技术

下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论及实践 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 LLM部分技术源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 容器日志采集 Kubernetes 控制器模型 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

大模型推理服务框架 模型服务化(未完成) 大模型RHLF 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 LLM工具栈 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 容器和CPU那些事儿 kubevela源码分析 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 helm tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 机器学习中的python调用c 机器学习训练框架概述 embedding的原理及实践 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 tensorflow学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 容器和CPU那些事儿 kubevela源码分析 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 helm 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件

消息/任务队列

2015年08月08日

简介

linux的消息队列

进程间通信的三大手段之一(共享内存、信号和消息队列),对于不同的通信手段,进程消费“通信数据”的方式不同。

  1. 共享内存 聊聊跨进程共享内存的内部工作原理
  2. 消息队列和管道的区别:
    • 管道的中间介质是文件。
    • 消息队列是消息缓冲区,在内存中以队列的形式组织,传输时以消息(一个数据结构)为单位。

本地队列

本地队列的几种应用场景

  1. 存储数据,单纯的利用下先进先出特性
  2. 缓存任务/消息,缓解生产者和消费者的速度差异,便于消费者批量处理,通常用于消费者需要进行文件io或网络io的场景

    1. log4j,调用线程将日志加入到队列中,由write线程批量写入日志
    2. kafka producer

一个功能完善的队列通常要解决以下问题:

  1. 有界队列还是无界队列
  2. 多生产者和消费者的并发生产和消费问题。有界队列的线程安全问题,核心无非是生产和消费两个操作,对于入队操作,最关键的要求是不能覆盖没有消费的元素;对于出队操作,最关键的要求是不能读取没有写入的元素。所以一定会维护类似出队索引和入队索引这样两个关键变量。
  3. 性能问题,一般涉及到对硬件机制的利用,比如缓存批量读取、伪共享、cas等

案例分析(三):高性能队列Disruptor

  1. ArrayBlockingQueue 使用数组作为底层的数据存储,Disruptor 是使用 RingBuffer 作为数据存储。RingBuffer 本质上也是数组,仅仅将数据存储从数组换成 RingBuffer 并不能提升性能。生产者线程向 ArrayBlockingQueue 增加一个元素,每次增加元素 E 之前,都需要创建一个对象 E,如下图所示,ArrayBlockingQueue 内部有 6 个元素,这 6 个元素都是由生产者线程创建的,由于创建这些元素的时间基本上是离散的,所以这些元素的内存地址大概率也不是连续的。RingBuffer 这个数组中的所有元素在初始化时是一次性全部创建的,所以这些元素的内存地址大概率是连续的。生产者线程通过 publishEvent() 发布 Event 的时候,并不是创建一个新的 Event,而是通过 event.set() 方法修改 Event, 也就是说 RingBuffer 创建的 Event 是可以循环利用的,这样还能避免频繁创建、删除 Event 导致的频繁 GC 问题。
  2. 解决伪共享。对于 ArrayBlockingQueue,当 CPU 从内存中加载 takeIndex 的时候,会同时将 putIndex 以及 count 都加载进 Cache。假设线程 A 运行在 CPU-1 上,执行入队操作,入队操作会修改 putIndex,而修改 putIndex 会导致其所在的所有核上的缓存行均失效;此时假设运行在 CPU-2 上的线程执行出队操作,出队操作需要读取 takeIndex,由于 takeIndex 所在的缓存行已经失效,所以 CPU-2 必须从内存中重新读取。入队操作本不会修改 takeIndex,但是由于 takeIndex 和 putIndex 共享的是一个缓存行,就导致出队操作不能很好地利用 Cache,这其实就是伪共享。简单来讲,伪共享指的是由于共享缓存行导致缓存无效的场景。如何避免伪共享呢?缓存行填充。每个变量独占一个缓存行、不共享缓存行就可以了。

     // ArrayBlockingQueue
     final Object[] items;       /** 队列数组 */
     int takeIndex;              /** 出队索引 */
     int putIndex;               /** 入队索引 */
     int count;                  /** 队列中元素总数 */
    
  3. java内置队列 都采用加锁方式实现线程安全,Disruptor采用cas实现线程安全。Disruptor 中的 RingBuffer 维护了入队索引,但是并没有维护出队索引,这是因为在 Disruptor 中多个消费者可以同时消费,每个消费者都会有一个出队索引,所以 RingBuffer 的出队索引是所有消费者里面最小的那一个。

     do {                        //生产者获取n个写入位置 
         current = cursor.get(); //cursor类似于入队索引,指的是上次生产到这里
         next = current + n;     //目标是在生产n个
         long wrapPoint = next - bufferSize;     //减掉一个循环
         long cachedGatingSequence = gatingSequenceCache.get();      //获取上一次的最小消费位置
         if (wrapPoint>cachedGatingSequence || cachedGatingSequence>current){    //没有足够的空余位置
             ...
         } else if (cursor.compareAndSet(current, next)){        //获取写入位置成功,跳出循环
             break;
         }
     } while (true);
    
  4. cas玩了一些花活儿:

    • 环形数组(ring buffer),这里环形不是首位相顾,数组通过下标访问,Disruptor的“下标”会一直递增,通过“下标%数组长度”得到实际的数组index。数组长度2^n
    • 假设ring buffer长度为length,则还有一个length bit的数组available buffer,用于标记ring buffer 对应下标的元素是否被生产者占用。意图就是,java内置队列加锁,同一时刻数组只能被一个线程访问。而ring buffer允许多个线程同时访问,通过检查 available buffer是否被其他线程捷足先登(通过新增数据结构,来感知竞争激烈程度),然后重试。将加锁 改为 探测-重试

消息队列中间件

基于内存或磁盘的队列,为分布式应用提供通信手段。

消息模型

消息模型可以分为两种, 队列和发布-订阅式。

  1. 队列,此时队列单纯的是一个”削峰”的作用
  2. 发布-订阅模型,在producer 和 consumer 之间提取一个独立的第三方。可以看到,相对于“生产消费者”的生产消费,有一个订阅的过程来描述消费者的兴趣,不是producer发的所有消息消费者都会接

    体现在实现上,一个rabbitmq为例

     1. rabbitmq producer和 consumer 都明确绑定exchange
     2. rabbitmq producer发消息时,除了消息本身,要通过routingkey描述消息的“特征”。
    

RabbitMQ下的生产消费者模式与订阅发布模式

Kafka下的生产消费者模式与订阅发布模式

rabbitmq的发布订阅模式

  1. Exchange、Queue与Routing Key三个概念是理解RabbitMQ消息投递的关键。
  2. RabbitMQ中一个核心的原则是,消息不能直接投递到Queue中。
  3. Producer只能将自己的消息投递到Exchange中,由Exchange按照routing_key投递到对应的Queue中
  4. 在Consumer Worker中,声明自己对哪个Exchange感兴趣,并将自己的Queue绑定到自己感兴趣的一组routing_key上,建立相应的映射关系;
  5. 在Producer中,将消息投递一个Exchange中,并指明它的routing_key。

Queue这个概念只是对Consumer可见,Producer并不关心消息被投递到哪个Queue中

只保留逻辑概念的话

kafka的发布订阅模型

kafka 中partition 是物理上的概念,仅从逻辑概念上看

所有接入topic 的consumer group 都会收到消息,producer 没有类似routingkey 可以进行topic 内部 consumer group的指定,因此Kafka只提供了广播和单播(一对一广播)的消息模型,不支持组播(消息只发给topic 内的特定n个consumer group)。因此对于复杂场景,一般rabbitmq 项目只需要一个exchange即可,而kafka 通常要多个topic,所以kafka topic 其实跟 rabbitmq的 routingkey 逻辑上作用更像

发布订阅模型小结

  1. 两者都包含 物理概念和逻辑概念
  2. producer 只负责向逻辑概念发布数据
  3. consumer 一般与物理概念紧密关联,并绑定相关的逻辑概念(exchange + routingkey/topic,也就是订阅自己感兴趣的“事件”)

消息中间件的选型

笔者一度很迷kafka,并打算用其替换项目中的rabbitmq,但实际上kafka 不是银弹,比如其不支持优先级队列,而这个feature 在某些业务场景下很重要。

选型消息中间件 应该注意哪些问题 可以参见消息中间件选型分析——从Kafka与RabbitMQ的对比来看全局

消息中间件犹如小马过河,选择合适的才最重要,这需要贴合自身的业务需求,技术服务于业务。RabbitMQ在于routing,而Kafka在于streaming,了解其根本对于自己能够对症下药选择到合适的消息中间件尤为重要。从功能维度上来说,RabbitMQ的优势要大于Kafka,但是Kafka的吞吐量要比RabbitMQ高出1至2个数量级,一般RabbitMQ的单机QPS在万级别之内,而Kafka的单机QPS可以维持在十万级别,甚至可以达到百万级。

消息中间件选型切忌一味的追求性能或者功能,性能可以优化,功能可以二次开发。如果要在功能和性能方面做一个抉择的话,那么首选性能,因为总体上来说性能优化的空间没有功能扩展的空间大。然而对于长期发展而言,生态又比性能以及功能都要重要。

RocketMQ如何保证消息的可靠性?未读

消息队列监控

rabbitmq

channel 接口本身 也提供

// 队列未消费的消息数
long messageCount(String queue) throws IOException;
// 队列消费者个数
long consumerCount(String queue) throws IOException;

RabbitMQ 有灵活的插件机制,启用 rabbitmq-management 就可以对服务进行监控和管理。http://rabbitmq_host:15672/api/ 展示了rabbitmq 的http api 列表,基本具备所有 Rabbitmq java client 功能。http api的优势在于,可以在队列的消费实例之外构建专门的监控系统。

  1. 所有的请求需要授权,请求的返回数据都是json
  2. 很多请求返回的都是一个列表,你可以在请求中 加入sort 和 sort_reverse 为返回数据排序
  3. 默认vhost 使用%2f 代替

curl -i -u guest:guest http://ip:port/api/queues/%2f/queue_name 返回值 json

{
    ...
    "consumers":xx
    "state":xx,
    "vhost":xx,
    "durable":xx,
    "auto_delete":xx
    "messages_unacknowledged":xx,
    "messages_unacknowledged_details":{
        "rate":xx
    },
    "messages_ready":xx,
    "messages_ready_details":{
        "rate":xx
    },
    "messages":xx,
    "messages_details":{
        "rate":xx
    }
    ...
}

据此,就可以对队列拥堵,consumer 实例是否正常 来做出预警。

其它

消息队列系统有很多,主要有以下不同:

  1. 消息队列存在哪?内存、磁盘?
  2. 是否支持分布式
  3. 消息的格式是什么?
  4. 系统是否能够确保:消息一定会被接收,消息未被正确处理时通知发送方。

至于kafka、flume和rabbitmq等系统,网上资料很多,此处不再赘述。

引用

Kafka快速入门

RabbitMQ AMQP 消息模型攻略