Sentinel Go-毫秒级统计数据结构揭秘-六虎

作者：binbin0325

布景介绍

随着微服务的盛行，服务和服务之间的稳定性变得越来越重要。在 2020 年，Sentinel 社区推出 Sentinel Go 版别，朝着云原生方向演进。Sentinel Go 是一个流量治理组件，主要以流量为切入点，从流量路由、流量操控、流量整形、熔断降级、系统自适应过载保护、热门流量防护等多个维度来协助开发者保证微服务的稳定性。

无论是流量操控仍是熔断降级，完结的中心思维都是经过核算一段时刻内的目标数据（恳求数/错误数等），然后依据预选设定的阈值判别是否应该进行流量管控

那么怎么存储并核算这一段时刻内的目标数据则是中心关键，本文将揭秘 Sentienl-Go 是怎么完结的毫秒级目标数据存储与核算。

固定窗口

在正式介绍之前，先简略介绍一下固定窗口的算法（也叫计数器算法）是完结流量操控比较简略的一种方法。其他常见的还有许多例如滑动时刻窗口算法，漏桶算法，令牌桶算法等等。

固定窗口算法一般是经过原子操作将恳求在核算周期内进行累加，然后当恳求数大于阈值时进行限流。

完结代码：

var (
    counter    int64 //计数
    intervalMs int64 = 1000 //窗口长度(1S)
    threshold  int64 = 2 //限流阈值
    startTime        = time.Now().UnixMilli() //窗口开端时刻
)
func main() {
    for i := 0; i < 10; i++ {
       if tryAcquire() {
          fmt.Println("成功恳求", time.Now().Unix())
      }
   }
}
func tryAcquire() bool {
    if time.Now().UnixMilli()-atomic.LoadInt64(&startTime) > intervalMs {
       atomic.StoreInt64(&startTime, time.Now().UnixMilli())
       atomic.StoreInt64(&counter, 0)
   }
    return atomic.AddInt64(&counter, 1) <= threshold
}

固定窗口的限流在完结上看起来比较简略简单，但是也有一些问题，最典型的便是“鸿沟”问题。

如下图：核算周期为 1S，限流阈值是 2 的状况下，假设 4 次恳求刚好“跨过”了固定的时刻窗口，如红色的 1SS 时刻窗口所示会有四次恳求，显着不符合限流的预期。

滑动时刻窗口

在滑动时刻窗口算法中能够处理固定窗口算法的鸿沟问题，在滑动窗口算法中一般有两个比较重要的概念

核算周期：例如想约束 5S 的恳求数不能超过 100 次，那么 5S 便是核算周期
窗口(格子)的巨细：一个周期内会有多个窗口(格子)进行目标（例如恳求数）的核算，长度持平的核算周期，格子的数量越多，核算的越准确

如下所示：核算周期为 1S，每个周期内分为两个格子，每个格子的长度是 500ms。

在滑动窗口中核算周期以及窗口的巨细，需求依据事务状况进行设定。

核算周期共同，窗口巨细不共同：窗口越大核算精准度越低，但并发功能好，越小：核算精准度越高，并发功能随之降低；

核算周期不共同，窗口巨细共同：周期越长抗流量脉冲状况越好。

核算结构

下面将详细介绍 Sentinel-Go 是怎么运用滑动时刻窗口高效的存储和核算目标数据的。

窗口结构

在滑动时刻窗口中时刻很重要。每个窗口（BocketWrap）的组成是由一个开端时刻和一个笼统的核算结构：

type BucketWrap struct {
   // BucketStart represents start timestamp of this statistic bucket wrapper.
   BucketStart uint64
   // Value represents the actual data structure of the metrics (e.g. MetricBucket).
   Value atomic.Value
}

开端时刻：当时格子的的起始时刻

核算结构：存储目标数据，原子操作并发安全

如下图：核算周期 1S，每个窗口的长度是 200ms。

目标数据：

pass: 表明到来的数量，即此时经过 Sentinel-Go 规矩的流量数量
block: 表明被拦截的流量数量
complete: 表明完结的流量数量，包含正常完毕和反常完毕的状况
error: 表明错误的流量数量（熔断场景运用）
rt：单次恳求的 request time
total：暂时无用

原子时刻轮

如上：整个核算周期内有多个时刻窗口，在 Sentinel-Go 中核算周期是由 slice 完结的，每个元素对应一个窗口。

在上面介绍了为了处理鸿沟问题，滑动时刻窗口核算的进程需求向右滑动。随时时刻的推移，无限的向右滑动，势必会让 slice 继续的扩张，导致 slice 的容量“无限”增长。

为了处理这个问题，在 Sentinel-Go 中完结了一个时刻轮的概念，经过固定 slice 长度将过期的时刻窗口重置，节省空间。

如下：原子时刻轮数据结构

type AtomicBucketWrapArray struct {
   // The base address for real data array
   base unsafe.Pointer // 窗口数组首元素地址
   // The length of slice(array), it can not be modified.
   length int // 窗口数组的长度
   data   []*BucketWrap //窗口数组
}

初始化

1: 依据当时时刻核算出当时时刻对应的窗口的 startime，并得到当时窗口对应的方位

// 核算开端时刻
func calculateStartTime(now uint64, bucketLengthInMs uint32) uint64 {
   return now - (now % uint64(bucketLengthInMs))
}
// 窗口下标方位
idx := int((now / uint64(bucketLengthInMs)) % uint64(len))

2：初始化窗口数据结构（BucketWrap）

for i := idx; i <= len-1; i++ {
   ww := &BucketWrap{
      BucketStart: startTime,
      Value:       atomic.Value{},
   }
   ww.Value.Store(generator.NewEmptyBucket())
   ret.data[i] = ww
   startTime += uint64(bucketLengthInMs)
}
for i := 0; i < idx; i++ {
   ww := &BucketWrap{
      BucketStart: startTime,
      Value:       atomic.Value{},
   }
   ww.Value.Store(generator.NewEmptyBucket())
   ret.data[i] = ww
   startTime += uint64(bucketLengthInMs)
}

3：将窗口数组首元素地址设置到原子时刻轮

// calculate base address for real data array
sliHeader := (*util.SliceHeader)(unsafe.Pointer(&ret.data))
ret.base = unsafe.Pointer((**BucketWrap)(unsafe.Pointer(sliHeader.Data)))

假如对unsafe.Pointer和slice熟悉的同学，对于这段代码不难理解。这里经过unsafe.Pointer 将底层 slice 首元素（第一个窗口）地址设置到原子时刻轮中。这么做的原因主要是完结对时刻轮中的元素（窗口）进行原子无锁的读取和更新。

窗口获取&窗口替换

怎么在并发安全的状况下读取窗口和对窗口进行替换（时刻轮涉及到对窗口更新操作）代码如下：

// 获取对应窗口
func (aa *AtomicBucketWrapArray) get(idx int) *BucketWrap {
   // aa.elementOffset(idx) return the secondary pointer of BucketWrap, which is the pointer to the aa.data[idx]
   // then convert to (*unsafe.Pointer)
   if offset, ok := aa.elementOffset(idx); ok {
      return (*BucketWrap)(atomic.LoadPointer((*unsafe.Pointer)(offset)))
   }
   return nil
}
// 替换对应窗口
func (aa *AtomicBucketWrapArray) compareAndSet(idx int, except, update *BucketWrap) bool {
   // aa.elementOffset(idx) return the secondary pointer of BucketWrap, which is the pointer to the aa.data[idx]
   // then convert to (*unsafe.Pointer)
   // update secondary pointer
   if offset, ok := aa.elementOffset(idx); ok {
      return atomic.CompareAndSwapPointer((*unsafe.Pointer)(offset), unsafe.Pointer(except), unsafe.Pointer(update))
   }
   return false
}
// 获取对应窗口的地址
func (aa *AtomicBucketWrapArray) elementOffset(idx int) (unsafe.Pointer, bool) {
   if idx >= aa.length || idx < 0 {
      logging.Error(errors.New("array index out of bounds"),
         "array index out of bounds in AtomicBucketWrapArray.elementOffset()",
         "idx", idx, "arrayLength", aa.length)
      return nil, false
   }
   basePtr := aa.base
   return unsafe.Pointer(uintptr(basePtr) + uintptr(idx)*unsafe.Sizeof(basePtr)), true
}

获取窗口：

在 get func 中接收依据当时时刻核算出的窗口对应下标方位
依据下标方位在 elementOffset func 中，首先将底层的 slice 首元素地址转换成 uintptr，然后将窗口对应下标*对应的指针字节巨细即能够得到对应窗口元素的地址
将对应窗口地址转换成时刻窗口（*BucketWarp）即可

窗口更新：

和获取窗口一样，获取到对应下标方位的窗口地址，然后利用 atomic.CompareAndSwapPointer 进行 cas 更新，将新的窗口指针地址更新到底层数组中。

滑动窗口

在原子时刻轮中提供了对窗口读取以及更新的操作。那么在什么机遇触发更新以及怎么滑动？

滑动

所谓滑动便是依据当时时刻找到整个核算周期的一切窗口中的数据。例如在限流场景下，咱们需求获取核算周期内的一切 pass 的流量，从而来判别当时流量是否应该被限流。

中心代码：

// 依据当时时刻获取周期内的一切窗口
func (m *SlidingWindowMetric) getSatisfiedBuckets(now uint64) []*BucketWrap {
   start, end := m.getBucketStartRange(now)
   satisfiedBuckets := m.real.ValuesConditional(now, func(ws uint64) bool {
      return ws >= start && ws <= end
   })
   return satisfiedBuckets
}
// 依据当时时刻获取整个周期对应的窗口的开端时刻和完毕时刻
func (m *SlidingWindowMetric) getBucketStartRange(timeMs uint64) (start, end uint64) {
   curBucketStartTime := calculateStartTime(timeMs, m.real.BucketLengthInMs())
   end = curBucketStartTime
   start = end - uint64(m.intervalInMs) + uint64(m.real.BucketLengthInMs())
   return
}
// 匹配符合条件的窗口
func (la *LeapArray) ValuesConditional(now uint64, predicate base.TimePredicate) []*BucketWrap {
   if now <= 0 {
      return make([]*BucketWrap, 0)
   }
   ret := make([]*BucketWrap, 0, la.array.length)
   for i := 0; i < la.array.length; i++ {
      ww := la.array.get(i)
      if ww == nil || la.isBucketDeprecated(now, ww) || !predicate(atomic.LoadUint64(&ww.BucketStart)) {
         continue
      }
      ret = append(ret, ww)
   }
   return ret
}

如下图所示：核算周期=1000ms（跨两个格子），now=1300 时核算出 start=500,end=1000

那么在核算周期内的 pass 数量时，会依据如下条件遍历格子，也就会找到开端时刻是 500 和 1000 的两个格子，那么核算的时候 1000 的这个格子中的数据自然也会被核算到。（当时时刻 1300，在 1000 的这个格子中）


satisfiedBuckets := m.real.ValuesConditional(now, func(ws uint64) bool { 
     return ws >= start && ws <= end 
   })

更新

每次流量经过时都会进行相应的目标存储，在存储时会先获取对应的窗口，然后会依据窗口的开端时刻进行对比，假如过期则进行窗口重置。

如下图：依据窗口开端时刻匹配发现 0 号窗口已过期。

如下图：重置窗口的开端时刻和核算目标。

中心代码：

func (la *LeapArray) currentBucketOfTime(now uint64, bg BucketGenerator) (*BucketWrap, error) {
   // 核算当时时刻对应的窗口下标
   idx := la.calculateTimeIdx(now)
   // 核算当时时刻对应的窗口的开端时刻
   bucketStart := calculateStartTime(now, la.bucketLengthInMs)
   for {
     // 获取旧窗口
      old := la.array.get(idx)
      // 假如旧窗口==nil则初始化(正常不会履行这部分代码)
      if old == nil {
         newWrap := &BucketWrap{
            BucketStart: bucketStart,
            Value:       atomic.Value{},
         }
         newWrap.Value.Store(bg.NewEmptyBucket())
         if la.array.compareAndSet(idx, nil, newWrap) {
            return newWrap, nil
         } else {
            runtime.Gosched()
         }
      // 假如本次核算的开端时刻等于旧窗口的开端时刻，则以为窗口没有过期，直接返回
      } else if bucketStart == atomic.LoadUint64(&old.BucketStart) {
         return old, nil
      //  假如本次核算的开端时刻大于旧窗口的开端时刻，则以为窗口过期尝试重置
      } else if bucketStart > atomic.LoadUint64(&old.BucketStart) {
         if la.updateLock.TryLock() {
            old = bg.ResetBucketTo(old, bucketStart)
            la.updateLock.Unlock()
            return old, nil
         } else {
            runtime.Gosched()
         }
        ......
      } 
}

总结

经过上面的介绍能够了解到在 Sentienl-Go 中完结底层目标的核算代码量并不多，本质是经过“时刻轮”进行目标的数据核算和存储，在时刻轮中学习 slice 的底层完结利用 unsafe.Pointer 和 atomic 合作对时刻轮进行无锁的原子操作，极大的提升了功能。

Sentinel-GO 全体的数据结构图：

作者介绍：

张斌斌（Github账号：binbin0325，公众号：柠檬汁Code），Sentinel-Golang Committer 、ChaosBlade Committer 、 Nacos PMC 、Apache Dubbo-Go Committer。现在主要重视于混沌工程、中间件以及云原生方向。

文章参考：

《golang unsafe.Pointer 运用原则以及 uintptr 躲藏的坑》

louyuting.blog.csdn.net/article/det…

Sentinel Go-毫秒级统计数据结构揭秘

布景介绍

固定窗口

滑动时刻窗口

核算结构

窗口结构

原子时刻轮

滑动窗口

总结

作者介绍：

文章参考：

作者信息

推广

Sentinel Go-毫秒级统计数据结构揭秘

布景介绍

固定窗口

滑动时刻窗口

核算结构

窗口结构

原子时刻轮

滑动窗口

总结

作者介绍：

文章参考：

相关文章

使用 GPT 基于个人文档建立聊天机器人的逐步教程

Collection集合体系全景图（二）

Android运行时权限终极方案，用PermissionX吧

Windows 内存管理知识总结

作者信息

推广