文章内容结构第一部分介绍生产上出现Dubbo服务拥堵的情况，以及Dubbo官方对于单个长连接的使用建议。 第二部分介绍Dubbo在特定配置下的通信过程，辅以代码。 第三部分介绍整个调用过程中与性能相关的一些参数。 第四部分通过调整连接数和TCP缓冲区观察Dubbo的性能。 一、背景生产拥堵回顾近期在一次生产发布过程中，因为突发的流量，出现了拥堵。系统的部署图如下，客户端通过Http协议访问到Dubbo的消费者，消费者通过Dubbo协议访问服务提供者。这是单个机房，8个消费者3个提供者，共两个机房对外服务。 在发布的过程中，摘掉一个机房，让另一个机房对外服务，然后摘掉的机房发布新版本，然后再互换，最终两个机房都以新版本对外服务。问题就出现单机房对外服务的时候，这时候单机房还是老版本应用。以前不知道晚上会有一个高峰，结果当晚的高峰和早上的高峰差不多了，单机房扛不住这么大的流量，出现了拥堵。这些流量的特点是并发比较高，个别交易返回报文较大，因为是一个产品列表页，点击后会发送多个交易到后台。 在问题发生时，因为不清楚状态，先切到另外一个机房，结果也拥堵了，最后整体回退，折腾了一段时间没有问题了。当时有一些现象： (1)提供者的CPU内存等都不高，第一个机房的最高CPU 66%(8核虚拟机)，第二个机房的最高CPU 40%(16核虚拟机)。消费者的最高CPU只有30%多(两个消费者结点位于同一台虚拟机上) (2)在拥堵的时候，服务提供者的Dubbo业务线程池(下面会详细介绍这个线程池)并没满，最多到了300，最大值是500。但是把这个机房摘下后，也就是没有外部的流量了，线程池反而满了，而且好几分钟才把堆积的请求处理完。 (3)通过监控工具统计的每秒进入Dubbo业务线程池的请求数，在拥堵时，时而是0，时而特别大，在日间正常的时候，这个值不存在为0的时候。 事故原因猜测当时其他指标没有检测到异常，也没有打Dump，我们通过分析这些现象以及我们的Dubbo配置，猜测是在网络上发生了拥堵，而影响拥堵的关键参数就是Dubbo协议的连接数，我们默认使用了单个连接，但是消费者数量较少，没能充分把网络资源利用起来。 默认的情况下，每个Dubbo消费者与Dubbo提供者建立一个长连接，Dubbo官方对此的建议是： Dubbo 缺省协议采用单一长连接和 NIO 异步通讯，适合于小数据量大并发的服务调用，以及服务消费者机器数远大于服务提供者机器数的情况。 反之，Dubbo 缺省协议不适合传送大数据量的服务，比如传文件，传视频等，除非请求量很低。 以下也是Dubbo官方提供的一些常见问题回答： 为什么要消费者比提供者个数多?因 dubbo 协议采用单一长连接，假设网络为千兆网卡，根据测试经验数据每条连接最多只能压满 7MByte(不同的环境可能不一样，供参考)，理论上 1 个服务提供者需要 20 个服务消费者才能压满网卡。 为什么不能传大包?因 dubbo 协议采用单一长连接，如果每次请求的数据包大小为 500KByte，假设网络为千兆网卡，每条连接最大 7MByte(不同的环境可能不一样，供参考)，单个服务提供者的 TPS(每秒处理事务数)最大为：128MByte / 500KByte = 262。单个消费者调用单个服务提供者的 TPS(每秒处理事务数)最大为：7MByte / 500KByte = 14。如果能接受，可以考虑使用，否则网络将成为瓶颈。 为什么采用异步单一长连接?因为服务的现状大都是服务提供者少，通常只有几台机器，而服务的消费者多，可能整个网站都在访问该服务，比如 Morgan 的提供者只有 6 台提供者，却有上百台消费者，每天有 1.5 亿次调用，如果采用常规的 hessian 服务，服务提供者很容易就被压跨，通过单一连接，保证单一消费者不会压死提供者，长连接，减少连接握手验证等，并使用异步 IO，复用线程池，防止 C10K 问题。 因为我们的消费者数量和提供者数量都不多，所以很可能是连接数不够，导致网络传输出现了瓶颈。以下我们通过详细分析Dubbo协议和一些实验来验证我们的猜测。 二、Dubbo通信流程详解我们用的Dubbo版本比较老，是2.5.x的，它使用的netty版本是3.2.5，最新版的Dubbo在线程模型上有一些修改，我们以下的分析是以2.5.10为例。 以图和部分代码说明Dubbo协议的调用过程，代码只写了一些关键部分，使用的是netty3，dubbo线程池无队列，同步调用，以下代码包含了Dubbo和Netty的代码。 1.请求入队我们通过Dubbo调用一个rpc服务，调用线程其实是把这个请求封装后放入了一个队列里。这个队列是netty的一个队列，这个队列的定义如下，是一个Linked队列，不限长度。 class NioWorker implements Runnable {... private final Queue<Runnable> writeTaskQueue = new LinkedTransferQueue<Runnable>(); ... } 主线程经过一系列调用，最终通过NioClientSocketPipelineSink类里的方法把请求放入这个队列，放入队列的请求，包含了一个请求ID，这个ID很重要。 2.调用线程等待入队后，netty会返回给调用线程一个Future，然后调用线程等待在Future上。这个Future是Dubbo定义的，名字叫DefaultFuture，主调用线程调用DefaultFuture.get(timeout)，等待通知，所以我们看与Dubbo相关的ThreadDump，经常会看到线程停在这，这就是在等后台返回。 public class DubboInvoker<T> extends AbstractInvoker<T> {... @Override protected Result doInvoke(final Invocation invocation) throws Throwable {... return (Result) currentClient.request(inv, timeout).get(); //currentClient.request(inv, timeout)返回了一个DefaultFuture } ... } 我们可以看一下这个DefaultFuture的实现， public class DefaultFuture implements ResponseFuture {private static final Map<Long, Channel> CHANNELS = new ConcurrentHashMap<Long, Channel>(); private static final Map<Long, DefaultFuture> FUTURES = new ConcurrentHashMap<Long, DefaultFuture>(); // invoke id. private final long id; //Dubbo请求的id，每个消费者都是一个从0开始的long类型 private final Channel channel; private final Request request; private final int timeout; private final Lock lock = new ReentrantLock(); private final Condition done = lock.newCondition(); private final long start = System.currentTimeMillis(); private volatile long sent; private volatile Response response; private volatile ResponseCallback callback; public DefaultFuture(Channel channel, Request request, int timeout) {this.channel = channel; this.request = request; this.id = request.getId(); this.timeout = timeout > 0 ? timeout : channel.getUrl().getPositiveParameter(Constants.TIMEOUT_KEY, Constants.DEFAULT_TIMEOUT); // put into waiting map. FUTURES.put(id, this); //等待时以id为key把Future放入全局的Future Map中，这样回复数据回来了可以根据id找到对应的Future通知主线程 CHANNELS.put(id, channel); } 3.IO线程读取队列里的数据这个工作是由netty的IO线程池完成的，也就是NioWorker，对应的类叫NioWorker。它会死循环的执行select，在select中，会一次性把队列中的写请求处理完，select的逻辑如下： public void run() { for (;;) {.... SelectorUtil.select(selector); proce***egisterTaskQueue(); processWriteTaskQueue(); //先处理队列里的写请求 processSelectedKeys(selector.selectedKeys()); //再处理select事件,读写都可能有 .... } } private void processWriteTaskQueue() throws IOException { for (;;) {final Runnable task = writeTaskQueue.poll();//这个队列就是调用线程把请求放进去的队列 if (task == null) {break; } task.run(); //写数据 cleanUpCancelledKeys(); } } 4.IO线程把数据写到Socket缓冲区这一步很重要，跟我们遇到的性能问题相关，还是NioWorker，也就是上一步的task.run()，它的实现如下： void writeFromTaskLoop(final NioSocketChannel ch) { if (!ch.writeSuspended) { //这个地方很重要，如果writeSuspended了，那么就直接跳过这次写write0(ch); } } private void write0(NioSocketChannel channel) {...... final int writeSpinCount = channel.getConfig().getWriteSpinCount(); //netty可配置的一个参数，默认是16 synchronized (channel.writeLock) {channel.inWriteNowLoop = true; for (;;) { for (int i = writeSpinCount; i > 0; i --) { //每次最多尝试16次localWrittenBytes = buf.transferTo(ch); if (localWrittenBytes != 0) {writtenBytes += localWrittenBytes; break; } if (buf.finished()) {break; } } if (buf.finished()) {// Successful write - proceed to the next message. buf.release(); channel.currentWriteEvent = null; channel.currentWriteBuffer = null; evt = null; buf = null; future.setSuccess(); } else {// Not written fully - perhaps the kernel buffer is full. //重点在这，如果写16次还没写完，可能是内核缓冲区满了，writeSuspended被设置为true addOpWrite = true; channel.writeSuspended = true; ...... } ...... if (open) { if (addOpWrite) {setOpWrite(channel); } else if (removeOpWrite) {clearOpWrite(channel); } } ...... } fireWriteComplete(channel, writtenBytes); } 正常情况下，队列中的写请求要通过processWriteTaskQueue处理掉，但是这些写请求也同时注册到了selector上，如果processWriteTaskQueue写成功，就会删掉selector上的写请求。如果Socket的写缓冲区满了，对于NIO，会立刻返回，对于BIO，会一直等待。Netty使用的是NIO，它尝试16次后，还是不能写成功，它就把writeSuspended设置为true，这样接下来的所有写请求都会被跳过。那什么时候会再写呢？这时候就得靠selector了，它如果发现流量交易socket可写，就把这些数据写进去。 下面是processSelectedKeys里写的过程，因为它是发现socket可写才会写，所以直接把writeSuspended设为false。 void writeFromSelectorLoop(final SelectionKey k) {NioSocketChannel ch = (NioSocketChannel) k.attachment(); ch.writeSuspended = false; write0(ch); } 5.数据从消费者的socket发送缓冲区传输到提供者的接收缓冲区这个是操作系统和网卡实现的，应用层的write写成功了，并不代表对面能收到，当然tcp会通过重传能机制尽量保证对端收到。 6.服务端IO线程从缓冲区读取请求数据这个是服务端的NIO线程实现的，在processSelectedKeys中。 public void run() { for (;;) {.... SelectorUtil.select(selector); proce***egisterTaskQueue(); processWriteTaskQueue(); processSelectedKeys(selector.selectedKeys()); //再处理select事件,读写都可能有 .... } } private void processSelectedKeys(Set<SelectionKey> selectedKeys) throws IOException { for (Iterator<SelectionKey> i = selectedKeys.iterator(); i.hasNext();) {SelectionKey k = i.next(); i.remove(); try {int readyOps = k.readyOps(); if ((readyOps & SelectionKey.OP_READ) != 0 || readyOps == 0) { if (!read(k)) {// Connection already closed - no need to handle write. continue; } } if ((readyOps & SelectionKey.OP_WRITE) != 0) {writeFromSelectorLoop(k); } } catch (CancelledKeyException e) {close(k); } if (cleanUpCancelledKeys()) {break; // break the loop to avoid ConcurrentModificationException } } } private boolean read(SelectionKey k) {...... // Fire the event. fireMessageReceived(channel, buffer); //读取完后，最终会调用这个函数，发送一个收到信息的事件 ...... } 7.IO线程把请求交给Dubbo线程池按配置不同，走的Handler不同，配置dispatch为all，走的handler如下。下面IO线程直接交给一个ExecutorService来处理这个请求，出现了熟悉的报错“Threadpool is exhausted"，业务线程池满时，如果没有队列，就会报这个错。 public class AllChannelHandler extends WrappedChannelHandler {...... public void received(Channel channel, Object message) throws RemotingException {ExecutorService cexecutor = getExecutorService(); try {cexecutor.execute(new ChannelEventRunnable(channel, handler, ChannelState.RECEIVED, message)); } catch (Throwable t) {//TODO A temporary solution to the problem that the exception information can not be sent to the opposite end after the thread pool is full. Need a refactoring //fix The thread pool is full, refuses to call, does not return, and causes the consumer to wait for time out if(message instanceof Request && t instanceof RejectedExecutionException){Request request = (Request)message; if(request.isTwoWay()){ String msg = "Server side(" + url.getIp() + "," + url.getPort() + ") threadpool is exhausted ,detail msg:" + t.getMessage();Response response = new Response(request.getId(), request.getVersion()); response.setStatus(Response.SERVER_THREADPOOL_EXHAUSTED_ERROR); response.setErrorMessage(msg); channel.send(response); return; } } throw new ExecutionException(message, channel, getClass() + " error when process received event .", t); } } ...... } 8.服务端Dubbo线程池处理完请求后，把返回报文放入队列线程池会调起下面的函数 public class HeaderExchangeHandler implements ChannelHandlerDelegate {...... Response handleRequest(ExchangeChannel channel, Request req) throws RemotingException {Response res = new Response(req.getId(), req.getVersion()); ...... // find handler by message class. Object msg = req.getData(); try {// handle data. Object result = handler.reply(channel, msg); //真正的业务逻辑类 res.setStatus(Response.OK); res.setResult(result); } catch (Throwable e) {res.setStatus(Response.SERVICE_ERROR); res.setErrorMessage(StringUtils.toString(e)); } return res; } public void received(Channel channel, Object message) throws RemotingException {...... if (message instanceof Request) {// handle request. Request request = (Request) message; if (request.isTwoWay()) {Response response = handleRequest(exchangeChannel, request); //处理业务逻辑，得到一个Response channel.send(response); //回写response } } ...... } channel.send(response)最终调用了NioServerSocketPipelineSink里的方法把返回报文放入队列。 9.服务端IO线程从队列中取出数据与流程3一样 10.服务端IO线程把回复数据写入Socket发送缓冲区IO线程写数据的时候，写入到TCP缓冲区就算成功了。但是如果缓冲区满了，会写不进去。对于阻塞和非阻塞IO，返回结果不一样，阻塞IO会一直等，而非阻塞IO会立刻失败，让调用者选择策略。 Netty的策略是尝试最多写16次，如果不成功，则暂时停掉IO线程的写操作，等待连接可写时再写，writeSpinCount默认是16，可以通过参数调整。 for (int i = writeSpinCount; i > 0; i --) {localWrittenBytes = buf.transferTo(ch); if (localWrittenBytes != 0) {writtenBytes += localWrittenBytes; break; } if (buf.finished()) {break; } } if (buf.finished()) {// Successful write - proceed to the next message. buf.release(); channel.currentWriteEvent = null; channel.currentWriteBuffer = null; evt = null; buf = null; future.setSuccess(); } else {// Not written fully - perhaps the kernel buffer is full. addOpWrite = true; channel.writeSuspended = true; 11.数据传输数据在网络上传输主要取决于带宽和网络环境。 12.客户端IO线程把数据从缓冲区读出这个过程跟流程6是一样的 13.IO线程把数据交给Dubbo业务线程池这一步与流程7是一样的，这个线程池名字为DubboClientHandler。 14.业务线程池根据消息ID通知主线程先通过HeaderExchangeHandler的received函数得知是Response，然后调用handleResponse， public class HeaderExchangeHandler implements ChannelHandlerDelegate { static void handleResponse(Channel channel, Response response) throws RemotingException { if (response != null && !response.isHeartbeat()) {DefaultFuture.received(channel, response); } } public void received(Channel channel, Object message) throws RemotingException {...... if (message instanceof Response) {handleResponse(channel, (Response) message); } ...... } DefaultFuture根据ID获取Future，通知调用线程 public static void received(Channel channel, Response response) {...... DefaultFuture future = FUTURES.remove(response.getId()); if (future != null) {future.doReceived(response); } ...... } 至此，主线程获取了返回数据，调用结束。 三、影响上述流程的关键参数协议参数我们在使用Dubbo时，需要在服务端配置协议，例如 <dubbo:protocol name="dubbo" port="20880" dispatcher="all" threadpool="fixed" threads="2000" /> 下面是协议中与性能相关的一些参数，在我们的使用场景中，线程池选用了fixed，大小是500，队列为0，其他都是默认值。
服务参数针对每个Dubbo服务，都会有一个配置，全部的参数配置在这： 我们关注几个与性能相关的。在我们的使用场景中，重试次数设置成了0，集群方式用的failfast，其他是默认值。
这次拥堵的主要原因，应该就是服务的connections设置的太小，dubbo不提供全局的连接数配置，只能针对某一个交易做个性化的连接数配置。 四、连接数与Socket缓冲区对性能影响的实验通过简单的Dubbo服务，验证一下连接数与缓冲区大小对传输性能的影响。 我们可以通过修改系统参数，调节TCP缓冲区的大小。 在 /etc/sysctl.conf 修改如下内容， tcp_rmem是发送缓冲区，tcp_wmem是接收缓冲区，三个数值表示最小值，默认值和最大值，我们可以都设置成一样。 net.ipv4.tcp_rmem = 4096 873800 16777216 net.ipv4.tcp_wmem = 4096 873800 16777216 然后执行sysctl –p 使之生效。 服务端代码如下，接受一个报文，然后返回两倍的报文长度，随机sleep 0-300ms，所以均值应该是150ms。服务端每10s打印一次tps和响应时间，这里的tps是指完成函数调用的tps，而不涉及传输，响应时间也是这个函数的时间。 //服务端实现 public String sayHello(String name) {counter.getAndIncrement(); long start = System.currentTimeMillis(); try {Thread.sleep(rand.nextInt(300)); } catch (InterruptedException e) {} String result = "Hello " + name + name + ", response form provider: " + RpcContext.getContext().getLocalAddress(); long end = System.currentTimeMillis(); timer.getAndAdd(end-start); return result; } 客户端起N个线程，每个线程不停的调用Dubbo服务，每10s打印一次qps和响应时间，这个qps和响应时间是包含了网络传输时间的。 for(int i = 0; i < N; i ++) { threads[i] = new Thread(new Runnable() {@Override public void run() { while(true) {Long start = System.currentTimeMillis(); String hello = service.sayHello(z); Long end = System.currentTimeMillis(); totalTime.getAndAdd(end-start); counter.getAndIncrement(); } }}); threads[i].start(); } 通过ss -it命令可以看当前tcp socket的详细信息，包含待对端回复ack的数据Send-Q，最大窗口cwnd，rtt(round trip time)等。 (base) niuxinli@ubuntu:~$ ss -it State Recv-Q Send-Q Local Address:Port Peer Address:Port ESTAB 0 36 192.168.1.7:ssh 192.168.1.4:58931 cubic wscale:8,2 rto:236 rtt:33.837/8.625 ato:40 mss:1460 pmtu:1500 rcvmss:1460 advmss:1460 cwnd:10 bytes_acked:559805 bytes_received:54694 segs_out:2754 segs_in:2971 data_segs_out:2299 data_segs_in:1398 send 3.5Mbps pacing_rate 6.9Mbps delivery_rate 44.8Mbps busy:36820ms unacked:1 rcv_rtt:513649 rcv_space:16130 rcv_ssthresh:14924 minrtt:0.112 ESTAB 0 0 192.168.1.7:36666 192.168.1.7:2181 cubic wscale:7,7 rto:204 rtt:0.273/0.04 ato:40 mss:33344 pmtu:65535 rcvmss:536 advmss:65483 cwnd:10 bytes_acked:2781 bytes_received:3941 segs_out:332 segs_in:170 data_segs_out:165 data_segs_in:165 send 9771.1Mbps lastsnd:4960 lastrcv:4960 lastack:4960 pacing_rate 19497.6Mbps delivery_rate 7621.5Mbps app_limited busy:60ms rcv_space:65535 rcv_ssthresh:66607 minrtt:0.035 ESTAB 0 27474 192.168.1.7:20880 192.168.1.5:60760 cubic wscale:7,7 rto:204 rtt:1.277/0.239 ato:40 mss:1448 pmtu:1500 rcvmss:1448 advmss:1448 cwnd:625 ssthresh:20 bytes_acked:96432644704 bytes_received:49286576300 segs_out:68505947 segs_in:36666870 data_segs_out:67058676 data_segs_in:35833689 send 5669.5Mbps pacing_rate 6801.4Mbps delivery_rate 627.4Mbps app_limited busy:1340536ms rwnd_limited:400372ms(29.9%) sndbuf_limited:433724ms(32.4%) unacked:70 retrans:0/5 rcv_rtt:1.308 rcv_space:336692 rcv_ssthresh:2095692 notsent:6638 minrtt:0.097 通过netstat -nat也能查看当前tcp socket的一些信息，比如Recv-Q, Send-Q。 (base) niuxinli@ubuntu:~$ netstat -nat Active Internet connections (servers and established) Proto Recv-Q Send-Q Local Address Foreign Address State tcp 0 0 0.0.0.0:20880 0.0.0.0:* LISTEN tcp 0 36 192.168.1.7:22 192.168.1.4:58931 ESTABLISHED tcp 0 0 192.168.1.7:36666 192.168.1.7:2181 ESTABLISHED tcp 0 65160 192.168.1.7:20880 192.168.1.5:60760 ESTABLISHED 可以看以下Recv-Q和Send-Q的具体含义： Recv-Q Established: The count of bytes not copied by the user program connected to this socket. Send-Q Established: The count of bytes not acknowledged by the remote host. Recv-Q是已经到了接受缓冲区，但是还没被应用代码读走的数据。Send-Q是已经到了发送缓冲区，但是对方还没有回复Ack的数据。这两种数据正常一般不会堆积，如果堆积了，可能就有问题了。 第一组实验：单连接，改变TCP缓冲区结果：
继续调大缓冲区
我们用netstat或者ss命令可以看到当前的socket情况，下面的第二列是Send-Q大小，是写入缓冲区还没有被对端确认的数据，发送缓冲区最大时64k左右，说明缓冲区不够用。 继续增大缓冲区，到4M，我们可以看到，响应时间进一步下降，但是还是在传输上浪费了不少时间，因为服务端应用层没有压力。
服务端和客户端的TCP情况如下，缓冲区都没有满 <center>服务端</center> <center>客户端</center> 这个时候，再怎么调大TCP缓冲区，也是没用的，因为瓶颈不在这了，而在于连接数。因为在Dubbo中，一个连接会绑定到一个NioWorker线程上，读写都由这一个连接完成，传输的速度超过了单个线程的读写能力，所以我们看到在客户端，大量的数据挤压在接收缓冲区，没被读走，这样对端的传输速率也会慢下来。 第二组实验：多连接，固定缓冲区服务端的纯业务函数响应时间很稳定，在缓冲区较小的时候，调大连接数虽然能让时间降下来，但是并不能到最优，所以缓冲区不能设置太小，Linux一般默认是4M，在4M的时候，4个连接基本上已经能把响应时间降到最低了。
结论要想充分利用网络带宽， 缓冲区不能太小，如果太小有可能一次传输的报文就大于了缓冲区，严重影响传输效率。但是太大了也没有用，还需要多个连接数才能够充分利用CPU资源，连接数起码要超过CPU核数。 |
|
|
