云原生社区活动---Kubernetes 源码剖析第一期第三周作业, 也是最后一周作业.
本文主要讲述下 client-go 中 workqueue, 看一下 client-go 的一个整体数据走向.如下图：
而 workqueue 主要是在 listener 这里引用，listener 使用 chan 获取到数据之后将数据放入到工作队列进行处理。主要是由于 chan 过于简单，已经无法满足 K8S 的场景，所以衍生出了 workqueue，
特性
有序
去重
并发
延迟处理
限速
当前有三种 workqueue
基本队列
延迟队列
限速队列
其中延迟队列是基于基本队列实现的，而限流队列基于延迟队列实现
基本队列
看一下基本队列的接口
// client-go源码路径util/workqueue/queue.gotype Interface interface { //新增元素 可以是任意对象 Add(item interface{}) //获取当前队列的长度 Len() int // 阻塞获取头部元素(先入先出) 返回元素以及队列是否关闭 Get() (item interface{}, shutdown bool) // 显示标记完成元素的处理 Done(item interface{}) //关闭队列 ShutDown() //队列是否处于关闭状态 ShuttingDown() bool}
复制代码
看一下基本队列的数据结构,只看三个重点处理的,其他的没有展示出来
type Type struct { //含有所有元素的元素的队列 保证有序 queue []t //所有需要处理的元素 set是基于map以value为空struct实现的结构，保证去重 dirty set //当前正在处理中的元素 processing set ...}
type empty struct{}type t interface{}type set map[t]empty
复制代码
基本队列的 hello world 也很简单
wq := workqueue.New() wq.Add("hello") v, _ := wq.Get()
复制代码
基本队列 Add
func (q *Type) Add(item interface{}) { q.cond.L.Lock() defer q.cond.L.Unlock() //如果当前处于关闭状态,则不再新增元素 if q.shuttingDown { return } //如果元素已经在等待处理中,则不再新增 if q.dirty.has(item) { return } //添加到metrics q.metrics.add(item) //加入等待处理中 q.dirty.insert(item) //如果目前正在处理该元素 就不将元素添加到队列 if q.processing.has(item) { return } q.queue = append(q.queue, item) q.cond.Signal()}
复制代码
基本队列 Get
func (q *Type) Get() (item interface{}, shutdown bool) { q.cond.L.Lock() defer q.cond.L.Unlock() //如果当前没有元素并且不处于关闭状态,则阻塞 for len(q.queue) == 0 && !q.shuttingDown { q.cond.Wait() } ... item, q.queue = q.queue[0], q.queue[1:] q.metrics.get(item) //把元素添加到正在处理队列中 q.processing.insert(item) //把队列从等待处理队列中删除 q.dirty.delete(item) return item, false}
复制代码
基本队列实例化
func newQueue(c clock.Clock, metrics queueMetrics, updatePeriod time.Duration) *Type { t := &Type{ clock: c, dirty: set{}, processing: set{}, cond: sync.NewCond(&sync.Mutex{}), metrics: metrics, unfinishedWorkUpdatePeriod: updatePeriod, } //启动一个协程 定时更新metrics go t.updateUnfinishedWorkLoop() return t}
func (q *Type) updateUnfinishedWorkLoop() { t := q.clock.NewTicker(q.unfinishedWorkUpdatePeriod) defer t.Stop() for range t.C() { if !func() bool { q.cond.L.Lock() defer q.cond.L.Unlock() if !q.shuttingDown { q.metrics.updateUnfinishedWork() return true } return false
}() { return } }}
复制代码
延迟队列
延迟队列的实现思路主要是使用优先队列存放需要延迟添加的元素,每次判断最小延迟的元素书否已经达到了加入队列的要求(延迟的时间到了),如果是则判断下一个元素,直到没有元素或者元素还需要延迟为止。
看一下延迟队列的数据结构
type delayingType struct { Interface ... //放置延迟添加的元素 waitingForAddCh chan *waitFor ...}
复制代码
主要是使用 chan 来保存延迟添加的元素,而具体实现是通过一个实现了一个 AddAfter 方法，看一下具体的内容
//延迟队列的接口type DelayingInterface interface { Interface // AddAfter adds an item to the workqueue after the indicated duration has passed AddAfter(item interface{}, duration time.Duration)}
func (q *delayingType) AddAfter(item interface{}, duration time.Duration) { ... //如果延迟实现小于等于0 直接添加到队列 if duration <= 0 { q.Add(item) return } select { case <-q.stopCh: //添加到chan,下面会讲一下这个chan的处理 case q.waitingForAddCh <- &waitFor{data: item, readyAt: q.clock.Now().Add(duration)}: }}
复制代码
延迟元素的处理
func (q *delayingType) waitingLoop() {
defer utilruntime.HandleCrash()
never := make(<-chan time.Time)
var nextReadyAtTimer clock.Timer
waitingForQueue := &waitForPriorityQueue{} //这里是初始化一个优先队列 具体实现有兴趣的同学可以研究下 heap.Init(waitingForQueue)
waitingEntryByData := map[t]*waitFor{}
for { if q.Interface.ShuttingDown() { return }
now := q.clock.Now()
// Add ready entries for waitingForQueue.Len() > 0 { entry := waitingForQueue.Peek().(*waitFor) //看一下第一个元素是否已经到达延迟的时间了 if entry.readyAt.After(now) { break }
//时间到了,将元素添加到工作的队列,并且从延迟的元素中移除 entry = heap.Pop(waitingForQueue).(*waitFor) q.Add(entry.data) delete(waitingEntryByData, entry.data) }
// Set up a wait for the first item's readyAt (if one exists) nextReadyAt := never if waitingForQueue.Len() > 0 { if nextReadyAtTimer != nil { nextReadyAtTimer.Stop() } //如果还有需要延迟的元素,计算第一个元素的延迟时间(最小延迟的元素) entry := waitingForQueue.Peek().(*waitFor) nextReadyAtTimer = q.clock.NewTimer(entry.readyAt.Sub(now)) nextReadyAt = nextReadyAtTimer.C() }
select { case <-q.stopCh: return case <-q.heartbeat.C(): //定时检查下是否有元素达到延迟的时间 case <-nextReadyAt: //这里是上面计算出来的时间,时间到了,处理到达延迟时间的元素 case waitEntry := <-q.waitingForAddCh: //检查是否需要延迟,如果需要延迟就加入到延迟等待 if waitEntry.readyAt.After(q.clock.Now()) { insert(waitingForQueue, waitingEntryByData, waitEntry) } else { //如果不需要延迟就直接添加到队列 q.Add(waitEntry.data) }
drained := false for !drained { select { case waitEntry := <-q.waitingForAddCh:
复制代码
上面 waitingLoop 是在实例化延迟队列的时候调用的，看一下实例化时候的逻辑
func NewDelayingQueueWithCustomClock(clock clock.Clock, name string) DelayingInterface { //实例化一个数据结构 ret := &delayingType{ Interface: NewNamed(name), clock: clock, heartbeat: clock.NewTicker(maxWait), stopCh: make(chan struct{}), waitingForAddCh: make(chan *waitFor, 1000), metrics: newRetryMetrics(name), }
//放到一个协程中处理延迟元素 go ret.waitingLoop()
return ret}
复制代码
限速队列
当前限速队列支持 4 中限速模式
令牌桶算法限速
排队指数限速
计数器模式
混合模式(多种限速算法同时使用)
限速队列的底层实际上还是通过延迟队列来进行限速,通过计算出元素的限速时间作为延迟时间
来看一下限速接口
type RateLimiter interface { // When(item interface{}) time.Duration // Forget indicates that an item is finished being retried. Doesn't matter whether its for perm failing // or for success, we'll stop tracking it Forget(item interface{}) // NumRequeues returns back how many failures the item has had NumRequeues(item interface{}) int}
复制代码
看一下限速队列的数据结构
// RateLimitingInterface is an interface that rate limits items being added to the queue.type RateLimitingInterface interface { DelayingInterface
//实际上底层还是调用的延迟队列,通过计算出元素的延迟时间 进行限速 AddRateLimited(item interface{})
// Forget indicates that an item is finished being retried. Doesn't matter whether it's for perm failing // or for success, we'll stop the rate limiter from tracking it. This only clears the `rateLimiter`, you // still have to call `Done` on the queue. Forget(item interface{})
// NumRequeues returns back how many times the item was requeued NumRequeues(item interface{}) int}
func (q *rateLimitingType) AddRateLimited(item interface{}) { //通过when方法计算延迟加入队列的时间 q.DelayingInterface.AddAfter(item, q.rateLimiter.When(item))}
复制代码
令牌桶算法
client-go 中的令牌桶限速是通过 golang.org/x/time/rat 包来实现的
可以通过 flowcontrol.NewTokenBucketRateLimiter(qps float32, burst int) 来使用令牌桶限速算法，其中第一个参数 qps 表示每秒补充多少 token,burst 表示总 token 上限为多少。
排队指数算法
排队指数可以通过 workqueue.NewItemExponentialFailureRateLimiter(baseDelay time.Duration, maxDelay time.Duration) 来使用。
这个算法有两个参数:
baseDelay 基础限速时间
maxDelay 最大限速时间
举个例子来理解一下这个算法，例如快速插入 5 个相同元素，baseDelay 设置为 1 秒，maxDelay 设置为 10 秒，都在同一个限速期内。第一个元素会在 1 秒后加入到队列，第二个元素会在 2 秒后加入到队列，第三个元素会在 4 秒后加入到队列，第四个元素会在 8 秒后加入到队列，第五个元素会在 10 秒后加入到队列(指数计算的结果为 16，但是最大值设置了 10 秒)。
来看一下源码的计算
func (r *ItemExponentialFailureRateLimiter) When(item interface{}) time.Duration { r.failuresLock.Lock() defer r.failuresLock.Unlock()
//第一次为0 exp := r.failures[item] //累加1 r.failures[item] = r.failures[item] + 1
//通过当前计数和baseDelay计算指数结果 baseDelay*(2的exp次方) backoff := float64(r.baseDelay.Nanoseconds()) * math.Pow(2, float64(exp)) if backoff > math.MaxInt64 { return r.maxDelay }
calculated := time.Duration(backoff) if calculated > r.maxDelay { return r.maxDelay }
return calculated}
复制代码
计数器模式
计数器模式可以通过 workqueue.NewItemFastSlowRateLimiter(fastDelay, slowDelay time.Duration, maxFastAttempts int)来使用，有三个参数
fastDelay 快限速时间
slowDelay 慢限速时间
maxFastAttempts 快限速元素个数
原理是这样的，假设 fastDelay 设置为 1 秒，slowDelay 设置为 10 秒，maxFastAttempts 设置为 3，同样在一个限速周期内快速插入 5 个相同的元素。前三个元素都是以 1 秒的限速时间加入到队列，添加第四个元素时开始使用 slowDelay 限速时间，也就是 10 秒后加入到队列，后面的元素都将以 10 秒的限速时间加入到队列，直到限速周期结束。
来看一下源码
func (r *ItemFastSlowRateLimiter) When(item interface{}) time.Duration { r.failuresLock.Lock() defer r.failuresLock.Unlock() //添加一次就计数一次 r.failures[item] = r.failures[item] + 1 //计数小于maxFastAttempts都以fastDelay为限速时间，否则以slowDelay为限速时间 if r.failures[item] <= r.maxFastAttempts { return r.fastDelay } return r.slowDelay}
复制代码
混合模式
最后一种是混合模式，可以组合使用不同的限速算法实例化限速队列
func NewMaxOfRateLimiter(limiters ...RateLimiter) RateLimiter { return &MaxOfRateLimiter{limiters: limiters}}
复制代码
总结
在 k8s-client-go 的源码中可以看到，大量的接口组合运用，将各种功能拆分成各个细小的库，是一种非常值得学习的代码风格以及思路。
始发于 四颗咖啡豆,转载请声明出处.
关注公粽号->[四颗咖啡豆] 获取最新内容
评论