ForkJoin & Quasar
用ForkJoin&Quasar对IO密集型服务进行优化
背景介绍
做业务系统开发面对的服务大都是IO密集型服务,这里指的IO可大致分为如下几种:
- 数据库 IO
- 缓存 IO
- 网络 IO
这里暂时不谈 缓存IO,因为缓存IO都发生在内存上,速度很快,可以忽略这部分IO
也有人可能会疑惑为什么会存在网路IO?
现在稍微大一点的公司都在做微服务,根据业务领域进行服务划分,将服务与服务尽可能的进行解耦,方便管理,方便维护,将开发效率最大化。
但也因此,很多单服务不存在的问题也会随即而来,比如增加网络IO:所有特定业务领域内的服务将可提供服务注册到治理中心,由治理中心进行服务调度分发,服务与服务之间不再简单的通过内存接口进行交流,而是将请求信息通过网络打到所依赖的服务上,网络延迟可是不可避免的。如果网络较好的情况下大概几毫秒到几十毫秒,如果网络不好就可能出现几百毫秒甚至秒级。
这里我们给出个概念图,当请求A
服务时,A
服务要调用B
、C
、D
三个服务,并且要查询一次数据库 E
, 并且将四个结果组装成一个实体返回出去。 如果A
内部代码是顺序处理的,那么这次请求的整体响应时间则为 B
的响应时间+C
的响应时间+D
的响应时间+E
的响应时间+A
内部逻辑处理时间。 (B
的响应时间包括A
请求B
的网络延迟时间)。也就是说A
的响应时间不单单与自己的代码逻辑有关,还要与其他服务的代码逻辑有关,还要与网络延迟有关, 如果其中有一个环节延迟增加都会增加整个请求的响应时间。
一个请求大概是这样的(OtherService包括DB读写):
优化
服务层面的优化的方向大致有下面这几种,优化的地方都是在 MyService
-> OtherService
这一步上:
- 合并多次请求
- 请求异步代理
- 请求并发处理
合并多次请求
将多次请求合并成一次,将单量调用改成批量调用。 这种是变动最小,风险最小的办法,却也是比较难推动的办法。
如果我们调用的服务仅仅提供了单量调用接口,就需要被调用方进行批量接口提供。需要各服务之间协作支持(也许我们提出的是一个比较特别的需求,也许提供接口的性价比不高,很容易遭受到依赖方的拒绝~),这种方法无关技术,属于交流解决问题。
请求异步代理
这种方法需要在 MyService
和 OtherService
之间再介入一层 Agent
,大致结构如下:
当A
要调用OtherService
的时候,会让Agent
异步去请求OtherService
,当Agent
对OtherService
请求有结果的时候将结果异步返回给A
,这样整体的响应时间也就变成 内部逻辑时间 + max(OtherService Response Times
)
但这种架构的修改带来系统稳定性的降低,服务A和服务B、C、D之间的通讯增加了复杂性。同时,因为是异步方式,服务A的业务也要实现异步方式,否则还是一个阻塞的架构。 而且对Agent
的实现也有着比较高的并发要求。
请求并发处理
请求并发处理应该是相对来说比较简单且实用的实现办法, 而且有现成的框架支持并发处理,比如Executor, ForkJoin, Quasar …
Executor
提供现有的线程池,代码简单
ExecutorService executorPool = Executors.newFixedThreadPool(10);
Future<Object> future = executorService.submit(new Callable<Object>() {
public Object call() throws Exception {
OtherService otherService = new OtherService();
return otherService.dispose();
}
})
// future.get() 拿到返回值 OR 异常
ForkJoin
与 Executor 类似, ForkJoin 提供的线程池(感觉不应该叫做线程池了)最大为 cpu核心数,虽然Excutor线程池大小可以自定义,但其实真正能并发运行的不过CPU的核心数那么多,cpu核心数 的线程池感觉足够了。
ForkJoin 还增加了work-stealing(工作窃取算法),为了提高对任务的处理效率。
两个线程队列同时处理任务,如果线程队列1的任务已经处理完毕且没有新任务进来时,如果其他线程队列有任务没处理完,线程1回去其他队列里"偷取"任务用来加快处理。
这里一定是从队列尾偷任务
其实代码写起来也是蛮简单的, 与Executor类似
ForkJoinPool forkJoinPool = new ForkJoinPool();
Future<Object> future = forkJoinPool.submit(new Callable<Object>() {
public Object call() throws Exception {
OtherService otherService = new OtherService();
return otherService.dispose();
}
})
算法和线程池的配置都是封装好的,没什么可以说的。
Quasar
这个是Java的一个实现协程的框架,大致的原理如下:
- Quasar 中存在默认的work线程
- work线程轮询执行协程任务
- 当该任务遇到阻塞的时候(比如IO任务),协程自动挂起
- 当阻塞完成的时候,恢复协程,继续执行
是不是很像“请求异步代理”, work线程就像Agent服务,协程就像抛给Agent的任务,不同是Agent服务(前提是Agent服务是用异步线程实现的,如果用协程实现,没啥区别)将会用异步线程去等待IO并且返回结果,而Quasar的work线程是轮询这些协程任务,有IO完成的便让这个任务返回。
协程不是线程,更不是进程,所以协程并非异步,但却可以充分利用CPU,不要将CPU的宝贵资源浪费在等待IO阻塞上,因为不是线程,所以不用担心线程的维护。更不用担心大量线程阻塞导致系统可用资源下降。
使用代码随下章节给出。
性能比较
我们模拟一下遇到的服务场景,分别用 Executor, ForkJoin, Quasar 进行顺序请求代码的修改,看下效率如何
代码结构如下:
- Main 充当请求方,可以并发对调用MyService中的方法
- MyService 充当我们自己的服务,响应Main进来的请求
- OtherService 充当别人的服务,MyService依赖OtherService中的方法
- OtherService 以Sleep来模拟响应延迟
Main.java
public class Main {
private static ExecutorService executorPool;
private static int poolSize = 300;
private static int requestSize = 300;
private static void init() {
MyService.DEFAULT_DEPEND_COUNT = 5; //MyService 调用其他服务的次数
MyService.disposeType = MyService.DISPOSE_TYPE.COROUTINE; //MyService 处理类型,分为协程,单线程,多线程(forkjoin, executor)
OtherService.IS_RANDOM_DELAY = Boolean.FALSE; // 延迟是否随即生成
OtherService.DEFAULT_DELAY = 500; //默认延迟时间 IS_RANDOM_DELAY==FALSE 时候生效
OtherService.DEFAULT_TIMEOUT = 10000; // 默认超时时间
OtherService.DEFAULT_DELAY_UPPER = 10000; //随机延迟的上限 IS_RANDOM_DELAY==TRUE的时候生效
poolSize = 1; // 请求方线程池的大小 这个无关乎MyService和OtherService
requestSize = 1; //并发请求次数
executorPool = Executors.newFixedThreadPool(poolSize);
}
public static void main(String[] args) {
init();
int successCount = 0;
int failCount = 0;
Long startTime = System.currentTimeMillis();
final CountDownLatch countDownLatch = new CountDownLatch(requestSize);
final List<Future<Boolean>> results = new ArrayList<Future<Boolean>>();
for (int i = 0; i < requestSize; i++) {
results.add(executorPool.submit(new Callable<Boolean>() {
public Boolean call() throws Exception {
boolean result = new MyService().dispose();
countDownLatch.countDown();
return result;
}
}));
}
try {
countDownLatch.await();
} catch (Exception e) {
e.printStackTrace();
}
for (Future<Boolean> future : results) {
try {
if (future.get()) {
successCount++;
} else {
failCount++;
}
} catch (Exception e) {
failCount++;
}
}
Long endTime = System.currentTimeMillis();
System.out.println(String.format("请求完成, 耗时 %s ms, 请求成功%s次, 失败%s次", (endTime - startTime), successCount, failCount));
finish();
}
private static void finish() {
executorPool.shutdown();
}
}
MyService.java
public class MyService {
public static int DEFAULT_DEPEND_COUNT = 3; // 默认依赖其他服务调用次数
public static DISPOSE_TYPE disposeType = DISPOSE_TYPE.SEQUENCE;
private int dependCount = DEFAULT_DEPEND_COUNT;
public enum DISPOSE_TYPE {MULTI_THREAD, FORKJOIN, COROUTINE, SEQUENCE}
public MyService() {
}
public MyService(int dependCount) {
if (dependCount < 0) {
this.dependCount = DEFAULT_DEPEND_COUNT;
}
}
public boolean dispose() {
switch (disposeType) {
case MULTI_THREAD:
return disposeByExecutor();
case COROUTINE:
return disposeByCoroutine();
case FORKJOIN:
return disposeByForkJoin();
default:
return disposeBySequence();
}
}
//forkjoin处理
private boolean disposeByForkJoin() {
boolean result = false;
List<Future<Boolean>> futures = new ArrayList<Future<Boolean>>(dependCount);
//forkjoin 线程池 带work-stealing
ForkJoinPool forkJoinPool = new ForkJoinPool();
final CountDownLatch countDownLatch = new CountDownLatch(dependCount);
for (int i = 0; i < dependCount; i++) {
futures.add(forkJoinPool.submit(new Callable<Boolean>() {
public Boolean call() throws Exception {
OtherService otherService = new OtherService();
boolean result = otherService.dispose();
countDownLatch.countDown();
return result;
}
}));
}
try {
countDownLatch.await();
result = Boolean.TRUE;
for (Future<Boolean> future : futures) {
result &= future.get();
}
} catch (Exception e) {
result = Boolean.FALSE;
}
return result;
}
// 协程处理
private boolean disposeByCoroutine() {
boolean result = false;
List<Fiber<Boolean>> fibers = new ArrayList<Fiber<Boolean>>();
for (int i = 0; i < dependCount; i++) {
fibers.add(new Fiber<Boolean>(new SuspendableCallable<Boolean>() {
public Boolean run() throws SuspendExecution, InterruptedException {
OtherService otherService = new OtherService();
return otherService.dispose();
}
}).start());
}
result = Boolean.TRUE;
try {
for (Fiber<Boolean> fiber : fibers) {
result &= fiber.get();
}
} catch (Exception e) {
result = Boolean.FALSE;
}
return result;
}
// Executor 处理
private boolean disposeByExecutor() {
boolean result = false;
List<Future<Boolean>> futures = new ArrayList<Future<Boolean>>(dependCount);
// 普通executor线程池 不带work-stealing
ExecutorService executorService = Executors.newFixedThreadPool(dependCount);
final CountDownLatch countDownLatch = new CountDownLatch(dependCount);
for (int i = 0; i < dependCount; i++) {
futures.add(executorService.submit(new Callable<Boolean>() {
public Boolean call() throws Exception {
OtherService otherService = new OtherService();
boolean result = otherService.dispose();
countDownLatch.countDown();
return result;
}
}));
}
try {
countDownLatch.await();
result = Boolean.TRUE;
for (Future<Boolean> future : futures) {
result &= future.get();
}
} catch (Exception e) {
result = Boolean.FALSE;
}
executorService.shutdown();
return result;
}
// 顺序处理
private boolean disposeBySequence() {
boolean result = false;
OtherService otherService = new OtherService();
try {
for (int i = 0; i < dependCount; i++) {
// 调用其他服务,300ms的延迟
result = otherService.dispose();
if (!result) {
break;
}
}
} catch (Exception e) {
result = Boolean.FALSE;
}
return result;
}
}
OtherService
public class OtherService {
public static int DEFAULT_TIMEOUT = 3000; //默认超时时间 3s
public static int DEFAULT_DELAY = 300; //默认延迟300ms
public static int DEFAULT_DELAY_UPPER = 5000; //默认延迟上限 10s
public static boolean IS_RANDOM_DELAY = Boolean.FALSE; //延迟随机
// 这个注解是Quasar提供的,表明这个方法发生阻塞的时候是可以被挂起的
@Suspendable
public boolean dispose() {
boolean result = false;
int delay = DEFAULT_DELAY;
if (IS_RANDOM_DELAY) {
Random random = new Random();
delay = random.nextInt(DEFAULT_DELAY_UPPER);
}
if (delay > DEFAULT_TIMEOUT) {
result = false;
} else {
result = true;
}
try {
Strand.sleep(delay);
} catch (Exception e) {
e.printStackTrace();
result = false;
}
return result;
}
}
为了测试方便,在Main中,我们加入了一些可配置的东西,都在init()方法中
测试数据和结果
序号 | 请求次数 | 每次请求MyService调用OtherService次数 | 平均延迟 | 超时时间 | 调用方式 | 响应时间ms | 备注 |
---|---|---|---|---|---|---|---|
1-0 | 1 | 5 | 500ms | 3000ms | SEQUENCE | 2730 | |
1-1 | 1 | 5 | 500ms | 3000ms | MULTI_THREAD | 677 | Executor线程池10 |
1-2 | 1 | 5 | 500ms | 3000ms | FORKJOIN | 1160 | |
1-3 | 1 | 5 | 500ms | 3000ms | COROUTINE | 1146 |
序号 | 请求次数 | 每次请求MyService调用OtherService次数 | 平均延迟 | 超时时间 | 调用方式 | 响应时间ms | 备注 |
---|---|---|---|---|---|---|---|
2-0 | 1 | 1000 | 500ms | 3000ms | SEQUENCE | 这个时间长的不想等了 | |
2-1 | 1 | 1000 | 500ms | 3000ms | MULTI_THREAD | 5235 | Executor线程池10 |
2-2 | 1 | 1000 | 500ms | 3000ms | FORKJOIN | 126118 | |
2-3 | 1 | 1000 | 500ms | 3000ms | COROUTINE | 1146 |
ForkJoin 响应时间长的有点惊人,打印jstack发现仅仅有4个work线程处理任务 jstack
序号 | 请求次数 | 每次请求MyService调用OtherService次数 | 平均延迟 | 超时时间 | 调用方式 | 响应时间ms | 备注 |
---|---|---|---|---|---|---|---|
3-0 | 1000 | 5 | 500ms | 3000ms | SEQUENCE | 3027 | |
3-1 | 1000 | 5 | 500ms | 3000ms | MULTI_THREAD | OOM | Executor线程池10 |
3-2 | 1000 | 5 | 500ms | 3000ms | FORKJOIN | OOM | |
3-3 | 1000 | 5 | 500ms | 3000ms | COROUTINE | 1389 |
序号 | 请求次数 | 每次请求MyService调用OtherService次数 | 平均延迟 | 超时时间 | 调用方式 | 响应时间ms | 备注 |
---|---|---|---|---|---|---|---|
4-0 | 10000 | 3 | 500ms | 3000ms | SEQUENCE | 21186 | |
4-1 | 10000 | 3 | 500ms | 3000ms | MULTI_THREAD | OOM | Executor线程池10 |
4-2 | 10000 | 3 | 500ms | 3000ms | FORKJOIN | OOM | |
4-3 | 10000 | 3 | 500ms | 3000ms | COROUTINE | 5906 |
是不是感觉Quasar的表现棒棒的~
jstack
下面我们把延迟调长点:300000,超时时间:300000,请求次数5,依赖调用次数5次, 看下线程栈(调长点是为了打堆栈可以反应过来) 点击下面的链接可以下载堆栈文件:
👉 SEQUENCE
👉 FORKJOIN
上面堆栈信息可以解释上面几个问题:
- 3-2 / 3-3 的
OOM
:
1000 * 5 数量级的线程被创建,估计很容易被OOM吧~
- 2-2 响应时间
126118ms
上面的数量级打到1000,从jstack来看 ForkJoin 仅仅开了3个work线程,响应时间肯定会很长
- Quasar 底层的work线程是用fork-join-pool实现的
还可以更好
毕竟Sleep模拟IO延迟不太合适,本来是准备了1000W的DB数据做 limit offset
来模拟 DB长时间IO的,但是考虑到多线程读DB有回带来另外的问题,加上实在是太晚了(已经凌晨两点了,第二天还要上班……),所以想了两个办法,1. 找时间搞一搞DB延迟。 2. 拿公司的项目试一下,看压测结果便知道效果了。
如果上面Demo写的哪里有问题,欢迎指出改进。
参考资料
- 聊聊并发
- Java中的纤程库
- 继续了解Java的纤程库
- 超详细 java 中的 ClassLoader 详解
- Quasar官网手册
- 次时代java时代
- 比较编译技术
- java7里的fork-join
- Coroutine in Java - Quasar Fiber实现
- Java并发的四种风味
感谢
感谢公司同事提供的各种帮助和引导,在争论中成长。