技术

并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占cpu怎么办? 容器狂打日志怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 自动化mock AIOps说的啥 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 marathon-client 源码分析 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 swagger PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 mesos 的一些tips mesos 集成 calico calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 从一个marathon的问题开始的 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 mesos深入 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 那些有用的sql语句 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp mesos简介 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


向Hadoop学习NIO的使用

2016年04月15日

前言

如果没有专门进行过网络开发,那么科班出身的程序员对java网络编程的了解到bio就为止了,即便知道nio,也是一个简单地eventloop的例子,这个demo代码应付实际的业务是远远不够的。于是更多的人用了netty,netty将java nio封装的很好,也许封装的太好了,但netty也有它的局限性,比如对大文件传输的支持不是很好。

所以,不管从了解java nio的角度,还是为了在java网络编程时有更多的选择,都应该了解下java nio开发的一些套路。

一切都来自SelectorProvider

java nio中几个基本操作对象SocketChannel、ServerSocketChannel和Selector,它们的创建本质上都是调用了SelectorProvider。其OpenJDK实现如下

public static SelectorProvider create() {  
      PrivilegedAction pa = new GetPropertyAction("os.name");  
      String osname = (String) AccessController.doPrivileged(pa);  
      if ("SunOS".equals(osname)) {//1、如果SunOS  
          return new sun.nio.ch.DevPollSelectorProvider();  
      }  
      //2、Linux 内核>=2.6  
      // use EPollSelectorProvider for Linux kernels >= 2.6  
      if ("Linux".equals(osname)) {  
          pa = new GetPropertyAction("os.version");  
          String osversion = (String) AccessController.doPrivileged(pa);  
          String[] vers = osversion.split("\\.", 0);  
          if (vers.length >= 2) {  
              try {  
                  int major = Integer.parseInt(vers[0]);  
                  int minor = Integer.parseInt(vers[1]);  
                  if (major > 2 || (major == 2 && minor >= 6)) {  
                      return new sun.nio.ch.EPollSelectorProvider();  
                  }  
              } catch (NumberFormatException x) {  
                  // format not recognized  
              }  
          }  
      }  
      return new sun.nio.ch.PollSelectorProvider();  
}  

可以简单归纳如下:

  1. 在Solaris系统下将会使用DevPollSelectorProdiver;
  2. 在Linux系统下(2.6+版本),将会使用EPollSelectorProvider;
  3. 否则将会使用PollSelectorProvider.

对于SunJDK,DefaultSelectorProvider将直接返回WindowsSelectorProvider.这是一种基于Poll机制.

本节引用自NIO中Channel.spi学习

牛逼的org.apache.hadoop.net包

众所周知,hadoop将文件分块存储,每块默认有3个副本,那hadoop内部肯定有文件(块)传输操作,这在我们自己实现文件传输时有很大的借鉴意义。相关的代码在org.apache.hadoop.net中,主要涉及到四个类SocketInputStream,SocketOutputStream,SocketIOWithTimeout,StandardSocketFactory。笔者初看完这4个类的实现,只有一个感觉:鬼斧神工。

StandardSocketFactory负责创建Socket对象,SocketIOWithTimeout(封装Socket)提供带超时设置的io和connect操作。SocketInputStream和SocketOutputStream有个内部类作为SocketIOWithTimeout的子类,负责对外提供读写方法。很明显,SocketIOWithTimeout是核心,SocketIOWithTimeout的核心是int doIO(ByteBuffer buf, int ops)方法,其简化逻辑是

int doIO(ByteBuffer,ops){
    buffer// 对于read操作,就要要填充的buffer,对于写操作,就是要输出的buffer
	while(buffer.hasremaing()){
		// channel尝试读写,performIO留给子类实现(决定是读还是写)
		int n = performIO(buffer)
		// 如果读到就返回
		if(n != 0){
		    return n;
		}
		// 如果设定的时间内不能readable/wriable
		count = selectorPool.select(channel, ops, timeout)
		if(count == 0){
		    抛出SocketTimeoutException
		}
	}
	return 0
}

由此可以看到nio使用bytebuffer的一个优势,那就是操作的统一。不管read和write,不管有没有读到或写入数据,不管读取或写入了一个字节还是多个字节,buffer都是参数,不像bio,本质上是int read()write(int b),一次只能一个字节,并且这个字节,在read操作中作为返回值,在write操作中作为参数。读者可以参见InputStream和OutputStream抽象类的源码,read(byte[])read(byte[],off,len)本质上是操作read实现的。

SelectorPool

SocketIOWithTimeout中另一个比较厉害的操作就是selectorPool.select(channel, ops, timeout)。selectorPool是一个selector池,调用select(SelectableChannel channel, int ops, long timeout)方法就为channel分配一个空闲的selector监听ops操作,一个selector在某个时刻只负责一个channel((如果监听多个的话,timeout就不准了)),用完回收,如果一个selector空闲时间太长,就关闭它。select方法简化逻辑如下

int select(SelectableChannel channel, int ops, long timeout){
    // 为channel选择一个空闲的selector,如果没有则创建一个新的selector
    while(true){
        channel.register(selector, ops);
        int ret = selector.select(timeout);
        if (ret != 0) {
		    return ret;
		}
		// 记录循环的耗时,如果timeout了return 0
    }
    // 释放一些资源,回收selector
}

SelectorPool提供的select方法,意义还是蛮大的

  1. 以前一个selector负责多个socketchannel,现在一对多变成一对一
  2. 我们知道,nio设置成非阻塞后,没有超时一说(只是buffer中有没有数据的区别),而它提供了一种判断超时的机制。
  3. 隐藏了selector的创建和销毁。这样,nio的数据读写就不用eventloop,编写代码的感觉回归到以socketchannel为主角,跟bio就比较像了。这为我们实现基于nio的socket pool提供了便利。

     public class TestSocketOutputStream {
     	public static void main(String[] args) throws UnknownHostException, IOException {
     		SocketFactory socketFactory = StandardSocketFactory.getDefault();
     		Socket socket = socketFactory.createSocket("127.0.0.1", 8080);
     		SocketOutputStream outputStream = new SocketOutputStream(socket, 5000);
     		outputStream.write("abc".getBytes());
     	}
     }
    

怎么又是流

SocketIOWithTimeout虽然是org.apache.hadoop.net的核心,但不抛头露面,对外干活的是SocketInputStream和SocketOutputStream,此处以SocketOutputStream为例。

奇怪的是,SocketIOStream继承了OutputStream。本来java nio中,使用channel和buffer后没有stream的事了,为什么到最后又封装成了stream了呢?我估计不是hadoop作者对stream有什么偏爱,而是Stream是一套设计模式。SocketIOStream其实只是解决了“支持超时的读写操作”,把底层实现换成了nio。就好像一个骑两个轮子上班的人,后来开上四个轮子,虽然很爽,但终归还要自己亲自开车,对于习惯司机接送的人来说,还是不够方便。SocketIOStream的不方便之处在于,我要为它准备一个byte[]。

  • 如果写入的对象比较复杂,要自己序列化。
  • 如果byte[]比较大,会占用很大的内存。如果想占用的少一点,那只能攒一点写一点,自己控制调用write的节奏。

此时,stream的一套东西就很有用,DataOutputStream out = new DataOutputStream(new BufferedOutputStream(new SocketOutputStream(WritableByteChannel,timeout),BUFFER_SIZE));

  1. SocketOutputStream封装channel的读写操作,支持timeout
  2. BufferedOutputStream支持缓冲,用户只管往里写,凑够了BUFFER_SIZE的数据会自动触发SocketOutputStream的write操作。
  3. DataOutputStream封装了数据的序列化,免去了字节数组和数据之间的转换过程

《财富论》的开篇讨论了分工,在代码中,对于底层方法而言,要提供一个字节数组,凑够一个约定的数量把它发出去。对于上层调用者而言,它理解的调用时机和数据格式是:我需要发送一个int,发送一个string。这两者的差异,或者就是人与机器的差异。

中间的转换,需要分工去解决,不得不服java的博大精深。