背景
這個問題簡單說一下背景，如果不明白可以看上篇文章 ，不想看也沒關(guān)系，這是個通用的解法，后面我會總結(jié)抽象下。
在上篇文章的最后提到對每個摘除的地址做決策時，需要順序執(zhí)行，且每一個要摘除的地址都要實(shí)時獲取該集群的地址信息，以便做出是否需要兜底的決策。
當(dāng)被摘除的機(jī)器非常多時，獲取地址信息的請求量就會非常大，對注冊中心造成了不小的壓力。
請求數(shù)據(jù)源的接口如下所示（其中 cuuid 是集群的 id）
type Read interface {
ListClusterEndpoints(ctx context.Context, cuuid string) ([]ptypes.Endpoint, error)
}相信大家也能理解這個非常簡單的背景并且能想到一些解法。每次決策需要按 cuuid 獲取集群，也就是單個單個地獲取實(shí)時集群地址信息，由于是實(shí)時信息，緩存首先排除，其次自然而然地能想到如果能將請求合并一下，是不是就能解決請求量大的問題？
難點(diǎn)
如果只是改邏輯合并一下請求，吭哧吭哧改代碼就完了，也不值得寫這篇文章了，如何改最少的代碼來實(shí)現(xiàn)合并請求才是最難的。
解法
那天遇到這個問題，晚上輾轉(zhuǎn)反側(cè)想到了這個解法，其實(shí)主要也是參考 Go http client 的實(shí)現(xiàn)，都說看源碼沒用，這不就是用處么？
Read? 數(shù)據(jù)源接口定義保持不變，也就是上層的業(yè)務(wù)代碼完全不用改，只需要把 ListClusterEndpoints 的實(shí)現(xiàn)換掉。
我們可以用一個隊(duì)列把每個請求入隊(duì)，入隊(duì)列以后，調(diào)用方阻塞，然后起一些協(xié)程去隊(duì)列里取一批請求參數(shù)，發(fā)起批量請求，響應(yīng)之后喚醒阻塞的調(diào)用方。
為此，我們實(shí)現(xiàn)一個可以阻塞并被其他協(xié)程喚醒的工具：
type token struct {
value interface{}
err error
}
type Token chan token
func NewToken() Token {
return make(Token, 1)
}
func (t Token) Done(value interface{}, err error) {
t <- token{value: value, err: err}
}
func (t Token) Wait(timeout time.Duration) (value interface{}, err error) {
if timeout <= 0 {
tk := <-t
return tk.value, tk.err
}
select {
case tk := <-t:
return tk.value, tk.err
case <-time.After(timeout):
return nil, ErrTokenTimeout
}
}其次，定義隊(duì)列和其他參數(shù)：
type DataSource struct {
paramCh chan param
readTimeout time.Duration
concurrency int
step int
}
type param struct {
cuuid string
token Token
}替換掉原來 ListClusterEndpoints 的實(shí)現(xiàn)：
func (p *DataSource) ListClusterEndpoints(ctx context.Context, cuuid string) ([]ptypes.Endpoint, error) {
req := param{
cuuid: cuuid,
token: NewToken(),
}
select {
case p.paramCh <- req:
default:
return nil, fmt.Errorf("list cluster endpoints write channel failed")
}
value, err := req.token.Wait(p.readTimeout)
if err != nil {
return nil, err
}
eps, ok := value.([]ptypes.Endpoint)
if !ok {
return nil, fmt.Errorf("value is not endpoints")
}
return endpoints, nil
}再起幾個協(xié)程來處理任務(wù)：
func (p *DataSource) startListClusterEndpointsLoop() {
for i := 0; i < p.concurrency; i++ {
go func() {
for {
reqs := p.getListClusterEndpointsReqFromChan()
p.doBatchListClusterEndpoints(reqs)
}
}()
}
}最關(guān)鍵的是 getListClusterEndpointsReqFromChan 的實(shí)現(xiàn)，既不能讓協(xié)程空跑，這樣太消耗cpu，又要能及時地取到一批參數(shù)，我們采取的方法是先阻塞地獲取一個參數(shù)，如果沒數(shù)據(jù)則阻塞，如果有數(shù)據(jù)，繼續(xù)取，直到數(shù)量達(dá)到上限或者取不到數(shù)據(jù)為止，此時這一批數(shù)據(jù)就可以批量地進(jìn)行調(diào)用了。
func (p *DataSource) getListClusterEndpointsReqFromChan() []param {
reqs := make([]param, 0)
select {
case req := <-p.paramCh:
reqs = append(reqs, req)
for i := 1; i < p.step; i++ {
select {
case reqNext := <-p.paramCh:
reqs = append(reqs, reqNext)
default:
break
}
}
}
return reqs
}最后
這個方法很簡單，但是有一些要注意的地方，得做好監(jiān)控，比如調(diào)用方單個請求的QPS、RT，實(shí)際批量請求的QPS、RT，這樣才好計(jì)算出處理協(xié)程開多少個合適，還有隊(duì)列寫入失敗、隊(duì)列長度等等監(jiān)控，當(dāng)容量不足時及時做出調(diào)整。
