Netty 源码解析 -- FastThreadLocal 与 HashedWheelTimer

Netty源码分析系列文章已接近尾声，本文再来分析Netty中两个常见组件：FastThreadLoca与HashedWheelTimer。

源码分析基于Netty 4.1.52



FastThreadLocal

FastThreadLocal比较简单。

FastThreadLocal和FastThreadLocalThread是配套使用的。

FastThreadLocalThread继承了Thread，FastThreadLocalThread#threadLocalMap 是一个InternalThreadLocalMap，该InternalThreadLocalMap对象只能用于当前线程。

InternalThreadLocalMap#indexedVariables是一个数组，存放了当前线程所有FastThreadLocal对应的值。

而每个FastThreadLocal都有一个index，用于定位InternalThreadLocalMap#indexedVariables。



FastThreadLocal#get

public final V get() {
	// #1
	InternalThreadLocalMap threadLocalMap = InternalThreadLocalMap.get();
	// #2
	Object v = threadLocalMap.indexedVariable(index);
	if (v != InternalThreadLocalMap.UNSET) {
		return (V) v;
	}
	// #3
	return initialize(threadLocalMap);
}

#1 获取该线程的InternalThreadLocalMap

如果是FastThreadLocalThread，直接获取FastThreadLocalThread#threadLocalMap。

否则，从UnpaddedInternalThreadLocalMap.slowThreadLocalMap获取该线程InternalThreadLocalMap。

注意，UnpaddedInternalThreadLocalMap.slowThreadLocalMap是一个ThreadLocal，这里实际回退到使用ThreadLocal了。

#2 每个FastThreadLocal都有一个index。

通过该index，获取InternalThreadLocalMap#indexedVariables中存放的值

#3 找不到值，通过initialize方法构建新对象。



可以看到，FastThreadLocal中连hash算法都不用，通过下标获取对应的值，复杂度为log(1)，自然很快啦。



HashedWheelTimer



HashedWheelTimer是Netty提供的时间轮调度器。

时间轮是一种充分利用线程资源进行批量化任务调度的调度模型，能够高效的管理各种延时任务。

简单说，就是将延时任务存放到一个环形队列中，并通过执行线程定时执行该队列的任务。



例如，

环形队列上有60个格子，

执行线程每秒移动一个格子，则环形队列每轮可存放1分钟内的任务。

现在有两个定时任务

task1，32秒后执行

task2，2分25秒后执行

而执行线程当前位于第6格子

则task1放到32+6=38格，轮数为0

task2放到25+6=31个，轮数为2

执行线程将执行当前格子轮数为0的任务，并将其他任务轮数减1。



缺点，时间轮调度器的时间精度不高。

因为时间轮算法的精度取决于执行线程移动速度。

例如上面例子中执行线程每秒移动一个格子，则调度精度小于一秒的任务就无法准时调用。



HashedWheelTimer关键字段

// 任务执行器，负责执行任务
Worker worker = new Worker();
// 任务执行线程
Thread workerThread;
//  HashedWheelTimer状态， 0 - init, 1 - started, 2 - shut down
int workerState;
// 时间轮队列，使用数组实现
HashedWheelBucket[] wheel;
// 暂存新增的任务
Queue<HashedWheelTimeout> timeouts = PlatformDependent.newMpscQueue();
// 已取消任务
Queue<HashedWheelTimeout> cancelledTimeouts = PlatformDependent.newMpscQueue();



添加延迟任务 HashedWheelTimer#newTimeout

public Timeout newTimeout(TimerTask task, long delay, TimeUnit unit) {
    ...

    // #1
    start();

    // #2
    long deadline = System.nanoTime() + unit.toNanos(delay) - startTime;

    ...
    HashedWheelTimeout timeout = new HashedWheelTimeout(this, task, deadline);
    timeouts.add(timeout);
    return timeout;
}

#1 如果HashedWheelTimer未启动，则启动该HashedWheelTimer

HashedWheelTimer#start方法负责是启动workerThread线程

#2 startTime是HashedWheelTimer启动时间

deadline是相对HashedWheelTimer启动的延迟时间

构建HashedWheelTimeout，添加到HashedWheelTimer#timeouts



时间轮运行 Worker#run

public void run() {
	...

	// #1
	startTimeInitialized.countDown();

	do {
		// #2
		final long deadline = waitForNextTick();
		if (deadline > 0) {
			// #3
			int idx = (int) (tick & mask);
			processCancelledTasks();
			HashedWheelBucket bucket = wheel[idx];
			// #4
			transferTimeoutsToBuckets();
			// #5
			bucket.expireTimeouts(deadline);
			// #6
			tick++;
		}
	} while (WORKER_STATE_UPDATER.get(HashedWheelTimer.this) == WORKER_STATE_STARTED);

	// #7
	...
}

#1 HashedWheelTimer#start方法阻塞HashedWheelTimer线程直到Worker启动完成，这里解除HashedWheelTimer线程阻塞。

#2 计算下一格子开始执行的时间，然后sleep到下次格子开始执行时间

#2 tick是从HashedWheelTimer启动后移动的总格子数，这里获取tick对应的格子索引。

由于Long类型足够大，这里并不考虑溢出问题。

#4 将HashedWheelTimer#timeouts的任务迁移到对应的格子中

#5 处理已到期任务

#6 移动到下一个格子

#7 这里是HashedWheelTimer#stop后的逻辑处理，取消任务，停止时间轮



迁移任务 Worker#transferTimeoutsToBuckets

private void transferTimeoutsToBuckets() {
	// #1
	for (int i = 0; i < 100000; i++) {
		HashedWheelTimeout timeout = timeouts.poll();
		if (timeout == null) {
			// all processed
			break;
		}
		if (timeout.state() == HashedWheelTimeout.ST_CANCELLED) {
			continue;
		}
		// #2
		long calculated = timeout.deadline / tickDuration;
		// #3
		timeout.remainingRounds = (calculated - tick) / wheel.length;
		// #4
		final long ticks = Math.max(calculated, tick); // Ensure we don't schedule for past.
		// #5
		int stopIndex = (int) (ticks & mask);

		HashedWheelBucket bucket = wheel[stopIndex];
		bucket.addTimeout(timeout);
	}
}

#1 注意，每次只迁移100000个任务，以免阻塞线程

#2 任务延迟时间/每格时间数， 得到该任务需延迟的总格子移动数

#3 (总格子移动数 - 已移动格子数)/每轮格子数，得到轮数

#4 如果任务在timeouts队列放得太久导致已经过了执行时间，则使用当前tick， 也就是放到当前bucket，以便尽快执行该任务

#5 计算tick对应格子索引，放到对应的格子位置



执行到期任务 HashedWheelBucket#expireTimeouts

public void expireTimeouts(long deadline) {
	HashedWheelTimeout timeout = head;

	while (timeout != null) {
		HashedWheelTimeout next = timeout.next;
		// #1
		if (timeout.remainingRounds <= 0) {
			// #2
			next = remove(timeout);
			if (timeout.deadline <= deadline) {
				// #3
				timeout.expire();
			} else {
				throw new IllegalStateException(String.format(
						"timeout.deadline (%d) > deadline (%d)", timeout.deadline, deadline));
			}
		} else if (timeout.isCancelled()) {
			next = remove(timeout);
		} else {
			// #4
			timeout.remainingRounds --;
		}
		timeout = next;
	}
}

#1 选择轮数小于等于0的任务

#2 移除任务

#3 修改状态为过期，并执行任务

#4 其他任务轮数减1



ScheduledExecutorService使用堆(DelayedWorkQueue)维护任务，新增任务复杂度为O(logN)。

而 HashedWheelTimer 新增任务复杂度为O(1)，所以在任务非常多时， HashedWheelTimer 可以表现出它的优势。

但是任务较少甚至没有任务时，HashedWheelTimer的执行线程都需要不断移动，也会造成性能消耗。

注意，HashedWheelTimer使用同一个线程调用和执行任务，如果某些任务执行时间过久，则影响后续定时任务执行。当然，我们也可以考虑在任务中另起线程执行逻辑。

另外，如果任务过多，也会导致任务长期滞留在HashedWheelTimer#timeouts中而不能及时执行。



如果您觉得本文不错，欢迎关注我的微信公众号，系列文章持续更新中。您的关注是我坚持的动力！