一. Disruptor
Disruptor 是一个高性能的异步处理框架。
Disruptor 是 LMAX 在线交易平台的关键组成部分，LMAX平台使用该框架对订单处理速度能达到600万TPS，除金融领域之外，其他一般的应用中都可以用到Disruptor，它可以带来显著的性能提升。其实 Disruptor 与其说是一个框架，不如说是一种设计思路，这个设计思路对于存在“并发、缓冲区、生产者—消费者模型、事务处理”这些元素的程序来说，Disruptor提出了一种大幅提升性能（TPS）的方案。
二. 实践
NetDiscovery 是基于 Vert.x、RxJava 2 等框架实现的爬虫框架。
NetDiscovery 默认的消息队列采用 JDK 的 ConcurrentLinkedQueue，由于爬虫框架各个组件都可以被替换，所以下面基于 Disruptor 实现爬虫的 Queue。
2.1 事件的封装
将爬虫的 request 封装成一个 RequestEvent，该事件会在 Disruptor 中传输。
import com.cv4j.netdiscovery.core.domain.Request;
import lombok.Data;
/** * Created by tony on 2018/9/1. */
@Data
public class RequestEvent {
private Request request;
public String toString() {
return request.toString();
}
}
2.2 发布事件
下面编写事件的发布，从 RingBuffer 中获取下一个可写入事件的序号，将爬虫要请求的 request 设置到 RequestEvent 事件中，最后将事件提交到 RingBuffer。
import com.cv4j.netdiscovery.core.domain.Request;
import com.lmax.disruptor.RingBuffer;
import java.util.concurrent.atomic.AtomicInteger;
/** * Created by tony on 2018/9/2. */
public class Producer {
private final RingBuffer<RequestEvent> ringBuffer;
private AtomicInteger count = new AtomicInteger(0); // 计数器
public Producer(RingBuffer<RequestEvent> ringBuffer) {
this.ringBuffer = ringBuffer;
}
public void pushData(Request request){
long sequence = ringBuffer.next();
try{
RequestEvent event = ringBuffer.get(sequence);
event.setRequest(request);
}finally {
ringBuffer.publish(sequence);
count.incrementAndGet();
}
}
/** * 发送到队列中到Request的数量 * @return */
public int getCount() {
return count.get();
}
}
2.3 消费事件
RequestEvent 设置了 request 之后，消费者需要处理具体的事件。下面的 Consumer 仅仅是记录消费者的线程名称以及 request。真正的“消费”还是需要从 DisruptorQueue 的 poll() 中获取 request ，然后在 Spider 中进行“消费”。
import com.lmax.disruptor.WorkHandler;
import lombok.extern.slf4j.Slf4j;
import java.util.concurrent.atomic.AtomicInteger;
/** * Created by tony on 2018/9/2. */
@Slf4j
public class Consumer implements WorkHandler<RequestEvent> {
@Override
public void onEvent(RequestEvent requestEvent) throws Exception {
log.info("consumer:" + Thread.currentThread().getName() + " requestEvent: value=" + requestEvent.toString());
}
}
2.4 DisruptorQueue 的实现
Disruptor 支持单生产者单消费者、多生产者、多消费者、分组等方式。
在 NetDiscovery 中采用多生产者多消费者。
在 RingBuffer 创建时，ProducerType 使用 MULTI 类型表示多生产者。创建 RingBuffer 采用了 YieldingWaitStrategy 。YieldingWaitStrategy 是一种WaitStrategy，不同的 WaitStrategy 会有不同的性能。
YieldingWaitStrategy 性能是最好的，适合用于低延迟的系统。在要求极高性能且事件处理线数小于CPU逻辑核心数的场景中，推荐使用此策略；例如，CPU开启超线程的特性。
ringBuffer = RingBuffer.create(ProducerType.MULTI,
new EventFactory<RequestEvent>() {
@Override
public RequestEvent newInstance() {
return new RequestEvent();
}
},
ringBufferSize ,
new YieldingWaitStrategy());
EventProcessor 用于处理 Disruptor 中的事件。
EventProcessor 的实现类包括：BatchEventProcessor 用于单线程批量处理事件，WorkProcessor 用于多线程处理事件。
WorkerPool 管理着一组 WorkProcessor。创建完 ringBuffer 之后，创建 workerPool：
SequenceBarrier barriers = ringBuffer.newBarrier();
for (int i = 0; i < consumers.length; i++) {
consumers[i] = new Consumer();
}
workerPool = new WorkerPool<RequestEvent>(ringBuffer,
barriers,
new EventExceptionHandler(),
consumers);
启动 workerPool：
ringBuffer.addGatingSequences(workerPool.getWorkerSequences());
workerPool.start(Executors.newFixedThreadPool(threadNum));
最后是 DisruptorQueue 完整的代码：
import com.cv4j.netdiscovery.core.domain.Request;
import com.cv4j.netdiscovery.core.queue.AbstractQueue;
import com.lmax.disruptor.*;
import com.lmax.disruptor.dsl.ProducerType;
import lombok.extern.slf4j.Slf4j;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.AtomicInteger;
/** * Created by tony on 2018/9/1. */
@Slf4j
public class DisruptorQueue extends AbstractQueue {
private RingBuffer<RequestEvent> ringBuffer;
private Consumer[] consumers = null;
private Producer producer = null;
private WorkerPool<RequestEvent> workerPool = null;
private int ringBufferSize = 1024*1024; // RingBuffer 大小，必须是 2 的 N 次方
private AtomicInteger consumerCount = new AtomicInteger(0);
private static final int CONSUME_NUM = 2;
private static final int THREAD_NUM = 4;
public DisruptorQueue() {
this(CONSUME_NUM,THREAD_NUM);
}
public DisruptorQueue(int consumerNum,int threadNum) {
consumers = new Consumer[consumerNum];
//创建ringBuffer
ringBuffer = RingBuffer.create(ProducerType.MULTI,
new EventFactory<RequestEvent>() {
@Override
public RequestEvent newInstance() {
return new RequestEvent();
}
},
ringBufferSize ,
new YieldingWaitStrategy());
SequenceBarrier barriers = ringBuffer.newBarrier();
for (int i = 0; i < consumers.length; i++) {
consumers[i] = new Consumer();
}
workerPool = new WorkerPool<RequestEvent>(ringBuffer,
barriers,
new EventExceptionHandler(),
consumers);
ringBuffer.addGatingSequences(workerPool.getWorkerSequences());
workerPool.start(Executors.newFixedThreadPool(threadNum));
producer = new Producer(ringBuffer);
}
@Override
protected void pushWhenNoDuplicate(Request request) {
producer.pushData(request);
try {
Thread.sleep(100);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
@Override
public Request poll(String spiderName) {
Request request = ringBuffer.get(ringBuffer.getCursor() - producer.getCount() +1).getRequest();
ringBuffer.next();
consumerCount.incrementAndGet();
return request;
}
@Override
public int getLeftRequests(String spiderName) {
return producer.getCount()-consumerCount.get();
}
public int getTotalRequests(String spiderName) {
return super.getTotalRequests(spiderName);
}
static class EventExceptionHandler implements ExceptionHandler {
public void handleEventException(Throwable ex, long sequence, Object event) {
log.debug("handleEventException：" + ex);
}
public void handleOnStartException(Throwable ex) {
log.debug("handleOnStartException：" + ex);
}
public void handleOnShutdownException(Throwable ex) {
log.debug("handleOnShutdownException：" + ex);
}
}
}
其中，pushWhenNoDuplicate() 是将 request 发送到 ringBuffer 中。poll() 是从 ringBuffer 中取出对应的 request ，用于爬虫进行网络请求、解析请求等处理。
总结：
爬虫框架 github 地址：https://github.com/fengzhizi715/NetDiscovery
上述代码是比较经典的 Disruptor 多生产者多消费者的代码，亦可作为样板代码使用。
最后，在爬虫框架是面向接口编程的，所以替换其中的任意组件都比较方便。
该系列的相关文章：
从API到DSL —— 使用 Kotlin 特性为爬虫框架进一步封装
使用Kotlin Coroutines简单改造原有的爬虫框架
为爬虫框架构建Selenium模块、DSL模块(Kotlin实现)
基于Vert.x和RxJava 2构建通用的爬虫框架
