有幸参加了 Flomesh 组织的 workshop,了解了他们的 Pipy 网络代理,以及围绕 Pipy 构建起来的生态。Pipy 在生态中,不止是代理的角色,还是 Flomesh 服务网格中的数据平面。
整理一下,做个记录,顺便瞄一下 Pipy 的部分源码。
介绍
下面是摘自 Github 上关于 Pipy 的介绍:
Pipy 是一个轻量级、高性能、高稳定、可编程的网络代理。Pipy 核心框架使用 C++ 开发,网络 IO 采用 ASIO 库。 Pipy 的可执行文件仅有 5M 左右,运行期的内存占用 10M 左右,因此 Pipy 非常适合做 Sidecar proxy。
Pipy 内置了自研的 pjs 作为脚本扩展,使得 Pipy 可以用 JS 脚本根据特定需求快速定制逻辑与功能。
Pipy 采用了模块化、链式的处理架构,用顺序执行的模块来对网络数据块进行处理。这种简单的架构使得 Pipy 底层简单可靠,同时具备了动态编排流量的能力,兼顾了简单和灵活。通过使用 REUSE_PORT 的机制(主流 Linux 和 BSD 版本都支持该功能),Pipy 可以以多进程模式运行,使得 Pipy 不仅适用于 Sidecar 模式,也适用于大规模的流量处理场景。 在实践中,Pipy 独立部署的时候用作“软负载”,可以在低延迟的情况下,实现媲美硬件的负载均衡吞吐能力,同时具有灵活的扩展性。
Pipy 的核心是消息流处理器:
Pipy 流量处理的流程:
核心概念
流(Stream):Pipy
管道(Pipeline)
模块(Module)
会话(Session)
上下文(Context)
<u>以下是个人浅见</u>:
Pipy 使用 pjs
引擎将 JavaScript 格式的配置,解析成其抽象的 Configuration
对象。每个 Configuration
中包含了多个 Pipeline
,每个 Configuration
中又会用到多个 Filter
。这些都属于 Pipy 的静态配置部分。(后面会提到 Pipeline 的三种不同类型)
而属于运行时的就是流、会话和上下文了,在 Pipy 中,数据流是由对象(Pipy 的抽象)组成的。而这些对象抵达 Pipy,被抽象成不同的<u>事件</u>。而事件触发不同的过滤器的执行。
我个人更喜欢将其核心理解为:对数据流的事件处理引擎。
理解归理解,实践出真知。“大胆假设,小心求证!”
本地编译
从编译 Pipy 开始。
环境准备
#安装 nodejs
$ nvm install lts/erbium
#安装 cmake
$ brew install cmake
复制代码
编译 Pipy
从 https://github.com/flomesh-io/pipy.git
克隆代码。
Pipy 的编译包括了两个部分,GUI 和 Pipy 本体。
GUI 是 Pipy 提供的一个用于开发模式下进行配置的界面,首先编译 Pipy GUI。
# pipy root folder
$ cd gui
$ npm install
$ npm run build
复制代码
接着编译 Pipy 的本体
# pipy root folder
$ mkdir build
$ cd build
$ cmake -DCMAKE_BUILD_TYPE=Release -DPIPY_GUI=ON ..
$ make
复制代码
完成后检查根目录下的 bin
目录,可以看到 pipy 的可执行文件,大小只有 11M。
$ bin/pipy --help
Usage: pipy [options] <script filename>
Options:
-h, -help, --help Show help information
-v, -version, --version Show version information
--list-filters List all filters
--help-filters Show detailed usage information for all filters
--log-level=<debug|info|warn|error> Set the level of log output
--verify Verify configuration only
--reuse-port Enable kernel load balancing for all listening ports
--gui-port=<port> Enable web GUI on the specified port
复制代码
Demo:Hello Pipy
开发模式下可以让 Pipy 携带 GUI 启动,通过 GUI 进行配置。
#指定 gui 的端口为 6060,从 test 目录中加载配置
$ bin/pipy --gui-port=6060 test/
2021-05-30 22:48:41 [info] [gui] Starting GUI service...
2021-05-30 22:48:41 [info] [listener] Listening on 0.0.0.0:6060
复制代码
浏览器中打开
配置界面
展开 002-hello
子目录点选 pipy
并点击运行按钮:
$ curl -i localhost:6080
HTTP/1.1 200 OK
Connection: keep-alive
Content-Length: 7
Hello!
复制代码
Pipy 过滤器
通过 pipe 的命令可以输出其支持的过滤器列表,一共 31 个。通过将一系列过滤器进行组装,可以实现复杂的流处理。
比如 007-logging
的配置实现了日志的功能:记录请求和响应的数据,并批量发送到 ElasticSearch。这里就用到了 fork
、connect
、onSessionStart
、encodeHttpRequest
、decodeHttpRequest
、onMessageStart
、onMessage
、decodeHttpResponse
、replaceMessage
、link
、mux
、task
十二种过滤器。
$ bin/pipy --list-filters
connect (target[, options]) Sends data to a remote endpoint and receives data from it
demux (target) Sends messages to a different pipline with each one in its own session and context
decodeDubbo () Deframes a Dubbo message
decodeHttpRequest () Deframes an HTTP request message
decodeHttpResponse () Deframes an HTTP response message
dummy () Eats up all events
dump ([tag]) Outputs events to the standard output
encodeDubbo ([head]) Frames a Dubbo message
encodeHttpRequest ([head]) Frames an HTTP request message
encodeHttpResponse ([head]) Frames an HTTP response message
exec (command) Spawns a child process and connects to its input/output
fork (target[, sessionData]) Sends copies of events to other pipeline sessions
link (target[, when[, target2[, when2, ...]]]) Sends events to a different pipeline
mux (target[, selector]) Sends messages from different sessions to a shared pipeline session
onSessionStart (callback) Handles the initial event in a session
onData (callback) Handles a Data event
onMessageStart (callback) Handles a MessageStart event
onMessageEnd (callback) Handles a MessageEnd event
onSessionEnd (callback) Handles a SessionEnd event
onMessageBody (callback) Handles a complete message body
onMessage (callback) Handles a complete message including the head and the body
print () Outputs raw data to the standard output
replaceSessionStart (callback) Replaces the initial event in a session
replaceData ([replacement]) Replaces a Data event
replaceMessageStart ([replacement]) Replaces a MessageStart event
replaceMessageEnd ([replacement]) Replaces a MessageEnd event
replaceSessionEnd ([replacement]) Replaces a SessionEnd event
replaceMessageBody ([replacement]) Replaces an entire message body
replaceMessage ([replacement]) Replaces a complete message including the head and the body
tap (quota[, account]) Throttles message rate or data rate
use (module, pipeline[, argv...]) Sends events to a pipeline in a different module
wait (condition) Buffers up events until a condition is fulfilled
复制代码
原理
“Talk is cheap, show me the code.”
配置加载
个人比较喜欢看源码来理解实现,即使是 C++。从浏览器请求入手发现运行时向/api/program
发送了 POST
请求,请求的内容是配置文件的地址。
检查源码后,找到逻辑的实现在 src/gui.cpp:189
:
创建新的 worker
加载配置,将 JavaScrip 代码解析成 Configuration
对象
启动 worker,执行Configuration::apply()
卸载旧的 worker
从 src/api/configuration.cpp:267
处看:pipeline
、listen
和 task
配置实际在 Pipy 的配置中都是被抽象为 Pipeline
对象,只是在类型上有差异分别为:NAMED
、LISTEN
和 TASK
。比如 listen
中可以通过 fork
过滤器将事件的副本发送到指定的 pipeline
中。
基于数据流事件的处理
src/inbound.cpp:171
结语
Pipy 虽小(只有 11M),但以其可编程的特性提供了灵活的配置能力,潜力无限。
Pipy 像处理 HTTP 一样处理任意的七层协议。内部版本支持 Dubbo、Redis、Socks 等,目前正在迁移到开源版本。
期待即将开源的 Portal,以及服务网格 Flomesh。持续关注,后面考虑再写几篇。
“未来可期!”
评论