关于阿里云:Sentinel-Go毫秒级统计数据结构揭秘

6次阅读

共计 6945 个字符，预计需要花费 18 分钟才能阅读完成。

作者：binbin0325

随着微服务的风行，服务和服务之间的稳定性变得越来越重要。在 2020 年，Sentinel 社区推出 Sentinel Go 版本，朝着云原生方向演进。Sentinel Go 是一个流量治理组件，次要以流量为切入点，从流量路由、流量管制、流量整形、熔断降级、零碎自适应过载爱护、热点流量防护等多个维度来帮忙开发者保障微服务的稳定性。

无论是流量管制还是熔断降级，实现的核心思想都是通过统计一段时间内的指标数据（申请数 / 谬误数等），而后依据预选设定的阈值判断是否应该进行流量管控

那么如何存储并统计这一段时间内的指标数据则是外围要害，本文将揭秘 Sentienl-Go 是如何实现的 毫秒级指标数据存储与统计。

在正式介绍之前，先简略介绍一下固定窗口的算法（也叫计数器算法）是实现流量管制比较简单的一种形式。其余常见的还有很多例如滑动工夫窗口算法，漏桶算法，令牌桶算法等等。

固定窗口算法个别是通过原子操作将申请在统计周期内进行累加，而后当申请数大于阈值时进行限流。

实现代码：

var (
    counter    int64 // 计数
    intervalMs int64 = 1000 // 窗口长度(1S)
    threshold  int64 = 2 // 限流阈值
    startTime        = time.Now().UnixMilli() // 窗口开始工夫
)

func main() {
    for i := 0; i < 10; i++ {if tryAcquire() {fmt.Println("胜利申请", time.Now().Unix())
      }
   }
}

func tryAcquire() bool {if time.Now().UnixMilli()-atomic.LoadInt64(&startTime) > intervalMs {atomic.StoreInt64(&startTime, time.Now().UnixMilli())
       atomic.StoreInt64(&counter, 0)
   }
    return atomic.AddInt64(&counter, 1) <= threshold
}

固定窗口的限流在实现上看起来比较简单容易，然而也有一些问题，最典型的就是“边界”问题。

如下图：统计周期为 1S，限流阈值是 2 的状况下，假如 4 次申请恰好“逾越”了固定的工夫窗口，如红色的 1SS 工夫窗口所示会有四次申请，显著不合乎限流的预期。

在滑动工夫窗口算法中能够解决固定窗口算法的边界问题，在滑动窗口算法中通常有两个比拟重要的概念

统计周期：例如想限度 5S 的申请数不能超过 100 次，那么 5S 就是统计周期
窗口 (格子) 的大小：一个周期内会有多个窗口 (格子) 进行指标（例如申请数）的统计，长度相等的统计周期，格子的数量越多，统计的越准确

如下所示：统计周期为 1S，每个周期内分为两个格子，每个格子的长度是 500ms。

在滑动窗口中统计周期以及窗口的大小，须要依据业务状况进行设定。

统计周期统一，窗口大小不统一：窗口越大统计精准度越低，但并发性能好，越小：统计精准度越高，并发性能随之升高；

统计周期不统一，窗口大小统一：周期越长抗流量脉冲状况越好。

上面将具体介绍 Sentinel-Go 是如何应用滑动工夫窗口高效的存储和统计指标数据的。

在滑动工夫窗口中工夫很重要。每个窗口（BocketWrap）的组成是由一个开始工夫和一个形象的统计构造：

type BucketWrap struct {
   // BucketStart represents start timestamp of this statistic bucket wrapper.
   BucketStart uint64
   // Value represents the actual data structure of the metrics (e.g. MetricBucket).
   Value atomic.Value
}

开始工夫：以后格子的的起始工夫

统计构造：存储指标数据，原子操作并发平安

如下图：统计周期 1S，每个窗口的长度是 200ms。

指标数据：

pass: 示意到来的数量，即此刻通过 Sentinel-Go 规定的流量数量
block: 示意被拦挡的流量数量
complete: 示意实现的流量数量，蕴含失常完结和异样完结的状况
error: 示意谬误的流量数量（熔断场景应用）
rt：单次申请的 request time
total：临时无用

如上：整个统计周期内有多个工夫窗口，在 Sentinel-Go 中统计周期是由 slice 实现的，每个元素对应一个窗口。

在下面介绍了为了解决边界问题，滑动工夫窗口统计的过程须要向右滑动。随时工夫的推移，有限的向右滑动，势必会让 slice 继续的扩张，导致 slice 的容量“有限”增长。

为了解决这个问题，在 Sentinel-Go 中实现了一个 工夫轮 的概念，通过固定 slice 长度将过期的工夫窗口重置，节俭空间。

如下：原子工夫轮数据结构

type AtomicBucketWrapArray struct {
   // The base address for real data array
   base unsafe.Pointer // 窗口数组首元素地址
   // The length of slice(array), it can not be modified.
   length int // 窗口数组的长度
   data   []*BucketWrap // 窗口数组}

初始化

1: 依据以后工夫计算出以后工夫对应的窗口的 startime，并失去以后窗口对应的地位

// 计算开始工夫
func calculateStartTime(now uint64, bucketLengthInMs uint32) uint64 {return now - (now % uint64(bucketLengthInMs))
}
// 窗口下标地位
idx := int((now / uint64(bucketLengthInMs)) % uint64(len))

2：初始化窗口数据结构（BucketWrap）

for i := idx; i <= len-1; i++ {
   ww := &BucketWrap{
      BucketStart: startTime,
      Value:       atomic.Value{},}
   ww.Value.Store(generator.NewEmptyBucket())
   ret.data[i] = ww
   startTime += uint64(bucketLengthInMs)
}
for i := 0; i < idx; i++ {
   ww := &BucketWrap{
      BucketStart: startTime,
      Value:       atomic.Value{},}
   ww.Value.Store(generator.NewEmptyBucket())
   ret.data[i] = ww
   startTime += uint64(bucketLengthInMs)
}

3：将窗口数组首元素地址设置到原子工夫轮

// calculate base address for real data array
sliHeader := (*util.SliceHeader)(unsafe.Pointer(&ret.data))
ret.base = unsafe.Pointer((**BucketWrap)(unsafe.Pointer(sliHeader.Data)))

如果对 unsafe.Pointer 和 slice 相熟的同学，对于这段代码不难理解。这里通过 unsafe.Pointer 将底层 slice 首元素（第一个窗口）地址设置到原子工夫轮中。这么做的起因次要是实现对工夫轮中的元素（窗口）进行 原子无锁的读取和更新。

窗口获取 & 窗口替换

如何在并发平安的状况下读取窗口和对窗口进行替换（工夫轮波及到对窗口更新操作）代码如下：

// 获取对应窗口
func (aa *AtomicBucketWrapArray) get(idx int) *BucketWrap {// aa.elementOffset(idx) return the secondary pointer of BucketWrap, which is the pointer to the aa.data[idx]
   // then convert to (*unsafe.Pointer)
   if offset, ok := aa.elementOffset(idx); ok {return (*BucketWrap)(atomic.LoadPointer((*unsafe.Pointer)(offset)))
   }
   return nil
}

// 替换对应窗口
func (aa *AtomicBucketWrapArray) compareAndSet(idx int, except, update *BucketWrap) bool {// aa.elementOffset(idx) return the secondary pointer of BucketWrap, which is the pointer to the aa.data[idx]
   // then convert to (*unsafe.Pointer)
   // update secondary pointer
   if offset, ok := aa.elementOffset(idx); ok {return atomic.CompareAndSwapPointer((*unsafe.Pointer)(offset), unsafe.Pointer(except), unsafe.Pointer(update))
   }
   return false
}

// 获取对应窗口的地址
func (aa *AtomicBucketWrapArray) elementOffset(idx int) (unsafe.Pointer, bool) {
   if idx >= aa.length || idx < 0 {logging.Error(errors.New("array index out of bounds"),
         "array index out of bounds in AtomicBucketWrapArray.elementOffset()",
         "idx", idx, "arrayLength", aa.length)
      return nil, false
   }
   basePtr := aa.base
   return unsafe.Pointer(uintptr(basePtr) + uintptr(idx)*unsafe.Sizeof(basePtr)), true
}

获取窗口：

在 get func 中接管依据以后工夫计算出的窗口对应下标地位
依据下标地位在 elementOffset func 中，首先将底层的 slice 首元素地址转换成 uintptr，而后将窗口对应下标 * 对应的指针字节大小即能够失去对应窗口元素的地址
将对应窗口地址转换成工夫窗口（*BucketWarp）即可

窗口更新：

和获取窗口一样，获取到对应下标地位的窗口地址，而后利用 atomic.CompareAndSwapPointer 进行 cas 更新，将新的窗口指针地址更新到底层数组中。

在原子工夫轮中提供了对窗口读取以及更新的操作。那么 在什么机会触发更新以及如何滑动？

滑动

所谓滑动就是依据以后工夫找到整个统计周期的所有窗口中的数据。例如在限流场景下，咱们须要获取统计周期内的所有 pass 的流量，从而来判断以后流量是否应该被限流。

外围代码：

// 依据以后工夫获取周期内的所有窗口
func (m *SlidingWindowMetric) getSatisfiedBuckets(now uint64) []*BucketWrap {start, end := m.getBucketStartRange(now)
   satisfiedBuckets := m.real.ValuesConditional(now, func(ws uint64) bool {return ws >= start && ws <= end})
   return satisfiedBuckets
}


// 依据以后工夫获取整个周期对应的窗口的开始工夫和完结工夫
func (m *SlidingWindowMetric) getBucketStartRange(timeMs uint64) (start, end uint64) {curBucketStartTime := calculateStartTime(timeMs, m.real.BucketLengthInMs())
   end = curBucketStartTime
   start = end - uint64(m.intervalInMs) + uint64(m.real.BucketLengthInMs())
   return
}

// 匹配符合条件的窗口
func (la *LeapArray) ValuesConditional(now uint64, predicate base.TimePredicate) []*BucketWrap {
   if now <= 0 {return make([]*BucketWrap, 0)
   }
   ret := make([]*BucketWrap, 0, la.array.length)
   for i := 0; i < la.array.length; i++ {ww := la.array.get(i)
      if ww == nil || la.isBucketDeprecated(now, ww) || !predicate(atomic.LoadUint64(&ww.BucketStart)) {continue}
      ret = append(ret, ww)
   }
   return ret
}

如下图所示：统计周期 =1000ms（跨两个格子），now=1300 时计算出 start=500,end=1000

那么在计算周期内的 pass 数量时，会依据如下条件遍历格子，也就会找到开始工夫是 500 和 1000 的两个格子，那么统计的时候 1000 的这个格子中的数据天然也会被统计到。（以后工夫 1300，在 1000 的这个格子中）


satisfiedBuckets := m.real.ValuesConditional(now, func(ws uint64) bool {return ws >= start && ws <= end})

更新

每次流量通过时都会进行相应的指标存储，在存储时会先获取对应的窗口，而后会依据窗口的开始工夫进行比照，如果过期则进行窗口重置。

如下图：依据窗口开始工夫匹配发现 0 号窗口已过期。

如下图：重置窗口的开始工夫和统计指标。

外围代码：

func (la *LeapArray) currentBucketOfTime(now uint64, bg BucketGenerator) (*BucketWrap, error) {
   // 计算以后工夫对应的窗口下标
   idx := la.calculateTimeIdx(now)
   // 计算以后工夫对应的窗口的开始工夫
   bucketStart := calculateStartTime(now, la.bucketLengthInMs)

   for {
     // 获取旧窗口
      old := la.array.get(idx)
      // 如果旧窗口 ==nil 则初始化(失常不会执行这部分代码)
      if old == nil {
         newWrap := &BucketWrap{
            BucketStart: bucketStart,
            Value:       atomic.Value{},}
         newWrap.Value.Store(bg.NewEmptyBucket())
         if la.array.compareAndSet(idx, nil, newWrap) {return newWrap, nil} else {runtime.Gosched()
         }
      // 如果本次计算的开始工夫等于旧窗口的开始工夫，则认为窗口没有过期，间接返回
      } else if bucketStart == atomic.LoadUint64(&old.BucketStart) {
         return old, nil
      //  如果本次计算的开始工夫大于旧窗口的开始工夫，则认为窗口过期尝试重置
      } else if bucketStart > atomic.LoadUint64(&old.BucketStart) {if la.updateLock.TryLock() {old = bg.ResetBucketTo(old, bucketStart)
            la.updateLock.Unlock()
            return old, nil
         } else {runtime.Gosched()
         }
        ......
      } 
}

通过下面的介绍能够理解到在 Sentienl-Go 中实现底层指标的统计代码量并不多，实质是通过“工夫轮”进行指标的数据统计和存储，在工夫轮中借鉴 slice 的底层实现利用 unsafe.Pointer 和 atomic 配合对工夫轮进行无锁的原子操作，极大的晋升了性能。

Sentinel-GO 整体的数据结构图：

张斌斌（Github 账号：binbin0325，公众号：柠檬汁 Code），Sentinel-Golang Committer、ChaosBlade Committer、Nacos PMC、Apache Dubbo-Go Committer。目前次要关注于混沌工程、中间件以及云原生方向。

《golang unsafe.Pointer 应用准则以及 uintptr 暗藏的坑》

https://louyuting.blog.csdn.n…

正文完

阿里云

发表至：阿里云

2023-01-11

0

关于阿里云:从资源弹性到数据弹性乾象如何将云上量化研究效率提升-40

关于阿里云:2022飞天技术峰会硬之城如何基于-SAE-打造数智化电子工业互联网平台

关于阿里云:独家交付秘籍之招式拆解第一回

关于阿里云:阿里云顺利通过云原生中间件成熟度评估

关于运维:秒云荣获四川省创新型中小企业认定

关于阿里云:Sentinel-Go毫秒级统计数据结构揭秘

背景介绍

固定窗口

滑动工夫窗口

统计构造

窗口构造

原子工夫轮

滑动窗口

总结

作者介绍：

文章参考：

站内搜索