来源 | https://www.luozhiyun.com/archives/444
最近在工作中有一个需求,简单来说就是在短时间内会创建上百万个定时任务,创建的时候会将对应的金额相加,防止超售,需要过半个小时再去核对数据,如果数据对不上就需要将加上的金额再减回去。
这个需求如果用 Go 内置的 Timer 来做的话性能比较低下,因为 Timer 是使用最小堆来实现的,创建和删除的时间复杂度都为 O(log n)。如果使用时间轮的话则是 O(1)性能会好很多。
对于时间轮来说,我以前写过一篇 java 版的时间轮算法分析:https://www.luozhiyun.com/archives/59,这次来看看 Go 语言的时间轮实现,顺便大家有兴趣的也可以对比一下两者的区别,以及我写文章的水平和一年多前有没有提升,哈哈哈。
时间轮的运用其实是非常的广泛的,在 Netty、Akka、Quartz、ZooKeeper、Kafka 等组件中都存在时间轮的踪影。下面用 Go 实现的时间轮是以 Kafka 的代码为原型来实现的。
完整代码: https://github.com/devYun/timingwheel。
介绍
简单时间轮
在时间轮中存储任务的是一个环形队列,底层采用数组实现,数组中的每个元素可以存放一个定时任务列表。定时任务列表是一个环形的双向链表,链表中的每一项表示的都是定时任务项,其中封装了真正的定时任务。
时间轮由多个时间格组成,每个时间格代表当前时间轮的基本时间跨度(tickMs)。时间轮的时间格个数是固定的,可用 wheelSize 来表示,那么整个时间轮的总体时间跨度(interval)可以通过公式 tickMs×wheelSize 计算得出。
时间轮还有一个表盘指针 (currentTime),用来表示时间轮当前所处的时间,currentTime 是 tickMs 的整数倍。currentTime 指向的地方是表示到期的时间格,表示需要处理的时间格所对应的链表中的所有任务。
如下图是一个 tickMs 为 1s,wheelSize 等于 10 的时间轮,每一格里面放的是一个定时任务链表,链表里面存有真正的任务项:
初始情况下表盘指针 currentTime 指向时间格0,若时间轮的 tickMs 为 1ms 且 wheelSize 等于10,那么 interval 则等于 10s。如下图此时有一个定时为2s的任务插进来会存放到时间格为 2 的任务链表中,用红色标记。随着时间的不断推移,指针 currentTime 不断向前推进,如果过了 2s,那么 currentTime 会指向时间格 2 的位置,会将此时间格的任务链表获取出来处理。
如果当前的指针 currentTime 指向的是 2,此时如果插入一个 9s 的任务进来,那么新来的任务会服用原来的时间格链表,会存放到时间格 1 中
这里所讲的时间轮都是简单时间轮,只有一层,总体时间范围在 currentTime 和 currentTime+interval 之间。如果现在有一个 15s 的定时任务是需要重新开启一个时间轮,设置一个时间跨度至少为 15s 的时间轮才够用。但是这样扩充是没有底线的,如果需要一个 1 万秒的时间轮,那么就需要一个这么大的数组去存放,不仅占用很大的内存空间,而且也会因为需要遍历这么大的数组从而拉低效率。
层级时间轮
如图是一个两层的时间轮,第二层时间轮也是由 10 个时间格组成,每个时间格的跨度是 10s。第二层的时间轮的 tickMs 为第一层时间轮的 interval,即 10s。每一层时间轮的 wheelSize 是固定的,都是 10,那么第二层的时间轮的总体时间跨度 interval 为 100s。
图中展示了每个时间格对应的过期时间范围, 我们可以清晰地看到, 第二层时间轮的第 0 个时间格的过期时间范围是 [0,9]。也就是说, 第二层时间轮的一个时间格就可以表示第一层时间轮的所有(10 个)时间格;
如果向该时间轮中添加一个 15s 的任务,那么当第一层时间轮容纳不下时,进入第二层时间轮,并插入到过期时间为[10,19]的时间格中。
随着时间的流逝,当原本 15s 的任务还剩下 5s 的时候,这里就有一个时间轮降级的操作,此时第一层时间轮的总体时间跨度已足够,此任务被添加到第一层时间轮到期时间为 5 的时间格中,之后再经历 5s 后,此任务真正到期,最终执行相应的到期操作。
代码实现
因为我们这个 Go 语言版本的时间轮代码是仿照 Kafka 写的,所以在具体实现时间轮 TimingWheel 时还有一些小细节:
时间轮的时间格中每个链表会有一个 root 节点用于简化边界条件。它是一个附加的链表节点,该节点作为第一个节点,它的值域中并不存储任何东西,只是为了操作的方便而引入的;
除了第一层时间轮,其余高层时间轮的起始时间(startMs)都设置为创建此层时间轮时前面第一轮的 currentTime。每一层的 currentTime 都必须是 tickMs 的整数倍,如果不满足则会将 currentTime 修剪为 tickMs 的整数倍。修剪方法为:currentTime = startMs - (startMs % tickMs);
Kafka 中的定时器只需持有 TimingWheel 的第一层时间轮的引用,并不会直接持有其他高层的时间轮,但每一层时间轮都会有一个引用(overflowWheel)指向更高一层的应用;
Kafka 中的定时器使用了 DelayQueue 来协助推进时间轮。在操作中会将每个使用到的时间格中每个链表都加入 DelayQueue,DelayQueue 会根据时间轮对应的过期时间 expiration 来排序,最短 expiration 的任务会被排在 DelayQueue 的队头,通过单独线程来获取 DelayQueue 中到期的任务;
结构体
type TimingWheel struct {
// 时间跨度,单位是毫秒
tick int64 // in milliseconds
// 时间轮个数
wheelSize int64
// 总跨度
interval int64 // in milliseconds
// 当前指针指向时间
currentTime int64 // in milliseconds
// 时间格列表
buckets []*bucket
// 延迟队列
queue *delayqueue.DelayQueue
// 上级的时间轮引用
overflowWheel unsafe.Pointer // type: *TimingWheel
exitC chan struct{}
waitGroup waitGroupWrapper
}
tick、wheelSize、interval、currentTime 都比较好理解,buckets 字段代表的是时间格列表,queue 是一个延迟队列,所有的任务都是通过延迟队列来进行触发,overflowWheel 是上层时间轮的引用。
type bucket struct {
// 任务的过期时间
expiration int64
mu sync.Mutex
// 相同过期时间的任务队列
timers *list.List
}
bucket 里面实际上封装的是时间格里面的任务队列,里面放入的是相同过期时间的任务,到期后会将队列 timers 拿出来进行处理。这里有个有意思的地方是由于会有多个线程并发的访问 bucket,所以需要用到原子类来获取 int64 位的值,为了保证 32 位系统上面读取 64 位数据的一致性,需要进行 64 位对齐。具体的可以看这篇:https://www.luozhiyun.com/archives/429,讲的是对内存对齐的思考。
type Timer struct {
// 到期时间
expiration int64 // in milliseconds
// 要被执行的具体任务
task func()
// Timer所在bucket的指针
b unsafe.Pointer // type: *bucket
// bucket列表中对应的元素
element *list.Element
}
Timer 是时间轮的最小执行单元,是定时任务的封装,到期后会调用 task 来执行任务。
初始化时间轮
例如现在初始化一个tick是1s,wheelSize是10的时间轮:
func main () { tw := timingwheel.NewTimingWheel(time.Second, 10 ) tw.Start() }func NewTimingWheel (tick time.Duration, wheelSize int64 ) *TimingWheel {
启动时间轮
func (tw *TimingWheel) Start () {
这里使用了 util 封装的一个 Wrap 方法,这个方法会起一个 goroutines 异步执行传入的函数,具体的可以到我上面给出的链接去看源码。
Start 方法会启动两个 goroutines。第一个goroutines用来调用延迟队列的 queue 的 Poll 方法,这个方法会一直循环获取队列里面的数据,然后将到期的数据放入到 queue 的 C 管道中;第二个 goroutines 会无限循环获取 queue 中 C 的数据,如果 C 中有数据表示已经到期,那么会先调用 advanceClock 方法将当前时间 currentTime 往前移动到 bucket的到期时间,然后再调用 Flush 方法取出 bucket 中的队列,并调用 addOrRun 方法执行。
func (tw *TimingWheel) advanceClock(expiration int64) {
currentTime := atomic.LoadInt64(&tw.currentTime)
// 过期时间大于等于(当前时间+tick)
if expiration >= currentTime+tw.tick {
// 将currentTime设置为expiration,从而推进currentTime
currentTime = truncate(expiration, tw.tick)
atomic.StoreInt64(&tw.currentTime, currentTime)
// Try to advance the clock of the overflow wheel if present
// 如果有上层时间轮,那么递归调用上层时间轮的引用
overflowWheel := atomic.LoadPointer(&tw.overflowWheel)
if overflowWheel != nil {
(*TimingWheel)(overflowWheel).advanceClock(currentTime)
}
}
}
advanceClock 方法会根据到期时间来重新设置 currentTime,从而推进时间轮前进。
func (b *bucket) Flush(reinsert func(*Timer)) {
var ts []*Timer
b.mu.Lock()
// 循环获取bucket队列节点
for e := b.timers.Front(); e != nil; {
next := e.Next()
t := e.Value.(*Timer)
// 将头节点移除bucket队列
b.remove(t)
ts = append(ts, t)
e = next
}
b.mu.Unlock()
b.SetExpiration(-1) // TODO: Improve the coordination with b.Add()
for _, t := range ts {
reinsert(t)
}
}
Flush 方法会根据 bucket 里面 timers 列表进行遍历插入到 ts 数组中,然后调用 reinsert 方法,这里是调用的 addOrRun 方法。
func (tw *TimingWheel) addOrRun(t *Timer) {
// 如果已经过期,那么直接执行
if !tw.add(t) {
// 异步执行定时任务
go t.task()
}
}
addOrRun 会调用 add 方法检查传入的定时任务 Timer 是否已经到期,如果到期那么异步调用 task 方法直接执行。add 方法我们下面会接着分析。
start 方法会启动一个 goroutines 调用 poll 来处理 DelayQueue 中到期的数据,并将数据放入到管道 C 中;
start 方法启动第二个 goroutines 方法会循环获取 DelayQueue 中管道C的数据,管道 C 中实际上存放的是一个 bucket,然后遍历bucket的timers列表,如果任务已经到期,那么异步执行,没有到期则重新放入到 DelayQueue 中。
add task
func main() {
tw := timingwheel.NewTimingWheel(time.Second, 10)
tw.Start()
// 添加任务
tw.AfterFunc(time.Second*15, func() {
fmt.Println("The timer fires")
exitC <- time.Now().UTC()
})
}
我们通过 AfterFunc 方法添加一个 15s 的定时任务,如果到期了,那么执行传入的函数。
func (tw *TimingWheel) AfterFunc(d time.Duration, f func()) *Timer {
t := &Timer{
expiration: timeToMs(time.Now().UTC().Add(d)),
task: f,
}
tw.addOrRun(t)
return t
}
AfterFunc 方法会根据传入的任务到期时间,以及到期需要执行的函数封装成 Timer,调用 addOrRun 方法。addOrRun 方法我们上面已经看过了,会根据到期时间来决定是否需要执行定时任务。
func (tw *TimingWheel) add(t *Timer) bool {
currentTime := atomic.LoadInt64(&tw.currentTime)
// 已经过期
if t.expiration < currentTime+tw.tick {
// Already expired
return false
// 到期时间在第一层环内
} else if t.expiration < currentTime+tw.interval {
// Put it into its own bucket
// 获取时间轮的位置
virtualID := t.expiration / tw.tick
b := tw.buckets[virtualID%tw.wheelSize]
// 将任务放入到bucket队列中
b.Add(t)
// 如果是相同的时间,那么返回false,防止被多次插入到队列中
if b.SetExpiration(virtualID * tw.tick) {
// 将该bucket加入到延迟队列中
tw.queue.Offer(b, b.Expiration())
}
return true
} else {
// Out of the interval. Put it into the overflow wheel
// 如果放入的到期时间超过第一层时间轮,那么放到上一层中去
overflowWheel := atomic.LoadPointer(&tw.overflowWheel)
if overflowWheel == nil {
atomic.CompareAndSwapPointer(
&tw.overflowWheel,
nil,
// 需要注意的是,这里tick变成了interval
unsafe.Pointer(newTimingWheel(
tw.interval,
tw.wheelSize,
currentTime,
tw.queue,
)),
)
overflowWheel = atomic.LoadPointer(&tw.overflowWheel)
}
// 往上递归
return (*TimingWheel)(overflowWheel).add(t)
}
}
add 方法根据到期时间来分成了三部分,第一部分是小于当前时间+tick,表示已经到期,那么返回 false 执行任务即可;
第二部分的判断会根据 expiration 是否小于时间轮的跨度,如果小于的话表示该定时任务可以放入到当前时间轮中,通过取模找到 buckets 对应的时间格并放入到 bucket 队列中,SetExpiration 方法会根据传入的参数来判断是否已经执行过延迟队列的 Offer 方法,防止重复插入;
第三部分表示该定时任务的时间跨度超过了当前时间轮,需要升级到上一层的时间轮中。需要注意的是,上一层的时间轮的 tick 是当前时间轮的 interval,延迟队列还是同一个,然后设置为指针 overflowWheel,并调用 add 方法往上层递归。
到这里时间轮已经讲完了,不过还有需要注意的地方,我们在用上面的时间轮实现中,使用了 DelayQueue 加环形队列的方式实现了时间轮。对定时任务项的插入和删除操作而言,TimingWheel 时间复杂度为 O(1),在 DelayQueue 中的队列使用的是优先队列,时间复杂度是 O(log n),但是由于 buckets 列表实际上是非常小的,所以并不会影响性能。
Reference
https://github.com/RussellLuo/timingwheel
https://zhuanlan.zhihu.com/p/121483218
https://github.com/apache/kafka/tree/3cdc78e6bb1f83973a14ce1550fe3874f7348b05/core/src/main/scala/kafka/utils/timer
☞ RISC-V 没你想象的那么好
☞ 30 周岁的 Python,“虐”我 20 年
☞ 谷歌称远程办公影响工作效率,2021年回归线下办公
文章评论