摘要：前兩種的方式畢竟會多幾跳中轉(zhuǎn)，但在路由的靈活性和通訊語義的提供更豐富的選擇，而且在大數(shù)據(jù)量的處理上，吞吐量和平均延時并不會比直連差很多?？鐧C房的通信和本機房的通信有所不同本地機房的通信講究高吞吐量，類訪問會要求低延時。

（圖片源自網(wǎng)絡(luò)）

從之前的描述，已經(jīng)可以看出我們會采用RPC over MQ的方式做底層實現(xiàn)，類似方法調(diào)用的通信語義會在client和server兩端的庫中作封裝。

從后端實現(xiàn)來說，我們用三套后端來滿足不同的場景：

1、對大中型分布式系統(tǒng)環(huán)境，rabbitmq是非常非常好的支撐。本來以為需要自己做很多工作，但深入了解rabbitmq，尤其是其支持的amqp協(xié)議，發(fā)現(xiàn)其實前人在很多思路方面已經(jīng)栽好樹了，比如一致性hash和跨機房等功能，都有相應(yīng)的插件支撐。
所以，rabbitmq成為babel的第一選擇，可以實現(xiàn)我們規(guī)劃功能的全集，我們的SAAS平臺都是使用的rabbitmq。

2、對少量機器而言，redis提供了非常輕量級的隊列支持，可以提供有限但必要的功能。
redis沒有類似amqp這樣的協(xié)議，需要手動作些封裝。我們在單機環(huán)境使用redis，盡可能減少部署和運維的開銷。

3、對性能有苛刻要求的可以用zeromq后端去做tcp直連。前兩種mq的方式畢竟會多幾跳中轉(zhuǎn)，但在路由的靈活性和通訊語義的提供更豐富的選擇，而且在大數(shù)據(jù)量的處理上，吞吐量和平均延時并不會比直連差很多。
但為了滿足特殊環(huán)境的需要，我們預(yù)留了zeromq的實現(xiàn)選擇，最近由于新的需求，正在準備完成這塊拼圖。zeromq的缺點在于需要中央配置系統(tǒng)來幫忙完成路由功能。

每種后臺實現(xiàn)對使用者透明，可以通過配置進行透明切換，但是有些高級通信語義redis和zeromq不支持。

如果對應(yīng)到web service 三要素：

UDDI：傳統(tǒng)的rpc或者SOA都是去注冊中心發(fā)現(xiàn)遠端對象，然后客戶端主動推送數(shù)據(jù)到服務(wù)端。mq的方式幫我們省卻了自注冊（訂閱實現(xiàn)）和服務(wù)發(fā)現(xiàn)（mq自己路由）的問題。

WSDL：目前我們通過json的方式來描述rpc的service端，包括機房所在地，持久化，超時等等。

SOAP：目前使用json的方式，我們定義了一個統(tǒng)一的Event對象來封裝一些固定屬性，其他都在一個map中。由業(yè)務(wù)代碼自己去打包拆包。當(dāng)然這種方式在大團隊中不適合。

大量的工作可以利用mq來實現(xiàn)，我們的工作主要體現(xiàn)在通訊語義的封裝。

? client端訪問模式語義

queue語義（消息有去無回）：傳統(tǒng)的數(shù)據(jù)輸送。

簡單rpc（消息一去一回）：傳統(tǒng)的rpc和soa都適用于此場景。

輪詢rpc（消息一去多回）：一個request出去，多個response回來，適合于輪詢下游節(jié)點的場景。

分布式存儲rpc（一個request消息，只要有最小條件的response消息就返回）：適合于分布式場景下的讀寫。例如三個拷貝，需要至少兩份讀成功或者至少兩份寫成功，等等。目前此方式我們還沒有用到。

? 消息分發(fā)語義（實際上這里的行為參考了storm的部分功能）

Shuffle：一個消息，會有多個接收者，這些接收者根據(jù)自己的資源情況去搶占同一來源的消息，達到load balance的目的。實際上我們通過shuffle來做集群功能，省掉了LB的引入。而且性能強的拉多點，性能弱的拉少點，變相的實現(xiàn)了根據(jù)消費者的性能來做分發(fā)。

Sharding：與shuffle類似，也是多個consumer來分享消息，不過根據(jù)消息的key，保證在拓撲環(huán)境不發(fā)生改變的情況下，同一個key始終指向同一個消費者，為后續(xù)分布式系統(tǒng)的搭建打下基礎(chǔ)

topic語義：所有消費者都會得到消息的一個拷貝。常見的mq語義

topic+shffule：一組消費者作為一個整體來訂閱topic，得到所有的消息，每個訂閱團體內(nèi)部通過shuffle的形式去分攤。這種非常適合用大數(shù)據(jù)環(huán)境下，有不同類型的數(shù)據(jù)消費者，每一個類型的消費者有各自的實例數(shù)。

topic+sharding：一組消費者作為一個整體來訂閱topic，得到所有的消息，每個訂閱團體內(nèi)部通過sharding的形式去分攤。類似于topic shuffle，只是換用了sharding這種更嚴格的語義。

? 數(shù)據(jù)的封裝語義。用于指定babel上承載數(shù)據(jù)的特征，例如:

batch operation：用于指定是否進行批處理傳遞。

Security：暫無使用。

Compressing：指定payload壓縮方法，目前只做了gzip。

機房：指定了機房所在地，框架會根據(jù)生產(chǎn)者和消費者的不同自動做跨機房的處理。

持久化：指定在無消費者的情況下，是否需要持久化存儲，以及最大大小。

超時：指定消息的最大有效時間，超過的消息將會被丟棄。

其他。

對于以上的通訊語義，首先需要去底層的mq基礎(chǔ)里面找到相對應(yīng)的設(shè)施來做封裝，比如對于queue語義作個簡單舉例：

而對于像rpc，輪詢，以及其他功能，則需要相應(yīng)的代碼來支撐，比如：

response的返回可以通過client監(jiān)聽queue來實現(xiàn)

response和request的串聯(lián)可以通過自定義的requestid來實現(xiàn)

輪詢可以通過client 端等待多個消息返回，可以用condition來做同步

……

這里有不少細節(jié)，暫不在本文中進行展開了。

由于幾種mq都有python和java的客戶端，所以我們工作會輕松很多，只是同樣的邏輯需要寫兩份，好處還是很明顯的，使得我們的系統(tǒng)語言無關(guān)，方便根據(jù)當(dāng)前人員的技能情況來分配開發(fā)任務(wù)。
不過這里不得不吐槽python的并發(fā)，雖然有心理準備，沒想到是如此之差。當(dāng)使用多線程的時候，性能下降的厲害，比java要差兩個數(shù)量級，所以我們python版做了同步（多線程），異步（協(xié)程）兩個版本。異步版本的性能尚可接受；我們已經(jīng)準備在build自己的異步python框架，來覆蓋我們的應(yīng)用程序。

Babel的一大特色是跨機房通信，來幫助我們解決不同數(shù)據(jù)中心的通信問題，使得業(yè)務(wù)開發(fā)人員只用關(guān)心其所負責(zé)的業(yè)務(wù)即可?？鐧C房的通信和本機房的通信有所不同：

本地機房的通信講究高吞吐量，rpc類訪問會要求低延時。
跨機房通信必須應(yīng)對復(fù)雜的網(wǎng)絡(luò)情況，要求數(shù)據(jù)不丟，rpc類通信可以接受相對較高的延時。

實現(xiàn)上，我們利用了federation插件，當(dāng)rpc框架發(fā)現(xiàn)存在跨機房訪問時，會自動啟用相應(yīng)的路由，下圖是同事畫的兩種情況下的路由，綠線是本地調(diào)用，紅線是跨機房調(diào)用。

對于業(yè)務(wù)應(yīng)用而言，使用上是基本透明的，借助于mq的中轉(zhuǎn)，在多機房環(huán)境下它也可以玩轉(zhuǎn)除數(shù)據(jù)推送外的RPC類訪問語義。

1 分布式數(shù)據(jù)計算平臺

首先是我們的私有化大數(shù)據(jù)平臺warden。warden集數(shù)據(jù)采集、轉(zhuǎn)換、分發(fā)、實時分析和展示等功能于一體，希望從客戶的原始網(wǎng)絡(luò)流量中找出異常點和風(fēng)險事件。

此圖是一個warden分布式版本的草圖：

采集的數(shù)據(jù)通過topic sharding類分配給不同類型的消費者，比如ES writer，Mysql writer，實時分析引擎；每種消費者可以有不同的實例數(shù)。

實時計算引擎通過sharding來分攤流量，達到scale out的效果。

rule引擎需要數(shù)據(jù)的時候同樣通過簡單的sharding的rpc就可以獲得相應(yīng)的數(shù)據(jù)了。

規(guī)則引擎的結(jié)果可以通過topic來進行再分發(fā)。

目前只有實時引擎是java的，因為性能要求苛刻，其他模塊采用python開發(fā)。

上圖只是個例子，來簡要說明babel是如何支撐一個分布式數(shù)據(jù)計算系統(tǒng)的。實際的系統(tǒng)使用了更多的語義，也更加的復(fù)雜。不過借助于Babel的協(xié)助，整個系統(tǒng)在實現(xiàn)和運維上已經(jīng)很大程度上減輕了復(fù)雜程度。

2 水平擴展的web系統(tǒng)

第二個例子是我們曾經(jīng)做過的SAAS平臺私有化案例，是我們早期SAAS平臺的極簡版本。

圖畫的略凌亂了些：

系統(tǒng)主架構(gòu)是用haproxy做負載均衡，發(fā)到我們的兩臺主機上。

兩臺主機內(nèi)部完全相同，右邊主機內(nèi)部組件沒有畫全。

每臺主機有內(nèi)部的nginx，load balance到本機器內(nèi)部的諸多python web server 上。

python web server直接讀取本地的nosql數(shù)據(jù)庫。

寫數(shù)據(jù)時，由于寫請求sharding到兩臺機器上，所以我們有個topic的service來處理nosql數(shù)據(jù)寫入，保證每個寫入操作都寫到兩臺機器上，每臺機器的nosql始終存有全量的最新數(shù)據(jù)。

由于客戶要求落地關(guān)系型數(shù)據(jù)庫，所以通過shuffle再將寫請求分散開，統(tǒng)一寫入mysql中。

在這個系統(tǒng)中，我們成功的利用babel建立了自己的一致性框架，從而避免了去使用db做數(shù)據(jù)一致性；同時由于對等的服務(wù)器架構(gòu)，在部署維護上省掉了很多事情。

整個框架，我們都準備了統(tǒng)一的metrics體系去做監(jiān)控和報警（實際上metrics系統(tǒng)本身的跨機房屬性反而是通過babel來實現(xiàn)），詳盡的監(jiān)視了RPC的某個環(huán)節(jié)，之前有過我們監(jiān)控的文章，這里就不重復(fù)了。