。Writer1写入下标3位置的元素,同时把available Buffer相应位置置位,标记已经写入成功,往后移一位,开始写下标4位置的元素。Writer2同样的方式。最终都写入完成。
![](https://i-blog.csdnimg.cn/blog_migrate/bda87924e4b6f220c49db76a2d9574cc.png)
Disruptor核心概念
RingBuffer(环形缓冲区):基于数组的内存级别缓存,是创建sequencer(序号)与定义WaitStrategy(拒绝策略)的入口。
Disruptor(总体执行入口):对RingBuffer的封装,持有RingBuffer、消费者线程池Executor、消费之集合ConsumerRepository等引用。
Sequence(序号分配器):对RingBuffer中的元素进行序号标记,通过顺序递增的方式来管理进行交换的数据(事件/Event),一个Sequence可以跟踪标识某个事件的处理进度,同时还能消除伪共享。
Sequencer(数据传输器):Sequencer里面包含了Sequence,是Disruptor的核心,Sequencer有两个实现类:SingleProducerSequencer(单生产者实现)、MultiProducerSequencer(多生产者实现),Sequencer主要作用是实现生产者和消费者之间快速、正确传递数据的并发算法
SequenceBarrier(消费者屏障):用于控制RingBuffer的Producer和Consumer之间的平衡关系,并且决定了Consumer是否还有可处理的事件的逻辑。
WaitStrategy(消费者等待策略):决定了消费者如何等待生产者将Event生产进Disruptor,WaitStrategy有多种实现策略
Event:从生产者到消费者过程中所处理的数据单元,Event由使用者自定义。
EventHandler:由用户自定义实现,就是我们写消费者逻辑的地方,代表了Disruptor中的一个消费者的接口。
EventProcessor:这是个事件处理器接口,实现了Runnable,处理主要事件循环,处理Event,拥有消费者的Sequence
![](https://i-blog.csdnimg.cn/blog_migrate/95d7a3d9c6004c39ab44e38d2177bed8.png)
框架使用
在项目中我们废弃了原有的juc下的队列,采用了Disruptor这个框架来进行操作日志的处理
构造函数
public Disruptor(
final EventFactory<T> eventFactory, //创建事件(任务)的工厂类
final int ringBufferSize, // 数组大小
final ThreadFactory threadFactory, //用于创建线程的工厂
final ProducerType producerType, // 生产这类型 单个生产个 多个生产这
final WaitStrategy waitStrategy) //等待策略
maven依赖
<!-- disruptor 高速队列-->
<dependency>
<groupId>com.lmax</groupId>
<artifactId>disruptor</artifactId>
<version>3.4.2</version>
</dependency>
创建event事件 和 事件工厂
/**
* 创建事件(任务)的工厂类
*
* @return {@link EventFactory }<{@link BizHanderEvent }> 返回值类型
* @author 余浪
*/
@Bean
public EventFactory<BizHanderEvent> eventEventFactory() {
EventFactory<BizHanderEvent> orderEventEventFactory = new EventFactory<BizHanderEvent>() {
@Override
public BizHanderEvent newInstance() {
return new BizHanderEvent();
}
};
return orderEventEventFactory;
}
/**
* 业务事件
*
* @Date: 2021/3/10 14:33
* @Version: 1.0.0
**/
@Data
public class BizHanderEvent implements Serializable {
/**
* 时间戳
*/
private final long timestamp;
/**
* 事件携带的数据
*/
protected transient Object source;
public BizHanderEvent() {
this.timestamp = System.currentTimeMillis();
}
public BizHanderEvent(Object source) {
this.timestamp = System.currentTimeMillis();
this.source = source;
}
}
创建消费者handler
package com.cloud.common.log.disruptor;
import cn.hutool.core.lang.UUID;
import com.cloud.common.core.disruptor.BizHanderEvent;
import com.cloud.common.log.dao.LogInfoDao;
import com.cloud.common.log.model.SysLog;
import com.lmax.disruptor.EventHandler;
import lombok.Data;
import lombok.extern.slf4j.Slf4j;
import org.springframework.util.IdGenerator;
import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
/**
* 该对象 有多个: 和Symbol的数据对应
* 针对某一个 LogEventHandler,只会同一时间有一个线程来执行它
*
* @author yulang
*/
@Data
@Slf4j
public class LogEventHandler implements EventHandler<BizHanderEvent> {
private LogInfoDao logInfoDao;
private volatile List<SysLog> list = Collections.synchronizedList(new ArrayList<SysLog>(36));
private Integer batchLogSize;
public LogEventHandler(LogInfoDao logInfoDao,Integer batchLogSize) {
this.logInfoDao = logInfoDao;
if(batchLogSize==null || batchLogSize < 5){
batchLogSize = 15;
}
this.batchLogSize = batchLogSize;
}
/**
* 接收到了某个消息
*
* @param event
* @param sequence
* @param endOfBatch
* @throws Exception
*/
@Override
public void onEvent(BizHanderEvent event, long sequence, boolean endOfBatch) throws Exception {
log.info("开始接收log事件============>{}-- sequence:{} -- endOfBatch:{} ", event, sequence, endOfBatch);
// 从ringbuffer 里面接收了某个数据
SysLog order = (SysLog) event.getSource();
order.setUpdateTime(LocalDateTime.now());
order.setId(IdWorkerUtil.getId());
list.add(order);
if (list.size() >= batchLogSize) {
logInfoDao.addLogs(list);
list.clear();
}
log.info("处理完成我们的log事件===================>{}", event);
}
}
定义生产者事件
package com.cloud.common.log.disruptor;
import com.cloud.common.core.disruptor.BizHanderEvent;
import com.cloud.common.log.model.SysLog;
import com.lmax.disruptor.EventTranslatorOneArg;
import com.lmax.disruptor.RingBuffer;
/**
* 在boot里面使用它发送消息
*/
@compent
public class DisruptorTemplate {
private static final EventTranslatorOneArg<BizHanderEvent, SysLog> TRANSLATOR = new EventTranslatorOneArg<BizHanderEvent, SysLog>() {
@Override
public void translateTo(BizHanderEvent event, long sequence, SysLog input) {
event.setSource(input);
}
};
private final RingBuffer<BizHanderEvent> ringBuffer;
public DisruptorTemplate(RingBuffer<BizHanderEvent> ringBuffer) {
this.ringBuffer = ringBuffer;
}
/**
* 我们使用DisruptorTemplate 时,就使用它的onData方法
*
* @param input
*/
public void onData(SysLog input) {
ringBuffer.publishEvent(TRANSLATOR, input);
}
}
其他一些相关的配置类
package com.cloud.common.core.disruptor;
import com.lmax.disruptor.*;
import com.lmax.disruptor.dsl.Disruptor;
import com.lmax.disruptor.dsl.ProducerType;
//import net.openhft.affinity.AffinityThreadFactory;
import org.springframework.boot.context.properties.EnableConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import java.util.concurrent.ThreadFactory;
import static java.util.concurrent.Executors.defaultThreadFactory;
/**
*
* 传统的内存队列如果需要保存线程安全 通过锁 来实现,
* 或者是通过 cas 实现,而 volatile类型的变量进行 CAS 操作,存在伪共享问题
*
* 多核cpu下 ,现在主流的CPU都是多核心(超核)的处理器,每一个核心可以同时执行一个线程,那么计算机在同一时刻就可以执行多条线程(中的指令),
* 由于程序的局部性原理,当多个线程在执行时需要处理物理位置相近的数据时,就会同时将位于同一个缓存行的数据load到缓冲中,
* 多条线程处理了数据时会发现缓存失效的问题,重新从内存中load数据,造成多个线程相互影响,形成伪共享。
*
* 缓存伪共享
* 共享对象存在同一个缓存中,由于MESI协议,一个对象中一些不需要改变的属性因为其他改变的属性,导致整个对象的缓存进入到M被修改状态
*
* 目前的CPU是按照64K的缓存行(Cache Line)进行读取,如果读取的数据在同一个CacheLine,就存在缓存伪共享的问题。
*
* 对象被放入一个CacheLine中,根据MSEI协议,其中一个属性改变,其他所有没有改变的属性也变得不可共享。
*
* 填充Cache Line缓存块
* 通过填充对象,将对象中常被改变的属性和不常改变的属性分开到不通缓存Cache Line中。避免缓存的伪共享。
*
*
* Disruptor 中的 com.lmax.disruptor.Sequence 类包装了一个volatile修饰的 long类型数据 value,无论是Disruptor中的基于数组实现的
* 缓冲区RingBuffer
* value 前后被包围了 7个 long类型的值 ,对于一个大小为64字节的缓存行,它刚好被填补满 所以不会出现伪共享问题
*
*
* @author: 余浪
* @date: 2021/9/5
**/
@Configuration
@EnableConfigurationProperties(value = DisruptorProperties.class)
public class DisruptorAutoConfiguration {
public DisruptorProperties disruptorProperties;
public DisruptorAutoConfiguration(DisruptorProperties disruptorProperties) {
this.disruptorProperties = disruptorProperties;
}
/**
* 创建事件(任务)的工厂类
*
* @return {@link EventFactory }<{@link BizHanderEvent }> 返回值类型
* @author 余浪
*/
@Bean
public EventFactory<BizHanderEvent> eventEventFactory() {
EventFactory<BizHanderEvent> orderEventEventFactory = new EventFactory<BizHanderEvent>() {
@Override
public BizHanderEvent newInstance() {
return new BizHanderEvent();
}
};
return orderEventEventFactory;
}
/**
* 用于创建执行任务的线程。
*
* @return {@link ThreadFactory } 返回值类型
* @author 余浪
*/
@Bean
public ThreadFactory threadFactory() {
return defaultThreadFactory();
}
/**
* 无锁高效的等待策略
*
* @return
*/
@Bean
public WaitStrategy waitStrategy() {
return new SleepingWaitStrategy();
}
/**
* 创建一个RingBuffer
* eventFactory: 事件工厂
* threadFactory: 我们执行者(消费者)的线程该怎么创建
* waitStrategy : 等待策略: 当我们ringBuffer 没有数据时,我们怎么等待
*/
@Bean
public RingBuffer<BizHanderEvent> ringBuffer(
EventFactory<BizHanderEvent> eventFactory,
ThreadFactory threadFactory,
WaitStrategy waitStrategy,
EventHandler<BizHanderEvent>[] eventHandlers) {
/**
* 构建disruptor
*/
Disruptor<BizHanderEvent> disruptor = null;
ProducerType producerType = ProducerType.SINGLE;
if (disruptorProperties.isMultiProducer()) {
producerType = ProducerType.MULTI;
}
disruptor = new Disruptor<BizHanderEvent>(eventFactory, disruptorProperties.getRingBufferSize(), threadFactory, producerType, waitStrategy);
disruptor.setDefaultExceptionHandler(new DisruptorHandlerException());
// 设置消费者---我们的每个消费者代表我们的一个 消息对,有多少个消息对,我们就有多少个eventHandlers ,事件来了后,多个eventHandlers 是并发执行的
disruptor.handleEventsWith(eventHandlers);
RingBuffer<BizHanderEvent> ringBuffer = disruptor.getRingBuffer();
disruptor.start();// 开始监听
final Disruptor<BizHanderEvent> disruptorShutdown = disruptor;
// 使用优雅的停机
Runtime.getRuntime().addShutdownHook(new Thread(
() -> {
disruptorShutdown.shutdown();
}, "DisruptorShutdownThread"
));
return ringBuffer;
}
}
/**
* DisruptorHandlerException 的异常处理
*/
@Slf4j
public class DisruptorHandlerException implements ExceptionHandler {
/**
* <p>Strategy for handling uncaught exceptions when processing an event.</p>
*
* <p>If the strategy wishes to terminate further processing by the {@link BatchEventProcessor}
* then it should throw a {@link RuntimeException}.</p>
*
* @param ex the exception that propagated from the {@link EventHandler}.
* @param sequence of the event which cause the exception.
* @param event being processed when the exception occurred. This can be null.
*/
@Override
public void handleEventException(Throwable ex, long sequence, Object event) {
log.info(" log into db error: {}", ex.getMessage());
log.error("handleEventException Exception===>{} , sequence==> {} ,event===>{} ", ex.getMessage(), sequence, event);
}
/**
* Callback to notify of an exception during {@link LifecycleAware#onStart()}
*
* @param ex throw during the starting process.
*/
@Override
public void handleOnStartException(Throwable ex) {
log.info("OnStartHandler Exception===>{} ", ex.getMessage());
}
/**
* Callback to notify of an exception during {@link LifecycleAware#onShutdown()}
*
* @param ex throw during the shutdown process.
*/
@Override
public void handleOnShutdownException(Throwable ex) {
log.error("OnShutdownHandler Exception===>{} ", ex.getMessage());
}
}
配置属性类
@Data
@ConfigurationProperties(prefix = "spring.disruptor")
public class DisruptorProperties {
/**
* 缓冲区的大小
*/
private Integer ringBufferSize = 1024 * 1024;
/**
* 是否支持多生产者
*/
private boolean isMultiProducer = false;
}
具体使用
package com.cloud.common.log.disruptor;
import cn.hutool.core.util.StrUtil;
import com.alibaba.fastjson.JSON;
import com.cloud.common.core.exception.BizException;
import com.cloud.common.core.util.ResponseResult;
import com.cloud.common.core.util.SsoHolderUtil;
import com.cloud.common.core.util.TenantContextHolder;
import com.cloud.common.core.util.WebUtils;
import com.cloud.common.log.annotation.LogInfo;
import com.cloud.common.log.model.SysLog;
import lombok.extern.slf4j.Slf4j;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.reflect.MethodSignature;
import org.jetbrains.annotations.NotNull;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.core.env.Environment;
import org.springframework.web.context.request.RequestContextHolder;
import org.springframework.web.context.request.ServletRequestAttributes;
import org.springframework.web.multipart.MultipartFile;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import java.time.LocalDateTime;
import java.util.HashMap;
import java.util.Map;
/**
* 操作日志使用spring event异步入库
*/
@Slf4j
@SpringBootTest
public class SysLogTest {
@Autowired
private DisruptorTemplate disruptorTemplate;
@Test
public void logTest() {
SysLog logVo = new SysLog();
//生产日志数据 直接使用模板类进行生产消息即可
disruptorTemplate.onData(logVo);
}
}