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


代码腾挪的艺术

2018年06月29日

简介

以笔者目前的开发经历,碰到各种框架,可以分为两类

  1. 针对具体业务,为提高代码可读性的 腾挪。最大程度的 隔离control 和 logic。程序的本质复杂性和元语言抽象指出:程序=control + logic
  2. 代码在线程/主机之间腾挪。为了性能。

controller-service-dao

编程思想分为面向过程、面向对象、响应式编程、函数式编程等, 但大部分程序猿 是业务开发,具体的说是controller-service-dao,大部分代码是面向过程式的代码。

倒不是controller-service-dao 有问题,但写惯了controller-service-dao,固化了顺序编程思维,碰到业务上来就controller-service-dao 一通,久而久之就会很难受,代码难写,写完难看,看完不敢改。

关于controller/service/dao 更精炼的部分参见 系统设计的一些体会

代码别写在一块

笔者在写项目时,通常是maven父子结构,若出现了五个以上的module,笔者便会将项目分拆出去,为何呀?idea 加载项目的时候能快一点。

我们必须认识到,代码是不断迭代的。这带来的问题就是,你一开始很难 将代码的结构梳理的很好,一次加点代码 最终导致代码很臃肿。因此, 有时必须借助“外力”的作用,找个适合业务场景的框架,逼着你尽量实现 通过新增 去应对修改。比如下面两个框架:

  1. commons-pipeline Apache Commons Pipeline 使用学习(一)
  2. commons-filter

反过来的说,如果每次修改都要动很多东西, 这就是代码的“坏味道”,说明抽象的 不是足够好。

代码要写在一块儿

有一个springmvc的业务系统,在某些动作完成后,要对外界发一个通知。常规实现是,在相关Service 中注入一个 RabbitTemplate,在相关代码的位置发消息。这样做其实也挺好,但还是有一些问题

  1. RabbitTemplate 散落在系统的多个位置,若是在发消息这块有个改动,就麻烦一点,比如更改消息的序列化方式。
  2. 发消息的代码还是无法更直接的表达代码意图,若是代码重构或移交他人,比较容易有纰漏

所以一个比较好的方式是

  1. 采用观察者模式
  2. 代码上只有一个地方需要注入RabbitTemplate
  3. 将代码的主干逻辑与次要逻辑分开,很多event listener 其实失败了都关系不是特别大。

回调很有用

2018.11.16 补充

以按行读取文件代码为例

public void readFile() throws IOException {
    FileInputStream in = new FileInputStream("test");
    BufferedReader reader = new BufferedReader(new InputStreamReader(in));
    String str = null;
    while((str = reader.readLine()) != null) {
        System.out.println(str);
    }
    //close
    in.close();
    reader.close();
}

在本例中,一行内容读取后,直接输出System.out.println(str);,逻辑不复杂。但若是每行的内容是一个复杂的json,且需要进行复杂的业务处理, 代码就很长了。

此外,本例是读取一个磁盘文件,但若是读取hdfs文件,则读取代码至少扩充一倍。若是hdfs 很大,多线程读取时更为复杂。

最后,读取文件一般是只关注读取的数据,弄一堆文件读取代码 和 数据处理逻辑写在一起,“坏味道”很大。

public void readFile(LineHandler lineHandler) throws IOException {
    FileInputStream in = new FileInputStream("test");
    BufferedReader reader = new BufferedReader(new InputStreamReader(in));
    String str = null;
    while((str = reader.readLine()) != null) {
        lineHandler.handle(str);
    }
    //close
    in.close();
    reader.close();
}

public void test(){
	...
	readFile(new LineHandler(){
		public void handle(String str){
			 System.out.println(str);
		}
	})
	...
}

使用回调分离关注

从这个例子还可以看到

  1. 逻辑是分层的,读取逻辑和数据处理逻辑 不要混在一起。换句话说,如果一个事情有两个明显不同的部分,那么代码应该写在两个地方
  2. 程序=逻辑 + 控制,在这个具体的例子中, 读取文件是控制,数据处理是逻辑
  3. 实现同样的效果,在java 里要定义一个接口,在scala 则可以直接写。如果一个逻辑,你用不同的语言实现,最后发现样子差别好大,就说明你没有做好抽象,任由语言特性干扰了代码结构。 随需求所欲,不滞于物。你要先知道理想状态是什么样子,然后用具体的语言、技术实现,而不是受困于语言和技术。
  4. 我们写在代码的时候,天然受语言的影响,过程式的、序列化的叙事/代码逻辑。但写代码 应该先想“应该有什么”,而不是“怎么做”。比如,从业务逻辑看,应该有一个观察者模式

    1. 实现时应该先写观察者、监听者等代码, 然后再根据语言 将其串起来。观察者 模式java 与 go的实现很不一样,若是先从语言层面出发,则极易受语言的影响。对于本例来说,在写代码时,最好是先文件读取和数据处理分开写,然后将想办法它们串在一起(学名叫胶水代码 系统设计的一些体会)。
    2. 观察者模式 本身的代码与 业务逻辑 不应混在一起,java 通过提取父类 等形式,将观察者模式本身的代码 与 业务逻辑分开。

rxjava

rxjava

ddd(三)——controller-service-dao的败笔

响应式编程,笔者认为最关键的是 将观察者模式 扩展到数据/事件流上,而事件/数据流 是一种新的写代码的方式。

顺序流的缺点在于,如果一个类的依赖过多,业务较为复杂,代码将成为紧密联系的一个整体,很精巧,但牵一发而动全身,冗余度并不大。

比如用户该买一个商品,关联着商品、库存、订单、红包、优惠券等服务,一旦产品想额外搞个活动,你要改好几处代码。而事件流则不然,一个用户购买事件出来,相关业务方去监听即可。

观察者模式/响应式编程 使得 调用方和依赖方法 的“接口” 是不变的——都是事件监听。

代码在别的函数中执行

public class App {
    public static void main(String[] args) {
        Task task = new App().print("hello world", new Callback() {
            @Override
            public void callback() {
                System.out.println("print finish");
            }
        });
        task.run();
    }
    Task print(final String str, final Callback callback) {
        return new Task() {
            @Override
            public void run() {
                System.out.println(str);
                callback.callback();
            }
        };
    }
    interface Callback {
        void callback();
    }

    interface Task {
        void run();
    }
}

此处代码的一个特点就是 执行了new App().print("hello world",callback) 却并没有触发 print 动作的执行。从函数式编程的角度来说,实现了从一个函数 到另一个函数的 转换。

类似于函数式编程,返回函数 或者 函数接口的,一定要小心,代码写在哪里 跟 代码什么时候执行 没啥关系, 经常违反直觉。

面向对象的基本的理念中 有封装,我们姑且将这种行为 称之为函数封装(当然,这在函数式编程里有专业名词)。

代码在另一个线程执行

此时,代码调用 变成了代码提交

异步编程

一个整体同步的逻辑里 加上一个异步执行,写起代码来依然很难受,因为你要处理异步调用返回的数据。

Future future = Executors.execute(xx);
Data data = future.get();
handle(data)

为此,干脆处理数据的逻辑 也让 执行线程给干了。但若是 数据处理逻辑很复杂呢?上文的函数封装 就派上用场了,具体参见 rxjava

弄了一堆的AsnycJob.map(Function1).map(Function2).run() 在run 中将这些逻辑 封装成一个函数 交给 另一个线程执行。

函数的封装 使得我们 不管同步代码 还是异步代码,都可以进行一个统一的流式的处理。

保护调用者/驱动线程

代码交给另一个线程执行,还有一个好处,就是保护调用者线程。

在一个项目中,不同的线程的重要性是不同的,比如tomcat 线程池中的线程、mq 消费者线程、netty 的事件驱动线程等,它们是驱动 代码执行的源动力。假设tomcat 线程池一共10个线程,当中有一个任务处理较慢,一个线程被占用较长的时间,会严重限制tomcat的吞吐量。

但总有各种耗时的任务,此时,一个重要方法是将 任务交给另一个 线程执行。调用线程 持有 future 对象,可以主动选择 等、不等或者等多长时间。这一点 可以在hystrix 看到。

另一台主机的进程和线程执行

分布式计算系统的那些套路

换个思路看

腾挪代码,本质上都是基于一个抽象,接管你的顺序流,只留一两个logic 部分交给你实现。

程序员的编程世界观

  1. 过程化编程的步骤是:将待解问题的解决方案抽象为一系列概念化的步骤。然后通过编程的方式将这些步骤转化为程序指令集
  2. 过程化语言的不足之处就是它不适合某些种类问题的解决,例如那些非结构化的具有复杂算法的问题。问题出现在,过程化语言必须对一个算法加以详尽的说明,并且其中还要包括执行这些指令或语句的顺序。实际上,给那些非结构化的具有复杂算法的问题给出详尽的算法是极其困难的。
  3. 对于我个人来说,过程化语言使得 理解多线程代码 非常困难,至少通常和直觉 违背。