基于间隔推送全量更新数据状态的设计方法

2019独角兽企业重金招聘Python工程师标准>>>

假如有个直播间，在数据有更新的时候，能及时反映在客户端上。通信方式来说，有两种：

1、拉取模式。

2、推送+拉取模式（或者纯推送）

 

拉取模式，技术简单。但轮询间隔设置比较难；如果设置得太大，数据更新不及时；如果设置得太小，那么服务端可能会多余很多无用请求（数据本来并无更新）。

推送模式，可以在数据有更新的情况下，才选择通知客户端。但如果在同一秒内，数据更新得太频繁，可能会造成推送风暴。

这时候做一个简单优化，如果距离上一次推送不超过一秒，当前数据更新不推送。那么也会有个问题，最后更新的数据，可能在很长一段时间内都更新不到客户端。

下面介绍一个设计方法，如下是一个时间轴：

0    0.2                         1     1.3                        2                                  3                                  4

|------------------------|------------------------|------------------------|------------------------|

                                    0    0.2                         1      1.3             

采用ThreadPoolExecutor来处理时间轴上面0/0.2/1/1.3的请求Task，而BlockingQueue则采用DelayedQueue来实现，进入线程池的任务的Task都实现Delayd接口并且设置延迟1秒。

public ThreadPoolExecutor(int corePoolSize,  
                              int maximumPoolSize,  
                              long keepAliveTime,  
                              TimeUnit unit,  
                              BlockingQueue<Runnable> workQueue,  
                              ThreadFactory threadFactory,  
                              RejectedExecutionHandler handler)

那么Task真正执行的时间点就如时间轴下面的数字。而由于设置了规则，距离上次推送间隔小于1秒的时候，不再继续推送。所以 红色的数字 0 和 1 表示会执行推送，而 蓝色的数字 0.2 和 1.3 就不会推送。那么反馈到客户端层面，当 红色的数字 0 执行推送，会把当时 绿色的0/0.2/1状态推送给客户端（因为是全量更新，所以只需要查询当前最新数据）；而当 红色的数字 1 执行推送，会把当时 绿色的1.3状态推送给客户端。那么这个过程中，最晚的更新数据也不会超过1秒的延迟到达客户端。同时，只发生了两次推送。

上面的任务执行过程中，涉及到上一次推送的时间变量的比较。那么这个时间变量存储在哪里呢？

简单的单进程，当然是在进程内定义一个变量就完事了。

假如是多进程，那么为了最大化优化性能逻辑，我们可以分别设置本地变量缓存以及全局的redis变量缓存。方法有很多，下面只介绍一种同步方式：

当进程内的任务执行，先对比本地变量；如果系统时间减去本地变量小于一秒，那么不继续执行任务；如果系统时间减去本地变量大于一秒，那么通过redis的get获取到上一次推送的时间戳；如果系统时间减去该全局时间戳小于一秒，那么不继续执行任务并更新本地缓存，如果系统时间减去该全局时间戳大于一秒，通过redis的getset（value是系统时间）返回的全局时间戳，这时的时间戳如果还大于1秒那么就推送并且更新本地缓存为当前系统时间，否则不继续执行（其它进程执行了推送）。

 

转载于:https://my.oschina.net/u/223522/blog/1560038