總結:aggregator聚合器就是從falcon_portal.cluster表中取出用戶在頁面上配置的表達式,然後解析後,通過api拿到對應機器組的所有機器,通過api查詢graph數據算出一個值重新打回transfer作爲一個新的點。
- 定時從db中拿出所有的聚合器配置放到一個map中
- 第一次啓動時遍歷聚合器map生成workers map 這兩個map的key都是id+updatetime
- 同時下一次拿出db生成map 對workers這個map進行增量更新 和刪除操作刪除是通過 worker.Quit chan通信的
- workers這個map 通過 ticker跑cron 運行WorkerRun這個方法
- WorkerRun這個方法解析分子分母的配置
- 調用api 根據grp_id拿出所有機器列表
- 調用graph的last接口拿出所有endpoint的counter 的值然後進行計算
- 計算後重新打回 一個線程安全的雙向鏈表隊列
- 另外一個goroutine異步pop隊列中的值發生給 transfer的http接口(不是給agent用的rpc接口)
- 機器量很多時獲取機器列表和查詢最新的值都是瓶頸
- 我在想如果直接在transfer中直接做數據的聚合速度上不存在瓶頸
下面我們來看下代碼:
- main.go中核心的兩個地方
//查詢db 調api算值 push 到push的隊列中
go cron.UpdateItems()
//從push隊列push到transfer
sender.StartSender()
2.看下go cron.UpdateItems()
func updateItems() {
//從db中查詢出結果
items, err := db.ReadClusterMonitorItems()
if err != nil {
return
}
//對比key(id+uptime),將已經變更的項刪除
deleteNoUseWorker(items)
//啓動新的worker
createWorkerIfNeed(items)
}
//看下這個讀db的func
func ReadClusterMonitorItems() (M map[string]*g.Cluster, err error){
......
/*看到這個funcreturn的是個map key是 每個聚合項的id和他更新時間的字符串
value 就是Cluster結構體指針
type Cluster struct {
Id int64
GroupId int64
Numerator string
Denominator string
Endpoint string
Metric string
Tags string
DsType string
Step int
LastUpdate time.Time
}
*/
M[fmt.Sprintf("%d%v", c.Id, c.LastUpdate)] = &c
return M, err
}
3.看下 deleteNoUseWorker 和createWorkerIfNeed 這兩個func都是圍繞 Worker這個struct的進行增刪
func deleteNoUseWorker(m map[string]*g.Cluster) {
del := []string{}
for key, worker := range Workers {
//遍歷已經創建的work,如果key在新的map中沒有了說明這條記錄在db中被更改或刪除了
//所以刪掉它 給Workers這個map縮容
if _, ok := m[key]; !ok {
//將worker 中的Quit chan關閉 會調用ticker.stop 真正關閉
worker.Drop()
del = append(del, key)
}
}
for _, key := range del {
delete(Workers, key)
}
}
func createWorkerIfNeed(m map[string]*g.Cluster) {
for key, item := range m {
if _, ok := Workers[key]; !ok {
//如果配置中step小於0 丟棄這條
if item.Step <= 0 {
log.Println("[W] invalid cluster(step <= 0):", item)
continue
}
//初始化worker
worker := NewWorker(item)
Workers[key] = worker
worker.Start()
}
}
}
4. 看下Worker這個結構體包含三個域
- ticker作爲一個計時器實現類似cron的功能每隔一段時間執行一次Start 中的func
- ClusterItem作爲每個聚合器的配置
- Quit是一個chan用來外部關閉 key在新的map中沒有了說明這條記錄在db中被更改或刪除了
type Worker struct {
Ticker *time.Ticker
ClusterItem *g.Cluster
Quit chan struct{}
}
func NewWorker(ci *g.Cluster) Worker {
w := Worker{}
w.Ticker = time.NewTicker(time.Duration(ci.Step) * time.Second)
w.Quit = make(chan struct{})
w.ClusterItem = ci
return w
}
func (this Worker) Start() {
go func() {
for {
select {
case <-this.Ticker.C:
WorkerRun(this.ClusterItem)
case <-this.Quit:
if g.Config().Debug {
log.Println("[I] drop worker", this.ClusterItem)
}
this.Ticker.Stop()
return
}
}
}()
}
func (this Worker) Drop() {
close(this.Quit)
}
var Workers = make(map[string]Worker)
到這裏我們已經看明白聚合器的流程了:
- 定時從db中拿出所有的聚合器配置放到一個map中
- 第一次啓動時遍歷聚合器map生成workers map 這兩個map的key都是id+updatetime
- 同時下一次拿出db生成map 對workers這個map進行增量更新 和刪除操作刪除是通過 worker.Quit chan通信的
- workers這個map 通過 ticker跑cron 運行WorkerRun這個方法
5.下面看下最重要的方法 WorkerRun
func WorkerRun(item *g.Cluster) {
debug := g.Config().Debug
/*
Numerator代表分子 例如 $(cpu.user)+$(cpu.system) 代表求cpu.user和cpu.system的和
Denominator代表分母 例如 $# 代表所有機器
*/
//cleanParam去除\r等字符
numeratorStr := cleanParam(item.Numerator)
denominatorStr := cleanParam(item.Denominator)
//判斷分子分母是否合法
if !expressionValid(numeratorStr) || !expressionValid(denominatorStr) {
log.Println("[W] invalid numerator or denominator", item)
return
}
//判斷分子分母是否需要計算
needComputeNumerator := needCompute(numeratorStr)
needComputeDenominator := needCompute(denominatorStr)
//如果分子分母都不需要計算就不需要用到聚合器了
if !needComputeNumerator && !needComputeDenominator {
log.Println("[W] no need compute", item)
return
}
//比如分子是這樣的: "($(cpu.busy)+$(cpu.idle)-$(cpu.nice))>80"
//那麼parse的返回值爲 [cpu.busy cpu.idle cpu.nice] [+ -] >80
numeratorOperands, numeratorOperators, numeratorComputeMode := parse(numeratorStr, needComputeNumerator)
denominatorOperands, denominatorOperators, denominatorComputeMode := parse(denominatorStr, needComputeDenominator)
if !operatorsValid(numeratorOperators) || !operatorsValid(denominatorOperators) {
log.Println("[W] operators invalid", item)
return
}
/*add retry for gethostname bygid
這裏源碼是動過sdk根據group_id查找組裏面機器列表
這裏我進行了兩點優化:
1.sdk調用時沒有加重試,http失敗導致這次沒有get到機器所以這個點就不算了導致斷點
2.原來的接口在機器量超過1k時就效率就會很慢 2w+機器需要8s,看了代碼是用orm進行了多次查詢而且附帶了很多別的信息
這裏我只需要group_id對應endpoint_list所以我寫了一個新的接口用一條raw_sql進行查詢
測試2w+的機器0.2s就能返回
*/
retry_limit :=3
r_s :=0
var hostnames []string
for r_s <retry_limit{
hostnames_tmp, err_tmp := sdk.HostnamesByID(item.GroupId)
if err_tmp != nil {
log.Println("[E] get hostlist err",err_tmp)
r_s+=1
time.Sleep(time.Second)
}else{
hostnames = hostnames_tmp
break
}
}
//沒有機器當然不用算了
if len(hostnames)==0{
log.Println("[E] get 0 record hostname item:",item)
return
}
now := time.Now().Unix()
/*這裏是調用graph/lastpoint這個api 查詢最近一個點的數據
1.機器是上面查到的主機列表
2.counter這裏做了合併 把所有要查的metirc都放在一個請求裏面查詢了
3.查詢的時候在api那邊做了for循環 逐個item查詢 估計這裏也會拖慢速度
4.查完之後計算下值推到發送隊列
*/
valueMap, err := queryCounterLast(numeratorOperands, denominatorOperands, hostnames, now-int64(item.Step*2), now)
if err != nil {
log.Println("[E] get queryCounterLast", err, item)
return
}
..........
sender.Push(item.Endpoint, item.Metric, item.Tags, numerator/denominator, item.DsType, int64(item.Step))
}
6.最後看下發送的代碼
- MetaDataQueue是個線程安全的雙向鏈表
- 上面說的WorkerRun方法中會將轉化好的監控項數據PushFront入鏈表
- startSender這個goroutine 每200毫秒會將隊列中的數據取出發送到transfer的http接口
func Push(endpoint, metric, tags string, val interface{}, counterType string, step_and_ts ...int64) {
md := MakeMetaData(endpoint, metric, tags, val, counterType, step_and_ts...)
MetaDataQueue.PushFront(md)
}
const LIMIT = 200
var MetaDataQueue = NewSafeLinkedList()
var PostPushUrl string
var Debug bool
func StartSender() {
go startSender()
}
func startSender() {
for {
L := MetaDataQueue.PopBack(LIMIT)
if len(L) == 0 {
time.Sleep(time.Millisecond * 200)
continue
}
err := PostPush(L)
if err != nil {
log.Println("[E] push to transfer fail", err)
}
}
}