Disruptor 實踐：整合到現有的爬蟲框架
秋天的顏色.jpg
一. Disruptor
Disruptor 是一個高效能的非同步處理框架。
Disruptor 是 LMAX 線上交易平臺的關鍵組成部分，LMAX平臺使用該框架對訂單處理速度能達到600萬TPS，除金融領域之外，其他一般的應用中都可以用到Disruptor，它可以帶來顯著的效能提升。其實 Disruptor 與其說是一個框架，不如說是一種設計思路，這個設計思路對於存在“併發、緩衝區、生產者—消費者模型、事務處理”這些元素的程式來說，Disruptor提出了一種大幅提升效能（TPS）的方案。
二. 實踐
ofollow,noindex">NetDiscovery 是基於 Vert.x、RxJava 2 等框架實現的爬蟲框架。
NetDiscovery 預設的訊息佇列採用 JDK 的 ConcurrentLinkedQueue，由於爬蟲框架各個元件都可以被替換，所以下面基於 Disruptor 實現爬蟲的 Queue。
2.1 事件的封裝
將爬蟲的 request 封裝成一個 RequestEvent，該事件會在 Disruptor 中傳輸。
import com.cv4j.netdiscovery.core.domain.Request;
import lombok.Data;
/**
* Created by tony on 2018/9/1.
*/
@Data
public class RequestEvent {
private Request request;
public String toString() {
return request.toString();
}
}
2.2 釋出事件
下面編寫事件的釋出，從 RingBuffer 中獲取下一個可寫入事件的序號，將爬蟲要請求的 request 設定到 RequestEvent 事件中，最後將事件提交到 RingBuffer。
import com.cv4j.netdiscovery.core.domain.Request; import com.lmax.disruptor.RingBuffer; import java.util.concurrent.atomic.AtomicInteger; /** * Created by tony on 2018/9/2. */ public class Producer { private final RingBuffer<RequestEvent> ringBuffer; private AtomicInteger count = new AtomicInteger(0); // 計數器 public Producer(RingBuffer<RequestEvent> ringBuffer) { this.ringBuffer = ringBuffer; } public void pushData(Request request){ long sequence = ringBuffer.next(); try{ RequestEvent event = ringBuffer.get(sequence); event.setRequest(request); }finally { ringBuffer.publish(sequence); count.incrementAndGet(); } } /** * 傳送到佇列中到Request的數量 * @return */ public int getCount() { return count.get(); } }
2.3 消費事件
RequestEvent 設定了 request 之後，消費者需要處理具體的事件。下面的 Consumer 僅僅是記錄消費者的執行緒名稱以及 request。真正的“消費”還是需要從 DisruptorQueue 的 poll() 中獲取 request ，然後在 Spider 中進行“消費”。
import com.lmax.disruptor.WorkHandler; import lombok.extern.slf4j.Slf4j; import java.util.concurrent.atomic.AtomicInteger; /** * Created by tony on 2018/9/2. */ @Slf4j public class Consumer implements WorkHandler<RequestEvent> { @Override public void onEvent(RequestEvent requestEvent) throws Exception { log.info("consumer:" + Thread.currentThread().getName() + " requestEvent: value=" + requestEvent.toString()); } }
2.4 DisruptorQueue 的實現
Disruptor 支援單生產者單消費者、多生產者、多消費者、分組等方式。
在 NetDiscovery 中採用多生產者多消費者。
在 RingBuffer 建立時，ProducerType 使用 MULTI 型別表示多生產者。建立 RingBuffer 採用了 YieldingWaitStrategy 。YieldingWaitStrategy 是一種WaitStrategy，不同的 WaitStrategy 會有不同的效能。
YieldingWaitStrategy 效能是最好的，適合用於低延遲的系統。在要求極高效能且事件處理線數小於CPU邏輯核心數的場景中，推薦使用此策略；例如，CPU開啟超執行緒的特性。
ringBuffer = RingBuffer.create(ProducerType.MULTI,
new EventFactory<RequestEvent>() {
@Override
public RequestEvent newInstance() {
return new RequestEvent();
}
},
ringBufferSize ,
new YieldingWaitStrategy());
EventProcessor 用於處理 Disruptor 中的事件。
EventProcessor 的實現類包括：BatchEventProcessor 用於單執行緒批量處理事件，WorkProcessor 用於多執行緒處理事件。
WorkerPool 管理著一組 WorkProcessor。建立完 ringBuffer 之後，建立 workerPool：
SequenceBarrier barriers = ringBuffer.newBarrier();
for (int i = 0; i < consumers.length; i++) {
consumers[i] = new Consumer();
}
workerPool = new WorkerPool<RequestEvent>(ringBuffer,
barriers,
new EventExceptionHandler(),
consumers);
啟動 workerPool：
ringBuffer.addGatingSequences(workerPool.getWorkerSequences()); workerPool.start(Executors.newFixedThreadPool(threadNum));
最後是 DisruptorQueue 完整的程式碼：
import com.cv4j.netdiscovery.core.domain.Request;
import com.cv4j.netdiscovery.core.queue.AbstractQueue;
import com.lmax.disruptor.*;
import com.lmax.disruptor.dsl.ProducerType;
import lombok.extern.slf4j.Slf4j;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.AtomicInteger;
/**
* Created by tony on 2018/9/1.
*/
@Slf4j
public class DisruptorQueue extends AbstractQueue {
private RingBuffer<RequestEvent> ringBuffer;
private Consumer[] consumers = null;
private Producer producer = null;
private WorkerPool<RequestEvent> workerPool = null;
private int ringBufferSize = 1024*1024; // RingBuffer 大小，必須是 2 的 N 次方
private AtomicInteger consumerCount = new AtomicInteger(0);
private static final int CONSUME_NUM = 2;
private static final int THREAD_NUM = 4;
public DisruptorQueue() {
this(CONSUME_NUM,THREAD_NUM);
}
public DisruptorQueue(int consumerNum,int threadNum) {
consumers = new Consumer[consumerNum];
//建立ringBuffer
ringBuffer = RingBuffer.create(ProducerType.MULTI,
new EventFactory<RequestEvent>() {
@Override
public RequestEvent newInstance() {
return new RequestEvent();
}
},
ringBufferSize ,
new YieldingWaitStrategy());
SequenceBarrier barriers = ringBuffer.newBarrier();
for (int i = 0; i < consumers.length; i++) {
consumers[i] = new Consumer();
}
workerPool = new WorkerPool<RequestEvent>(ringBuffer,
barriers,
new EventExceptionHandler(),
consumers);
ringBuffer.addGatingSequences(workerPool.getWorkerSequences());
workerPool.start(Executors.newFixedThreadPool(threadNum));
producer = new Producer(ringBuffer);
}
@Override
protected void pushWhenNoDuplicate(Request request) {
producer.pushData(request);
try {
Thread.sleep(100);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
@Override
public Request poll(String spiderName) {
Request request = ringBuffer.get(ringBuffer.getCursor() - producer.getCount() +1).getRequest();
ringBuffer.next();
consumerCount.incrementAndGet();
return request;
}
@Override
public int getLeftRequests(String spiderName) {
return producer.getCount()-consumerCount.get();
}
public int getTotalRequests(String spiderName) {
return super.getTotalRequests(spiderName);
}
static class EventExceptionHandler implements ExceptionHandler {
public void handleEventException(Throwable ex, long sequence, Object event) {
log.debug("handleEventException：" + ex);
}
public void handleOnStartException(Throwable ex) {
log.debug("handleOnStartException：" + ex);
}
public void handleOnShutdownException(Throwable ex) {
log.debug("handleOnShutdownException：" + ex);
}
}
}
其中，pushWhenNoDuplicate() 是將 request 傳送到 ringBuffer 中。poll() 是從 ringBuffer 中取出對應的 request ，用於爬蟲進行網路請求、解析請求等處理。
總結：
爬蟲框架 github 地址： https://github.com/fengzhizi715/NetDiscovery
上述程式碼是比較經典的 Disruptor 多生產者多消費者的程式碼，亦可作為樣板程式碼使用。
最後，在爬蟲框架是面向介面程式設計的，所以替換其中的任意元件都比較方便。