乐趣区

关于golang:自适应微服务治理背后的算法

jiezi

前言

go-zero 群里常常有同学问：

服务监控是通过什么算法实现的？

滑动窗口是怎么工作的？是否讲讲这块的原理？

熔断算法是怎么设计的？为啥没有半开半闭状态呢？

本篇文章，来剖析一下 go-zero 中指标统计背地的实现算法和逻辑。

指标怎么统计

这个咱们间接看 breaker：

type googleBreaker struct {
  k     float64
  stat  *collection.RollingWindow
  proba *mathx.Proba
}

go-zero 中默认的 breaker 是以 google SRE 做为实现底本。

当 breaker 在拦挡申请过程中，会记录以后这类申请的胜利 / 失败率：

func (b *googleBreaker) doReq(req func() error, fallback func(err error) error, acceptable Acceptable) error {
  ...
  // 执行理论申请函数
  err := req()
  if acceptable(err) {// 理论执行：b.stat.Add(1)
    // 也就是说：外部指标统计胜利 +1
    b.markSuccess()} else {
    // 原理同上
    b.markFailure()}

  return err
}

所以其实底层说白了就是：申请执行结束，会依据谬误产生次数，外部的统计数据结构会相应地加上统计值(可正可负)。同时随着工夫迁徙，统计值也须要随工夫进化。

简略来说：工夫序列内存数据库【也没数据库这么猛，就是一个存储，只是一个内存版的】

上面就来说说这个工夫序列用什么数据结构组织的。

滑动窗口

咱们来看看 rollingwindow 定义数据结构：

type RollingWindow struct {
    lock          sync.RWMutex
    size          int
    win           *window
    interval      time.Duration
    offset        int
    ignoreCurrent bool
    lastTime      time.Duration
  }

上述构造定义中，window 就存储指标记录属性。

在一个 rollingwindow 蕴含若干个桶（这个看开发者本人定义）：

每一个桶存储了：Sum 胜利总数，Count 申请总数。所以在最初 breaker 做计算的时候，会将 Sum 累计加和为 accepts，Count 累计加和为 total，从而能够统计出以后的错误率。

滑动是怎么产生的

首先对于 breaker 它是须要统计单位工夫（比方 1s）内的申请状态，对应到下面的 bucket 咱们只须要将单位工夫的指标数据记录在这个 bucket 即可。

那咱们怎么保障在工夫后退过程中，指定的 Bucket 存储的就是单位工夫内的数据？

第一个想到的形式：后盾开一个定时器，每隔单位工夫就创立一个 bucket，而后当申请时以后的工夫戳落在 bucket 中，记录以后的申请状态。周期性创立桶会存在临界条件，数据来了，桶还没建好的矛盾。

第二个形式是：惰性创立 bucket，当遇到一个数据再去查看并创立 bucket。这样就有时有桶有时没桶，而且会大量创立 bucket，咱们是否能够复用呢？

go-zero 的形式是：rollingwindow 间接事后创立，申请的以后工夫通过一个算法确定到bucket，并记录申请状态。

上面看看 breaker 调用 b.stat.Add(1) 的过程：

func (rw *RollingWindow) Add(v float64) {rw.lock.Lock()
  defer rw.lock.Unlock()
  // 滑动的动作产生在此
  rw.updateOffset()
  rw.win.add(rw.offset, v)
}

func (rw *RollingWindow) updateOffset() {span := rw.span()
  if span <= 0 {return}

  offset := rw.offset
  // 重置过期的 bucket
  for i := 0; i < span; i++ {rw.win.resetBucket((offset + i + 1) % rw.size)
  }

  rw.offset = (offset + span) % rw.size
  now := timex.Now()
  // 更新工夫
  rw.lastTime = now - (now-rw.lastTime)%rw.interval
}

func (w *window) add(offset int, v float64) {
  // 往执行的 bucket 退出指定的指标
  w.buckets[offset%w.size].add(v)
}

上图就是在 Add(delta) 过程中产生的 bucket 产生的窗口变动。解释一下：

  1. updateOffset 就是做 bucket 更新，以及确定以后工夫落在哪个 bucket 上【超过桶个数间接返回桶个数】，将其之前的 bucket 重置

    • 确定以后工夫绝对于 bucket interval的跨度【超过桶个数间接返回桶个数】
    • 将跨度内的 bucket 都清空数据。reset
    • 更新 offset，也是行将要写入数据的 bucket
    • 更新执行工夫 lastTime，也给下一次挪动做一个标记
  2. 由上一次更新的 offset，向对应的 bucket 写入数据

而在这个过程中，如何确定确定 bucket 过期点，以及更新工夫。滑动窗口最重要的就是工夫更新，上面用图来解释这个过程：

而 bucket 过期点，说白就是 lastTime 即上一个更新工夫逾越了几个 bucket：timex.Since(rw.lastTime) / rw.interval

这样，在 Add() 的过程中，通过 lastTime 和 nowTime 的标注，通过一直重置来实现窗口滑动，新的数据一直补上，从而实现窗口计算。

总结

本文剖析了 go-zero 框架中的指标统计的根底封装、滑动窗口的实现 rollingWindow。当然，除此之外，store/redis 也存在指标统计，这个外面的就不须要滑动窗口计数了，因为自身只须要计算命中率，命中则对 hit +1，不命中则对 miss +1 即可，分指标计数，最初统计一下就晓得命中率。

滑动窗口实用于流控中对指标进行计算，同时也能够做到控流。

对于 go-zero 更多的设计和实现文章，能够关注『微服务实际』公众号。

我的项目地址

https://github.com/tal-tech/go-zero

欢送应用 go-zero 并 star 反对咱们！

微信交换群

关注『微服务实际 』公众号并点击 交换群 获取社区群二维码。

go-zero 系列文章见『微服务实际』公众号

退出移动版