Eureka 源码解析 —— 任务批处理

摘要: 原创出处 http://www.iocoder.cn/Eureka/batch-tasks/ 「芋道源码」欢迎转载，保留摘要，谢谢！

本文主要基于 Eureka 1.8.X 版本

• 1. 概述
• 2. 整体流程
• 3. 任务处理器
• 4. 创建任务分发器
  • 4.1 批量任务执行分发器
  • 4.2 单任务执行分发器

• 5. 创建任务接收执行器
• 6. 创建任务执行器
  • 
    
  • 6.1 创建批量任务执行器
  • 6.2 创建单任务执行器
  • 6.3 工作线程抽象类
  
  
• 7. 网络通信整形器
• 8. 任务接收执行器【处理任务】
• 9. 任务接收线程【调度任务】
• 10. 任务执行器【执行任务】
  • 
    
  • 10.1 批量任务工作线程
  • 10.2 单任务工作线程
  
  

• ---

  
  

  1. 概述

  本文主要分享 任务批处理。Eureka-Server 集群通过任务批处理同步应用实例注册实例，所以本文也是为 Eureka-Server 集群同步的分享做铺垫。

  本文涉及类在 com.netflix.eureka.util.batcher 包下，涉及到主体类的类图如下( 打开大图 )：

  

  • 紫色部分 —— 任务分发器
  • 蓝色部分 —— 任务接收器
  • 红色部分 —— 任务执行器
  • 绿色部分 —— 任务处理器
  • 黄色部分 —— 任务持有者( 任务 )

  推荐 Spring Cloud 书籍：

  • 请支持正版。下载盗版，等于主动编写低级 BUG 。
  • 程序猿DD —— 《Spring Cloud微服务实战》
  • 周立 —— 《Spring Cloud与Docker微服务架构实战》
  • 两书齐买，京东包邮。

  2. 整体流程

  任务执行的整体流程如下( 打开大图 )：

  

  • 细箭头 —— 任务执行经历的操作
  • 粗箭头 —— 任务队列流转的方向

  • 不同于一般情况下，任务提交了立即同步或异步执行，任务的执行拆分了三层队列：

    • 第一层，接收队列( acceptorQueue )，重新处理队列( reprocessQueue )。

      • 蓝线：分发器在收到任务执行请求后，提交到接收队列，任务实际未执行。
      • 黄线：执行器的工作线程处理任务失败，将符合条件( 见 「3. 任务处理器」 )的失败任务提交到重新执行队列。

      • 第二层，待执行队列( processingOrder )

        • 粉线：接收线程( Runner )将重新执行队列，接收队列提交到待执行队列。

      • 第三层，工作队列( workQueue )

        • 粉线：接收线程( Runner )将待执行队列的任务根据参数( maxBatchingSize )将任务合并成批量任务，调度( 提交 )到工作队列。
        • 黄线：执行器的工作线程池，一个工作线程可以拉取一个批量任务进行执行。

      
      
    
    

  • 三层队列的好处：

    • 接收队列，避免处理任务的阻塞等待。
    • 接收线程( Runner )合并任务，将相同任务编号( 是的，任务是带有编号的 )的任务合并，只执行一次。
    • Eureka-Server 为集群同步提供批量操作多个应用实例的接口，一个批量任务可以一次调度接口完成，避免多次调用的开销。当然，这样做的前提是合并任务，这也导致 Eureka-Server 集群之间对应用实例的注册和下线带来更大的延迟。毕竟，Eureka 是在 CAP 之间，选择了 AP。

  
  

  3. 任务处理器

  com.netflix.eureka.util.batcher.TaskProcessor ，任务处理器接口。接口代码如下：

  
  

  public interface TaskProcessor<T> { / * A processed task/task list ends up in one of the following states: * <ul> * <li>{@code Success} processing finished successfully</li> * <li>{@code TransientError} processing failed, but shall be retried later</li> * <li>{@code PermanentError} processing failed, and is non recoverable</li> * </ul> / enum ProcessingResult { / 成功 / Success, / 拥挤错误 / Congestion, / 瞬时错误 / TransientError, / 永久错误 / PermanentError } / 处理单任务 * In non-batched mode a single task is processed at a time. / ProcessingResult process(T task); /* * 处理批量任务 For batched mode a collection of tasks is run at a time. The result is provided for the aggregated result, * and all tasks are handled in the same way according to what is returned (for example are rescheduled, if the * error is transient). */ ProcessingResult process(List<T> tasks); }

  • ProcessingResult ，处理任务结果。
    • Success ，成功。
    • Congestion ，拥挤错误，任务将会被重试。例如，请求被限流。
    • TransientError ，瞬时错误，任务将会被重试。例如，网络请求超时。
    • PermanentError ，永久错误，任务将会被丢弃。例如，执行时发生程序异常。

  • #process(task) 方法，处理单任务。
  • #process(tasks) 方法，处理批量任务。
  
  

  4. 创建任务分发器

  com.netflix.eureka.util.batcher.TaskDispatcher ，任务分发器接口。接口代码如下：

  
  

  public interface TaskDispatcher<ID, T> { void process(ID id, T task, long expiryTime); void shutdown(); }

  • #process(...) 方法，提交任务编号，任务，任务过期时间给任务分发器处理。

  com.netflix.eureka.util.batcher.TaskDispatchers ，任务分发器工厂类，用于创建任务分发器。其内部提供两种任务分发器的实现：

  • 批量任务执行的分发器，用于 Eureka-Server 集群注册信息的同步任务。
  • 单任务执行的分发器，用于 Eureka-Server 向亚马逊 AWS 的 ASG ( Autoscaling Group ) 同步状态。虽然本系列暂时对 AWS 相关的不做解析，从工具类的角度来说，本文会对该分发器进行分享。

  com.netflix.eureka.cluster.ReplicationTaskProcessor ，实现 TaskDispatcher ，Eureka-Server 集群任务处理器。感兴趣的同学，可以点击链接自己研究，我们将在 《Eureka 源码解析 —— Eureka-Server 集群同步》 有详细解析。

  4.1 批量任务执行分发器

  调用 TaskDispatchers#createBatchingTaskDispatcher(...) 方法，创建批量任务执行的分发器，实现代码如下：

  
  

  // TaskDispatchers.java 1: /* 2: 创建批量任务执行的分发器 3: 4: @param id 任务执行器编号 5: * @param maxBufferSize 待执行队列最大数量 6: * @param workloadSize 单个批量任务包含任务最大数量 7: * @param workerCount 任务执行器工作线程数 8: * @param maxBatchingDelay 批量任务等待最大延迟时长，单位：毫秒 9: * @param congestionRetryDelayMs 请求限流延迟重试时间，单位：毫秒 10: * @param networkFailureRetryMs 网络失败延迟重试时长，单位：毫秒 11: * @param taskProcessor 任务处理器 12: * @param <ID> 任务编号泛型 13: * @param <T> 任务泛型 14: * @return 批量任务执行的分发器 15: */ 16: public static <ID, T> TaskDispatcher<ID, T> createBatchingTaskDispatcher(String id, 17: int maxBufferSize, 18: int workloadSize, 19: int workerCount, 20: long maxBatchingDelay, 21: long congestionRetryDelayMs, 22: long networkFailureRetryMs, 23: TaskProcessor<T> taskProcessor) { 24: // 创建 任务接收执行器 25: final AcceptorExecutor<ID, T> acceptorExecutor = new AcceptorExecutor<>( 26: id, maxBufferSize, workloadSize, maxBatchingDelay, congestionRetryDelayMs, networkFailureRetryMs 27: ); 28: // 创建 批量任务执行器 29: final TaskExecutors<ID, T> taskExecutor = TaskExecutors.batchExecutors(id, workerCount, taskProcessor, acceptorExecutor); 30: // 创建 批量任务分发器 31: return new TaskDispatcher<ID, T>() { 32: @Override 33: public void process(ID id, T task, long expiryTime) { 34: acceptorExecutor.process(id, task, expiryTime); 35: } 36: 37: @Override 38: public void shutdown() { 39: acceptorExecutor.shutdown(); 40: taskExecutor.shutdown(); 41: } 42: }; 43: }

  • 第 1 至 23 行 ：方法参数。比较多哈，请耐心理解。
    • workloadSize 参数，单个批量任务包含任务最大数量。
    • taskProcessor 参数，自定义任务执行器实现。

  • 第 24 至 27 行 ：创建任务接收执行器。在 「5. 创建任务接收器」 详细解析。
  • 第 28 至 29 行 ：创建批量任务执行器。在 「6.1 创建批量任务执行器」 详细解析。
  • 第 30 至 42 行 ：创建批量任务分发器。
    • 
      
    • 第 32 至 35 行 ：#process() 方法的实现，调用 AcceptorExecutor#process(...) 方法，提交 [ 任务编号 , 任务 , 任务过期时间 ] 给任务分发器处理。
    
    
  
  

  4.2 单任务执行分发器

  调用 TaskDispatchers#createNonBatchingTaskDispatcher(...) 方法，创建单任务执行的分发器，实现代码如下：

  
  

  1: /* 2: 创建单任务执行的分发器 3: 4: @param id 任务执行器编号 5: * @param maxBufferSize 待执行队列最大数量 6: * @param workerCount 任务执行器工作线程数 7: * @param maxBatchingDelay 批量任务等待最大延迟时长，单位：毫秒 8: * @param congestionRetryDelayMs 请求限流延迟重试时间，单位：毫秒 9: * @param networkFailureRetryMs 网络失败延迟重试时长，单位：毫秒 10: * @param taskProcessor 任务处理器 11: * @param <ID> 任务编号泛型 12: * @param <T> 任务泛型 13: * @return 单任务执行的分发器 14: / 15: public static <ID, T> TaskDispatcher<ID, T> createNonBatchingTaskDispatcher(String id, 16: int maxBufferSize, 17: int workerCount, 18: long maxBatchingDelay, 19: long congestionRetryDelayMs, 20: long networkFailureRetryMs, 21: TaskProcessor<T> taskProcessor) { 22: // 创建 任务接收执行器 23: final AcceptorExecutor<ID, T> acceptorExecutor = new AcceptorExecutor<>( 24: id, maxBufferSize, / workloadSize = 1 */ 1, maxBatchingDelay, congestionRetryDelayMs, networkFailureRetryMs 25: ); 26: final TaskExecutors<ID, T> taskExecutor = TaskExecutors.singleItemExecutors(id, workerCount, taskProcessor, acceptorExecutor); 27: return new TaskDispatcher<ID, T>() { 28: @Override 29: public void process(ID id, T task, long expiryTime) { 30: acceptorExecutor.process(id, task, expiryTime); 31: } 32: 33: @Override 34: public void shutdown() { 35: acceptorExecutor.shutdown(); 36: taskExecutor.shutdown(); 37: } 38: }; 39: }

  • 第 1 至 21 行 ：方法参数。比较多哈，请耐心理解。
    • workloadSize 参数，相比 #createBatchingTaskDispatcher(...) 少这个参数。在第 24 行，你会发现该参数传递给 AcceptorExecutor 使用 1 噢。
    • taskProcessor 参数，自定义任务执行器实现。

  • 第 21 至 25 行 ：创建任务接收执行器。和 #createBatchingTaskDispatcher(...) 只差 workloadSize = 1 参数。在 「5. 创建任务接收器」 详细解析。
  • 第 28 至 29 行 ：创建单任务执行器。和 #createBatchingTaskDispatcher(...) 差别很大。「6.2 创建单任务执行器」 详细解析。
  • 第 30 至 42 行 ：创建单任务分发器。和 #createBatchingTaskDispatcher(...) 一样。
  
  

  5. 创建任务接收执行器

  com.netflix.eureka.util.batcher.AcceptorExecutor ，任务接收执行器。创建构造方法代码如下：

  
  

  1: class AcceptorExecutor<ID, T> { 2: 3: private static final Logger logger = LoggerFactory.getLogger(AcceptorExecutor.class); 4: 5: / 6: * 待执行队列最大数量 7: * {@link #processingOrder} 8: / 9: private final int maxBufferSize; 10: / 11: 单个批量任务包含任务最大数量 12: / 13: private final int maxBatchingSize; 14: / 15: 批量任务等待最大延迟时长，单位：毫秒 16: / 17: private final long maxBatchingDelay; 18: 19: / 20: 是否关闭 21: / 22: private final AtomicBoolean isShutdown = new AtomicBoolean( false); 23: / 24: 接收任务队列 25: / 26: private final BlockingQueue<TaskHolder<ID, T>> acceptorQueue = new LinkedBlockingQueue<>(); 27: / 28: 重新执行任务队列 29: / 30: private final BlockingDeque<TaskHolder<ID, T>> reprocessQueue = new LinkedBlockingDeque<>(); 31: / 32: 接收任务线程 33: / 34: private final Thread acceptorThread; 35: 36: / 37: 待执行任务映射 38: / 39: private final Map<ID, TaskHolder<ID, T>> pendingTasks = new HashMap<>(); 40: / 41: 待执行队列 42: / 43: private final Deque<ID> processingOrder = new LinkedList<>(); 44: 45: / 46: 单任务工作请求信号量 47: / 48: private final Semaphore singleItemWorkRequests = new Semaphore( 0); 49: / 50: 单任务工作队列 51: / 52: private final BlockingQueue<TaskHolder<ID, T>> singleItemWorkQueue = new LinkedBlockingQueue<>(); 53: 54: / 55: 批量任务工作请求信号量 56: / 57: private final Semaphore batchWorkRequests = new Semaphore( 0); 58: / 59: 批量任务工作队列 60: / 61: private final BlockingQueue<List<TaskHolder<ID, T>>> batchWorkQueue = new LinkedBlockingQueue<>(); 62: 63: / 64: 网络通信整形器 65: */ 66: private final TrafficShaper trafficShaper; 67: 68: AcceptorExecutor(String id, 69: int maxBufferSize, 70: int maxBatchingSize, 71: long maxBatchingDelay, 72: long congestionRetryDelayMs, 73: long networkFailureRetryMs) { 74: this.maxBufferSize = maxBufferSize; 75: this.maxBatchingSize = maxBatchingSize; 76: this.maxBatchingDelay = maxBatchingDelay; 77: 78: // 创建 网络通信整形器 79: this.trafficShaper = new TrafficShaper(congestionRetryDelayMs, networkFailureRetryMs); 80: 81: // 创建 接收任务线程 82: ThreadGroup threadGroup = new ThreadGroup( "eurekaTaskExecutors"); 83: this.acceptorThread = new Thread(threadGroup, new AcceptorRunner(), "TaskAcceptor-" + id); 84: this.acceptorThread.setDaemon( true); 85: this.acceptorThread.start(); 86: 87: // TODO （省略代码）芋艿：监控相关，暂时无视 88: } 89: }

  • 第 5 至 61 行 ：属性。比较多哈，请耐心理解。
    • 眼尖如你，会发现 AcceptorExecutor 即存在单任务工作队列( singleItemWorkQueue )，又存在批量任务工作队列( batchWorkQueue ) ，在 「9. 任务接收线程【调度任务】」 会解答这个疑惑。

  • 第 78 至 79 行 ：创建网络通信整形器。在 「7. 网络通信整形器」 详细解析。
  • 第 81 至 85 行 ：创建接收任务线程。
  
  

  6. 创建任务执行器

  com.netflix.eureka.util.batcher.TaskExecutors ，任务执行器。其内部提供创建单任务和批量任务执行器的两种方法。TaskExecutors 构造方法如下：

  
  

  class TaskExecutors<ID, T> { private static final Logger logger = LoggerFactory.getLogger(TaskExecutors.class); / * 是否关闭 / private final AtomicBoolean isShutdown; / 工作线程池 / private final List<Thread> workerThreads; TaskExecutors(WorkerRunnableFactory<ID, T> workerRunnableFactory, int workerCount, AtomicBoolean isShutdown) { this.isShutdown = isShutdown; this.workerThreads = new ArrayList<>(); // 创建 工作线程池 ThreadGroup threadGroup = new ThreadGroup( "eurekaTaskExecutors"); for ( int i = 0; i < workerCount; i++) { WorkerRunnable<ID, T> runnable = workerRunnableFactory.create(i); Thread workerThread = new Thread(threadGroup, runnable, runnable.getWorkerName()); workerThreads.add(workerThread); workerThread.setDaemon( true); workerThread.start(); } } /* * 创建工作线程工厂 @param <ID> 任务编号泛型 * @param <T> 批量任务执行器 */ interface WorkerRunnableFactory<ID, T> { WorkerRunnable<ID, T> create(int idx); } }

  • workerThreads 属性，工作线程池。工作任务队列会被工作线程池并发拉取，并发执行。
  • com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnableFactory ，创建工作线程工厂接口。单任务和批量任务执行器的工作线程实现不同，通过自定义工厂实现类创建。

  6.1 创建批量任务执行器

  调用 TaskExecutors#batchExecutors(...) 方法，创建批量任务执行器。实现代码如下：

  
  

  /* 创建批量任务执行器 @param name 任务执行器名 * @param workerCount 任务执行器工作线程数 * @param processor 任务处理器 * @param acceptorExecutor 接收任务执行器 * @param <ID> 任务编号泛型 * @param <T> 任务泛型 * @return 批量任务执行器 / static <ID, T> TaskExecutors<ID, T> batchExecutors(final String name, int workerCount, final TaskProcessor<T> processor, final AcceptorExecutor<ID, T> acceptorExecutor) { final AtomicBoolean isShutdown = new AtomicBoolean(); final TaskExecutorMetrics metrics = new TaskExecutorMetrics(name); // 创建批量任务执行器 return new TaskExecutors<>( new WorkerRunnableFactory<ID, T>() { // 批量任务工作线程工厂 @Override public WorkerRunnable<ID, T> create(int idx) { return new BatchWorkerRunnable<>( "TaskBatchingWorker-" + name + '-' + idx / 线程名 */, isShutdown, metrics, processor, acceptorExecutor); } }, workerCount, isShutdown); }

  • com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnable.BatchWorkerRunnable ，批量任务工作线程。

  6.2 创建单任务执行器

  调用 TaskExecutors#singleItemExecutors(...) 方法，创建批量任务执行器。实现代码如下：

  
  

  /* 创建单任务执行器 @param name 任务执行器名 * @param workerCount 任务执行器工作线程数 * @param processor 任务处理器 * @param acceptorExecutor 接收任务执行器 * @param <ID> 任务编号泛型 * @param <T> 任务泛型 * @return 单任务执行器 / static <ID, T> TaskExecutors<ID, T> singleItemExecutors(final String name, int workerCount, final TaskProcessor<T> processor, final AcceptorExecutor<ID, T> acceptorExecutor) { final AtomicBoolean isShutdown = new AtomicBoolean(); final TaskExecutorMetrics metrics = new TaskExecutorMetrics(name); // 创建单任务执行器 return new TaskExecutors<>( new WorkerRunnableFactory<ID, T>() { // 单任务工作线程工厂 @Override public WorkerRunnable<ID, T> create(int idx) { return new SingleTaskWorkerRunnable<>( "TaskNonBatchingWorker-" + name + '-' + idx / 线程名 */, isShutdown, metrics, processor, acceptorExecutor); } }, workerCount, isShutdown); }

  • com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnable.SingleTaskWorkerRunnable ，单任务工作线程。

  6.3 工作线程抽象类

  com.netflix.eureka.util.batcher.TaskExecutors.WorkerRunnable ，任务工作线程抽象类。BatchWorkerRunnable 和 SingleTaskWorkerRunnable 都实现该类，差异在 #run() 的自定义实现。WorkerRunnable 实现代码如下：

  
  

  abstract static class WorkerRunnable<ID, T> implements Runnable { / * 线程名 / final String workerName; / 是否关闭 / final AtomicBoolean isShutdown; final TaskExecutorMetrics metrics; / 任务处理器 / final TaskProcessor<T> processor; / 任务接收执行器 */ final AcceptorExecutor<ID, T> taskDispatcher; // ... 省略构造方法和 getting 方法。 }

  
  

  7. 网络通信整形器

  com.netflix.eureka.util.batcher.TrafficShaper ，网络通信整形器。当任务执行发生请求限流，或是请求网络失败的情况，则延时 AcceptorRunner 将任务提交到工作任务队列，从而避免任务很快去执行，再次发生上述情况。TrafficShaper 实现代码如下：

  
  

  class TrafficShaper { / * Upper bound on delay provided by configuration. / private static final long MAX_DELAY = 30 1000; / * 请求限流延迟重试时间，单位：毫秒 / private final long congestionRetryDelayMs; / 网络失败延迟重试时长，单位：毫秒 / private final long networkFailureRetryMs; / 最后请求限流时间戳，单位：毫秒 / private volatile long lastCongestionError; / 最后网络失败时间戳，单位：毫秒 / private volatile long lastNetworkFailure; TrafficShaper( long congestionRetryDelayMs, long networkFailureRetryMs) { this.congestionRetryDelayMs = Math.min(MAX_DELAY, congestionRetryDelayMs); this.networkFailureRetryMs = Math.min(MAX_DELAY, networkFailureRetryMs); } void registerFailure(ProcessingResult processingResult) { if (processingResult == ProcessingResult.Congestion) { lastCongestionError = System.currentTimeMillis(); } else if (processingResult == ProcessingResult.TransientError) { lastNetworkFailure = System.currentTimeMillis(); } } / 计算提交延迟，单位：毫秒 @return 延迟 */ long transmissionDelay() { // 无延迟 if (lastCongestionError == - 1 && lastNetworkFailure == - 1) { return 0; } long now = System.currentTimeMillis(); // 计算最后请求限流带来的延迟 if (lastCongestionError != - 1) { long congestionDelay = now - lastCongestionError; if (congestionDelay >= 0 && congestionDelay < congestionRetryDelayMs) { // 范围内 return congestionRetryDelayMs - congestionDelay; // 补充延迟 } lastCongestionError = - 1; // 重置时间戳 } // 计算最后网络失败带来的延迟 if (lastNetworkFailure != - 1) { long failureDelay = now - lastNetworkFailure; if (failureDelay >= 0 && failureDelay < networkFailureRetryMs) { // 范围内 return networkFailureRetryMs - failureDelay; // 补充延迟 } lastNetworkFailure = - 1; // 重置时间戳 } // 无延迟 return 0; } }

  • #registerFailure(...) ，在任务执行失败时，提交任务结果给 TrafficShaper ，记录发生时间。在 「10. 任务执行器【执行任务】」 会看到调用该方法。
  • #transmissionDelay(...) ，计算提交延迟，单位：毫秒。「9. 任务接收线程【调度任务】」 会看到调用该方法。

  8. 任务接收执行器【处理任务】

  调用 AcceptorExecutor#process(...) 方法，添加任务到接收任务队列。实现代码如下：

  
  

  // AcceptorExecutor.java void process(ID id, T task, long expiryTime) { acceptorQueue.add( new TaskHolder<ID, T>(id, task, expiryTime)); acceptedTasks++; }

  • com.netflix.eureka.util.batcher.TaskHolder ，任务持有者，实现代码如下：

    class TaskHolder<ID, T> { /** * 任务编号 */ private final ID id; /** * 任务 */ private final T task; /** * 任务过期时间戳 */ private final long expiryTime; /** * 任务提交时间戳 */ private final long submitTimestamp; }

  9. 任务接收线程【调度任务】

  后台线程执行 AcceptorRunner#run(...) 方法，调度任务。实现代码如下：

  
  

  1: @Override 2: public void run() { 3: long scheduleTime = 0; 4: while (!isShutdown.get()) { 5: try { 6: // 处理完输入队列( 接收队列 + 重新执行队列 ) 7: drainInputQueues(); 8: 9: // 待执行任务数量 10: int totalItems = processingOrder.size(); 11: 12: // 计算调度时间 13: long now = System.currentTimeMillis(); 14: if (scheduleTime < now) { 15: scheduleTime = now + trafficShaper.transmissionDelay(); 16: } 17: 18: // 调度 19: if (scheduleTime <= now) { 20: // 调度批量任务 21: assignBatchWork(); 22: // 调度单任务 23: assignSingleItemWork(); 24: } 25: 26: // 1）任务执行器无任务请求，正在忙碌处理之前的任务；或者 2）任务延迟调度。睡眠 10 秒，避免资源浪费。 27: // If no worker is requesting data or there is a delay injected by the traffic shaper, 28: // sleep for some time to avoid tight loop. 29: if (totalItems == processingOrder.size()) { 30: Thread.sleep( 10); 31: } 32: } catch (InterruptedException ex) { 33: // Ignore 34: } catch (Throwable e) { 35: // Safe-guard, so we never exit this loop in an uncontrolled way. 36: logger.warn( "Discovery AcceptorThread error", e); 37: } 38: } 39: }

  • 第 4 行 ：无限循环执行调度，直到关闭。

  • 第 6 至 7 行 ：调用 #drainInputQueues() 方法，循环处理完输入队列( 接收队列 + 重新执行队列 )，直到有待执行的任务。实现代码如下：

    1: private void drainInputQueues() throws InterruptedException { 2: do { 3: // 处理完重新执行队列 4: drainReprocessQueue(); 5: // 处理完接收队列 6: drainAcceptorQueue(); 7: 8: // 所有队列为空，等待 10 ms，看接收队列是否有新任务 9: if (!isShutdown.get()) { 10: // If all queues are empty, block for a while on the acceptor queue 11: if (reprocessQueue.isEmpty() && acceptorQueue.isEmpty() && pendingTasks.isEmpty()) { 12: TaskHolder<ID, T> taskHolder = acceptorQueue.poll( 10, TimeUnit.MILLISECONDS); 13: if (taskHolder != null) { 14: appendTaskHolder(taskHolder); 15: } 16: } 17: } 18: } while (!reprocessQueue.isEmpty() || !acceptorQueue.isEmpty() || pendingTasks.isEmpty()); // 处理完输入队列( 接收队列 + 重新执行队列 ) 19: }

    • 第 2 行 && 第 18 行 ：循环，直到同时满足如下全部条件：
      • 重新执行队列( reprocessQueue ) 和接收队列( acceptorQueue )为空
      • 待执行任务映射( pendingTasks )不为空

    • 第 3 至 4 行 ：处理完重新执行队列( reprocessQueue )。实现代码如下：

      
      

      1: private void drainReprocessQueue() { 2: long now = System.currentTimeMillis(); 3: while (!reprocessQueue.isEmpty() && !isFull()) { 4: TaskHolder<ID, T> taskHolder = reprocessQueue.pollLast(); // 优先拿较新的任务 5: ID id = taskHolder.getId(); 6: if (taskHolder.getExpiryTime() <= now) { // 过期 7: expiredTasks++; 8: } else if (pendingTasks.containsKey(id)) { // 已存在 9: overriddenTasks++; 10: } else { 11: pendingTasks.put(id, taskHolder); 12: processingOrder.addFirst(id); // 提交到队头 13: } 14: } 15: // 如果待执行队列已满，清空重新执行队列，放弃较早的任务 16: if (isFull()) { 17: queueOverflows += reprocessQueue.size(); 18: reprocessQueue.clear(); 19: } 20: }

      • 第 4 行 ：优先从重新执行任务的队尾拿较新的任务，从而实现保留更新的任务在待执行任务映射( pendingTasks ) 里。
      • 第 12 行 ：添加任务编号到待执行队列( processingOrder ) 的头部。效果如下图：
      • 第 15 至 18 行 ：如果待执行队列( pendingTasks )已满，清空重新执行队列( processingOrder )，放弃较早的任务。

    • 第 5 至 6 行 ：处理完接收队列( acceptorQueue )，实现代码如下：

      
      

      private void drainAcceptorQueue() { while (!acceptorQueue.isEmpty()) { // 循环，直到接收队列为空 appendTaskHolder(acceptorQueue.poll()); } } private void appendTaskHolder(TaskHolder<ID, T> taskHolder) { // 如果待执行队列已满，移除待处理队列，放弃较早的任务 if (isFull()) { pendingTasks.remove(processingOrder.poll()); queueOverflows++; } // 添加到待执行队列 TaskHolder<ID, T> previousTask = pendingTasks.put(taskHolder.getId(), taskHolder); if (previousTask == null) { processingOrder.add(taskHolder.getId()); } else { overriddenTasks++; } }

      
      

    • 第 8 至 17 行 ：当所有队列为空，阻塞从接收队列( acceptorQueue ) 拉取任务 10 ms。若拉取到，添加到待执行队列( processingOrder )。

      
      
    
    

  • 第 12 至 16 行 ：计算可调度任务的最小时间( scheduleTime )。

    • 当 scheduleTime 小于当前时间，不重新计算，即此时需要延迟等待调度。
    • 当 scheduleTime 大于等于当前时间，配合 TrafficShaper#transmissionDelay(...) 重新计算。

  • 第 19 行 ：当 scheduleTime 小于当前时间，执行任务的调度。

  • 第 21 行 ：调用 #assignBatchWork() 方法，调度批量任务。实现代码如下：

    
    

    1: void assignBatchWork() { 2: if (hasEnoughTasksForNextBatch()) { 3: // 获取 批量任务工作请求信号量 4: if (batchWorkRequests.tryAcquire( 1)) { 5: // 获取批量任务 6: long now = System.currentTimeMillis(); 7: int len = Math.min(maxBatchingSize, processingOrder.size()); 8: List<TaskHolder<ID, T>> holders = new ArrayList<>(len); 9: while (holders.size() < len && !processingOrder.isEmpty()) { 10: ID id = processingOrder.poll(); 11: TaskHolder<ID, T> holder = pendingTasks.remove(id); 12: if (holder.getExpiryTime() > now) { // 过期 13: holders.add(holder); 14: } else { 15: expiredTasks++; 16: } 17: } 18: // 19: if (holders.isEmpty()) { // 未调度到批量任务，释放请求信号量 20: batchWorkRequests.release(); 21: } else { // 添加批量任务到批量任务工作队列 22: batchSizeMetric.record(holders.size(), TimeUnit.MILLISECONDS); 23: batchWorkQueue.add(holders); 24: } 25: } 26: } 27: }

    • 第 2 行 ：调用 #hasEnoughTasksForNextBatch() 方法，判断是否有足够任务进行下一次批量任务调度：1）待执行任务( processingOrder )映射已满；或者 2）到达批量任务处理最大等待延迟。实现代码如下：

      private boolean hasEnoughTasksForNextBatch() { // 待执行队列为空 if (processingOrder.isEmpty()) { return false; } // 待执行任务映射已满 if (pendingTasks.size() >= maxBufferSize) { return true; } // 到达批量任务处理最大等待延迟( 通过待处理队列的头部任务判断 ) TaskHolder<ID, T> nextHolder = pendingTasks.get(processingOrder.peek()); long delay = System.currentTimeMillis() - nextHolder.getSubmitTimestamp(); return delay >= maxBatchingDelay; }

      • x

    • 第 5 至 17 行 ：获取批量任务( holders )。�� 你会发现，本文说了半天的批量任务，实际是 List<TaskHolder<ID, T>> 哈。

      
      
    • 第 4 行 ：获取批量任务工作请求信号量( batchWorkRequests ) 。在任务执行器的批量任务执行器，每次执行时，发出 batchWorkRequests 。每一个信号量需要保证获取到一个批量任务。
    • 第 19 至 20 行 ：未调度到批量任务，释放请求信号量，代表请求实际未完成，每一个信号量需要保证获取到一个批量任务。
    • 第 21 至 24 行 ：添加批量任务到批量任务工作队列。
    • 第 23 行 ：调用 #assignSingleItemWork() 方法，调度单任务。
    
    

  • 第 23 行 ：调用 #assignSingleItemWork() 方法，调度单任务，和 #assignBatchWork() 方法类似。实现代码如下：

    
    

    void assignSingleItemWork() { if (!processingOrder.isEmpty()) { // 待执行任队列不为空 // 获取 单任务工作请求信号量 if (singleItemWorkRequests.tryAcquire( 1)) { // 【循环】获取单任务 long now = System.currentTimeMillis(); while (!processingOrder.isEmpty()) { ID id = processingOrder.poll(); // 一定不为空 TaskHolder<ID, T> holder = pendingTasks.remove(id); if (holder.getExpiryTime() > now) { singleItemWorkQueue.add(holder); return; } expiredTasks++; } // 获取不到单任务，释放请求信号量 singleItemWorkRequests.release(); } } }

    • x

  • 第 26 至 31 行 ：当调度任务前的待执行任务数( totalItems )等于当前待执行队列( processingOrder )的任务数，意味着：1）任务执行器无任务请求，正在忙碌处理之前的任务；或者 2）任务延迟调度。睡眠 10 秒，避免资源浪费。

    
    
  
  

  10. 任务执行器【执行任务】

  10.1 批量任务工作线程

  批量任务工作后台线程( BatchWorkerRunnable )执行 #run(...) 方法，调度任务。实现代码如下：

  
  

  // 1: @Override 2: public void run() { 3: try { 4: while (!isShutdown.get()) { 5: // 获取批量任务 6: List<TaskHolder<ID, T>> holders = getWork(); 7: 8: // TODO 芋艿：监控相关，暂时无视 9: metrics.registerExpiryTimes(holders); 10: 11: // 获得实际批量任务 12: List<T> tasks = getTasksOf(holders); 13: // 调用处理器执行任务 14: ProcessingResult result = processor.process(tasks); 15: switch (result) { 16: case Success: 17: break; 18: case Congestion: 19: case TransientError: 20: taskDispatcher.reprocess(holders, result); // 提交重新处理 21: break; 22: case PermanentError: 23: logger.warn( "Discarding {} tasks of {} due to permanent error", holders.size(), workerName); 24: } 25: 26: // TODO 芋艿：监控相关，暂时无视 27: metrics.registerTaskResult(result, tasks.size()); 28: } 29: } catch (InterruptedException e) { 30: // Ignore 31: } catch (Throwable e) { 32: // Safe-guard, so we never exit this loop in an uncontrolled way. 33: logger.warn( "Discovery WorkerThread error", e); 34: } 35: }

  • 第 4 行 ：无限循环执行调度，直到关闭。

  • 第 6 行 ：调用 getWork() 方法，获取一个批量任务直到成功。实现代码如下：

    1: private List<TaskHolder<ID, T>> getWork() throws InterruptedException { 2: // 发起请求信号量，并获得批量任务的工作队列 3: BlockingQueue<List<TaskHolder<ID, T>>> workQueue = taskDispatcher.requestWorkItems(); 4: // 【循环】获取批量任务，直到成功 5: List<TaskHolder<ID, T>> result; 6: do { 7: result = workQueue.poll( 1, TimeUnit.SECONDS); 8: } while (!isShutdown.get() && result == null); 9: return result; 10: }

    • 第 3 行 ：调用 TaskDispatcher#requestWorkItems() 方法，发起请求信号量，并获得批量任务的工作队列。实现代码如下：

      // TaskDispatcher.java /** * 批量任务工作请求信号量 */ private final Semaphore batchWorkRequests = new Semaphore( 0); /** * 批量任务工作队列 */ private final BlockingQueue<List<TaskHolder<ID, T>>> batchWorkQueue = new LinkedBlockingQueue<>(); BlockingQueue<List<TaskHolder<ID, T>>> requestWorkItems() { batchWorkRequests.release(); return batchWorkQueue; }

      • 注意，批量任务工作队列( batchWorkQueue ) 和单任务工作队列( singleItemWorkQueue ) 是不同的队列。

    • 第 5 至 8 行 ：循环获取一个批量任务，直到成功。

      
      
    
    

  • 第 12 行 ：调用 #getTasksOf(...) 方法，获得实际批量任务。实现代码如下：

    
    

    private List<T> getTasksOf(List<TaskHolder<ID, T>> holders) { List<T> tasks = new ArrayList<>(holders.size()); for (TaskHolder<ID, T> holder : holders) { tasks.add(holder.getTask()); } return tasks; }

    • x

  • 第 14 至 24 行 ：调用处理器( TaskProcessor ) 执行任务。当任务执行结果为 Congestion 或 TransientError ，调用 AcceptorExecutor#reprocess(...) 提交整个批量任务重新处理，实现代码如下：

    
    

    // AcceptorExecutor.java void reprocess(List<TaskHolder<ID, T>> holders, ProcessingResult processingResult) { // 添加到 重新执行队列 reprocessQueue.addAll(holders); // TODO 芋艿：监控相关，暂时无视 replayedTasks += holders.size(); // 提交任务结果给 TrafficShaper trafficShaper.registerFailure(processingResult); }

    
    
  
  

  10.2 单任务工作线程

  单任务工作后台线程( SingleTaskWorkerRunnable )执行 #run(...) 方法，调度任务，和 BatchWorkerRunnable#run(...) 基本类似，就不啰嗦了。实现代码如下：

  
  

  @Override // SingleTaskWorkerRunnable.java public void run() { try { while (!isShutdown.get()) { // 发起请求信号量，并获得单任务的工作队列 BlockingQueue<TaskHolder<ID, T>> workQueue = taskDispatcher.requestWorkItem(); TaskHolder<ID, T> taskHolder; // 【循环】获取单任务，直到成功 while ((taskHolder = workQueue.poll( 1, TimeUnit.SECONDS)) == null) { if (isShutdown.get()) { return; } } // TODO 芋艿：监控相关，暂时无视 metrics.registerExpiryTime(taskHolder); if (taskHolder != null) { // 调用处理器执行任务 ProcessingResult result = processor.process(taskHolder.getTask()); switch (result) { case Success: break; case Congestion: case TransientError: taskDispatcher.reprocess(taskHolder, result); // 提交重新处理 break; case PermanentError: logger.warn( "Discarding a task of {} due to permanent error", workerName); } // TODO 芋艿：监控相关，暂时无视 metrics.registerTaskResult(result, 1); } } } catch (InterruptedException e) { // Ignore } catch (Throwable e) { // Safe-guard, so we never exit this loop in an uncontrolled way. logger.warn( "Discovery WorkerThread error", e); } }