当前位置：首页 > article >正文

workflow笔记

article 2025/1/11 21:43:31

workflow 介绍

搜狗公司C++服务器引擎，编程范式。支撑搜狗几乎所有后端C++在线服务，包括所有搜索服务，云输入法，在线广告等，每
日处理数百亿请求。这是一个设计轻盈优雅的企业级程序引擎，可以满足大多数后端与嵌入式开发需求。

特征：
快速搭建 http 服务器。
可异步访问常见第三方服务：http，redis，mysql 和kafka。
构建异步任务流，支持常用的串并联，也支持更加复杂的DAG结构。
作为并行计算工具使用。除了网络任务，我们也包含计算任务的调度。所有类型的任务都可以放入同一个流中。
在Linux系统下作为文件异步IO工具使用，性能超过任何标准调用。磁盘IO也是一种任务。
实现任何计算与通讯关系非常复杂的高性能高并发的后端服务。

workflow 编译安装

git clone https://github.com/sogou/workflow # From
gitee: git clone https://gitee.com/sogou/workflow
cd workflow
make
cd tutorial
make

workflow 编程范式

抽象出来的模型： 程序 = 协议 + 算法 + 任务流

协议

大多数情况下，用户使用的是内置的通用网络协议，例如http，redis或各种rpc。
用户可以方便的自定义网络协议，只需提供序列化和反序列化函数，就可以定义出自己的client/server。

算法

在我们的设计里，算法是与协议对称的概念。如果说协议的调用是rpc，算法的调用就是一次apc（Async Procedure Call）。
我们提供了一些通用算法，例如sort，merge，psort，reduce，可以直接使用。
与自定义协议相比，自定义算法的使用要常见得多。任何一次边界清晰的复杂计算，都应该包装成算法

任务流

在workflow当中所有的任务都是异步处理的
任务隐藏了若干个异步执行流

任务流就是实际的业务逻辑，就是把开发好的协议与算法放在流程图里使用起来。
典型的任务流是一个闭合的串并联图。复杂的业务逻辑，可能是一个非闭合的DAG。
任务流图可以直接构建，也可以根据每一步的结果动态生成。所有任务都是异步执行的。

请求回应模式

workflow是一种请求回应的模式，服务端不会主动给客户端推数据，必须要发起一个请求，而且这个请求是一个一个的发送，如果没有得到回应不要继续发请求。
比如 http

结构化并发与任务隐藏

我们系统中包含五种基础任务：通讯，计算，文件IO，定时器，计数器
一切任务都由任务工厂产生，用户通过调用接口组织并发结构。例如串联并联，DAG等。
大多数情况下，用户通过任务工厂产生的任务，都隐藏了多个异

例如，一次http请求，可能包含许多次异步过程（DNS，重定向），但对用户来讲，就是一次通信任务。
文件排序，看起来就是一个算法，但其实包括复杂的文件IO与CPU计算的交互过程。
如果把业务逻辑想象成用设计好的电子元件搭建电路，那么每个电子元件内部可能又是一个复杂电路。
任务隐藏机制大幅减少了用户需要创建的任务数量和回调深度。

任何任务都运行在某个串行流（series）里，共享series上下文，让异步任务之间数据传递变得简单

workflow的串联执行

使用tutorial里面hello world的例子

#include <stdio.h>
#include "workflow/WFHttpServer.h"
void mul(int a , int b , int& res) {
    res = a * b;
}
int main()
{
    WFHttpServer server([](WFHttpTask *task) {
        task->get_resp()->append_output_body("<html>Hello World!</html>");
        int a = 533;
        int b = 7;
        int res;
        WFGoTask* go = WFTaskFactory::create_go_task("test" , mul , a , b , res);
        go->set_callback([&](WFGoTask* t){
            protocol::HttpResponse* resp = (protocol::HttpResponse*)t->user_data;
            char buf[1024] = {0};
            sprintf(buf , "<br> 7 * 533 = %d<br/>" , res);
            resp->append_output_body(buf);
        });
        go->user_data = task->get_resp();
        series_of(task)->push_back(go); // 串联执行
    });
    if (server.start(8889) == 0) { // start server on port 8888
        getchar(); // press "Enter" to end.
        server.stop();
    }
    return 0;
}

当我们再次请求的时候发现 , 响应中追加了一行乘法结果
在这里插入图片描述

workflow的并行执行

tutorial-06-parallel_wget.cc

workflow的DAG执行

tutorial-11-graph_task.cc
在这里插入图片描述
内部重载了–>

抽象层次

流（添加任务，添加上下文，设置回调）
任务 WFTaskFactory 中定义的基础任务
任务流 SubTask

class Workflow
{
public:
	static SeriesWork *
	create_series_work(SubTask *first, series_callback_t callback);  // 串行流

	static void
	start_series_work(SubTask *first, series_callback_t callback); // 这个任务流里面所有的任务执行完之后会调用这个回调函数

	static ParallelWork *
	create_parallel_work(parallel_callback_t callback);   // 并行流

	static ParallelWork *
	create_parallel_work(SeriesWork *const all_series[], size_t n,
						 parallel_callback_t callback);

	static void
	start_parallel_work(SeriesWork *const all_series[], size_t n,
						parallel_callback_t callback);

public:
	static SeriesWork *
	create_series_work(SubTask *first, SubTask *last,
					   series_callback_t callback);

	static void
	start_series_work(SubTask *first, SubTask *last,
					  series_callback_t callback);
};

在这里插入图片描述

回调与内存回收机制

一切调用都是异步执行，几乎不存在占着线程等待的操作。
显式的回调机制。用户清楚自己在写异步程序。
通过一套对象生命周期机制，大幅简化异步程序的内存管理

任何框架创建的任务，生命周期都是从创建到callback函数运行结束为止。没有泄漏风险。
如果创建了任务之后不想运行，则需要通过dismiss()接口删除。
任务中的数据，例如网络请求的resp，也会随着任务被回收。此时用户可通过std::move()把需要的数据移走。
项目中不使用任何智能指针来管理内存。代码观感清新。

尽量避免用户级别派生，以std::function封装用户行为，包括：

任何任务的callback。
任何server的process。符合FaaS（Function as aService）思想。
一个算法的实现，简单来讲也是一个std::function。
如果深入使用，又会发现一切皆可派生。

线程模型

在这里插入图片描述

主线程

4个网络线程

poller 做那么几件事情
1 检测条件是否满足，如果是网络的话，组装完整的数据，然后抛出队列

20个工作线程池

从任务队列中取出任务，执行server注册的回调函数，如果这个过程中新生成了net/timer/file io的时间需要去监听注册，则直接调用epoll_ctl 加入到某个poller线程里面去，如果有计算密集的任务则将任务加入到go线程的任务队列里面去给go线程处理

8个计算线程池

专门处理cpu类型的任务

应用场景

高扇出场景

搜索服务一般都是高扇出场景；它需要调用许多下游模块多，考验网络通信框架的调度能力。
高扇出解释：一个节点与许多其他节点存在大量连接的情况。
高扇出的痛点：吞吐与长尾；提升吞吐需要提高单个请求的响应速度，所以需要尽量少切换网络收发线程，但是不切换容易导致处理的慢的资源堆积，长尾问题就很明显。

多 client 混用场景

同时访问 redis/mysql/kafka 的数据管理需求。workflow 实现了常见的网络协议，不同协议的任务可以在底层调度层无缝打通。

SRPC

业务层协议 IDL 使用了 protobuf，需要对里边定义的service 支持简单的计算功能，同时支持可以异步执行，如何能够快速搭建这样的服务。基于Workflow做底层调度的生态项目，拥有Workflow的网络性能优势，且自生成service接口，因此可以让 service 接口底层打通 Workflow 底层的异步 server 功能。除此之外使用案例 2 中的其他协议或者计算任务都很方便。

嵌入式领域

服务治理场景（服务发现）

自定义协议接入

场景：公网接入网需要 http 协议，但是后端服务是自定义私有协议，接入层需要自己开发。
常见的办法是使用 nginx，开发 ngx_module_t，但 nginx的网络有 11 个阶段，内部资源纯自行管理，模块代码与框架代码完全耦合到一起，开发起来非常困难，出了问题也很难排查。
workflow 可以派生基本网络层，实现消息的序列化/反序列化接口，即得到自定义协议的任务。然后启动 http server，创建自定义任务，再利用案例 4 中提到的转发功能，即可得到一个自定义协议接入层，转发性能无损耗。

workflow三板斧

抽象粒度合适的任务

通过任务流组织任务, 串联，并联，DAG

协调任务

counter 递减的“信号量”
conditional 条件变量
resource pool 类似信号量
message queue 类似消息队列
不占用线程的方式，条件触发

网络模块的设计

多线程网络

workflow会创建4个poller线程，将listen fd % poller线程数，落入其中的一个poller线程里面
在这里插入图片描述

accept一个新的连接之后，又会将clientfd % poller线程数量，去均衡的加入到一个poller线程当中去处理后续的网络事件

epoll三个系统调用是否线程安全

都是线程安全的

线程状态

1 epoll_wait
2 正在处理事件

工作线程调用epoll_ctl 是否安全

增加：一个epoll里面本来没有这个fd , 增加一个是没问题的
修改：没有问题，epoll本身有这个fd , 把读事件改为写事件如connect ，或者把写事件改为读事件。
删除：有问题。其中一个线程正在处理epoll_wait返回的事件循环，在这个过程中也可能执行删除的操作，另外一个线程同样执行删除的操作，内核就会报错。事件循环的那个线程要下一次epoll_wait的时候才能感知到另外一个线程的删除操作

删除操作通过管道pipe去解决。
在这里插入图片描述
工作线程把删除的操作通过管道传递给epoll_wait线程，让删除的操作串行执行。