技术

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细节 codereview mat使用 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 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 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 扩展Kubernetes 副本一致性 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安全机制 jvm crash分析 Kubernetes监控 Kubernetes 控制器模型 Prometheus 学习 容器日志采集 容器狂占cpu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 objects之编排对象 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 kubernetes实践 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 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 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 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 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《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 AQS2——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 硬件对软件设计的影响 《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2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 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 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)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 Macvlan 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中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 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(六)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 Redis概述 机器学习泛谈 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 异构数据库表在线同步 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内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp 缓存系统 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 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 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

标签


network byte buffer

2017年04月10日

前言

笔者最近在重温netty的实现,收获很多,主要有两个方面:

  1. 看到很多以前不太重视的部分
  2. 以前以一个初学者的角度来学习netty,更多看重术的部分;现在以一个熟练使用者的角度来看,更多看中里面的一些思想。这些解决问题的思想,体现了解决问题的思路。

linux 文件操作系统调用接口

  1. open:打开文件。
  2. read:从已打开的文件中读取数据。
  3. write:向已打开的文件中写入数据。
  4. close:关闭已打开的文件。
  5. ioctl:向文件传递控制信息或发出控制命令。

以r/w为例

ssize_t read(int fd, void *buf, size_t count);
ssize_t write(int fd, const void *buf, size_t count);

另外还有一个不常备注意的

int ioctl(int fd, int request, …);

ioctl操作用于向文件发送控制命令,这些命令不能被视为是输入输出流的一部分,而只是影响文件的操作方式。

与java io/nio通过socket/channel 作为文件io系统调用的nexus不同,java nio /netty byte buffer只是作为数据的载体。

byte buffer

java nio byte buffer

对于java nio,ByteBuffer有两个子类HeapByteBuffer和DirectByteBuffer的不同。

ByteBuffer子类 底层数据存储 分配释放 使用场景 优缺点
HeapByteBuffer byte[] 由堆分配和释放 消息编解码  
DirectByteBuffer long base = sun.misc.Unsafe.allocateMemory(size) java对象本身归gc管理,其对应的内存由单独的组件负责释放 io收发 io效率更高,分配和释放效率低

netty ByteBuf

对于netty ByteBuffer呢,除了Heap和Direct的不同,为了减少高负载环境下ByteBuffer创建和销毁的GC时间(ByteBuffer用作io缓冲,而为了复用ByteBuffer,进而减少内存分配和释放,用了一个更大的缓存——对象池),有了Unpooled和Pooled的区别,这样就有了四种组合。

Pooled有助于提高效率,奈何也有瑕疵,参加下文。

netty的buffer管理

为什么netty的buffer需要管理,java io/nio时期,怎么没有这样的事儿?因为,java io/nio对外的接口就是 socket/channel.write(byte[]/byte buffer),byte[] 由jvm直接管理。这一部分,可以参见zk client的ClientCnxnSocketNIO实现。而netty则是channel.unsafe.write(Object msg, ChannelPromise promise),bytebuffer直接由netty负责,因此netty可以直接采取一些手法,使其更高效.

深入浅出Netty内存管理:PoolChunk开篇说的太好了:多年之前,从C内存的手动管理上升到java的自动GC,是历史的巨大进步。然而多年之后,netty的内存实现又曲线的回到了手动管理模式,正印证了马克思哲学观:社会总是在螺旋式前进的,没有永远的最好。的确,就内存管理而言,GC给程序员带来的价值是不言而喻的,不仅大大的降低了程序员的负担,而且也极大的减少了内存管理带来的Crash困扰,不过也有很多情况,可能手动的内存管理更为合适。

因为没有专门的gc线程,因此buffer的回收是手动的,只是netty替我们封装了我们看不到,但在一些复杂的业务逻辑里,还是需要我们注意忘记释放的问题。

引用计数负责确定buffer回收的时机,池负责buffer对象的管理。

netty内存管理

PooledArena和Recycler 是什么关系?

PooledByteBufAllocator.newHeapBuffer{
  	PoolArena.allocate {
  		PooledByteBuf<T> buf = newByteBuf(maxCapacity); ==> PooledHeapByteBuf.newInstance(maxCapacity); {
  			 PooledHeapByteBuf buf = RECYCLER.get();
  			 ...
  		}
  		allocate(cache, buf, reqCapacity);
  	}
}

Recycler负责对象的分配与回收,PooledArena负责buffer对象引用内存的分配与回收。

对象池、内存池

对象池 基本实现

Recycler : Light-weight object pool based on a thread-local stack.

参见Netty轻量级对象池实现分析

文章中提到几个核心的点:

  1. Stack相当于是一级缓存,同一个线程内的使用和回收都将使用一个Stack
  2. 每个线程都会有一个自己对应的Stack,如果回收的线程不是Stack的线程,将元素放入到Queue中
  3. 所有的Queue组合成一个链表,Stack可以从这些链表中回收元素(实现了多线程之间共享回收的实例)

我比较关注的点是,为什么不使用common pool?

  1. common pool 从数据结构上限定线程安全,
  2. Recycler 则是通过ThreadLocal实现线程安全性,线程可以简单直接的访问该线程域下的Stack。

diect memory

Understanding Java heap memory and Java direct memory

diect memory不是在Java heap上,那么这块内存的大小是多少呢?默认是一般是64M,可以通过参数:-XX:MaxDirectMemorySize来控制。

直接内存的释放并不是由你控制的,而是由full gc来控制的,直接内存会自己检测情况而调用system.gc()

引用计数

java内存回收的局限性

为什么要有引用计数器?netty的引用计数解释的很清楚。

总的来说,java gc实现了gc的自动化。但其gc机制是通用的,针对一些具体的场景,比如网络通信中的编解码(大量的对象创建与释放),力有不逮。并且,full gc比较耗时,所以,在一些性能要求比较高的程序中,还是要不嫌麻烦,主动进行对象回收,以避免jvm进行full gc。参见Netty轻量级对象池实现分析

引用计数的局限性

使用引用计数之后,我们就有了自己的一套对象池、以及对象管理与分配机制(netty中学名叫Arena),就会出现内存泄漏的可能:即java gc将对象回收了(java gc有自己的回收机制,不管Arena的引用计数是否为0),但以Arena角度看,该对象的引用计数不是0,故其占用的内存不会被Arena重新分配。参见Netty文档之引用计数对象

netty内存泄露的防止

Netty之有效规避内存泄漏

直接内存是IO框架的绝配,但直接内存的分配销毁不易,所以使用内存池能大幅提高性能,也告别了频繁的GC。但,要重新培养被Java的自动垃圾回收惯坏了的惰性。

引用

Netty学习之旅—-源码分析内存分配与释放原理

《Netty官方文档》引用计数对象

Netty文档之引用计数对象

netty的引用计数