open-falcon-aggregator代碼解析

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:

1. 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)
		}
	}
}