etcd v3原理分析

最近考虑做一些服务发现方面的调研,所以接触到了etcd,发现要想正确使用它是需要好好理解它的工作原理和数据模型的。 在此前的工作中,我曾经使用ZooKeeper来实现服务发现,对其模型的理解的还是比较透彻的。 因为在Golang技术栈里,etcd比ZooKeeper要成熟和应用广泛的多,所以花了一天的时间做了一些比较和原理了解。 #与ZooKeeper做比较 ##CAP原则 ZooKeeper和etcd都是强一致的(满足CAP的CP),意味着无论你访问任意节点,都将获得最终一致的数据视图。这里最终一致比较重要,因为ZooKeeper使用的Paxos和etcd使用的Raft都是Quorum机制(大多数同意原则),所以部分节点可能因为任何原因延迟收到更新,但数据将最终一致,高度可靠。 ZooKeeper与etcd的区别是我比较好奇的,接下来说说。 ##逻辑结构 ZooKeeper从逻辑上来看是一种目录结构,而etcd从逻辑上来看就是一个K-V结构。但是有意思的是,etcd的key可以是任意字符串,所以仍旧可以模拟出目录,例如:key=/a/b/c,那这是否意味着etcd无法表达父子关系呢? 当然不是,etcd在存储上实现了key有序排列,因此/a/b,/a/b/c,/a/b/d在存储中顺序排列的,通过定位到key=/a/b并依次顺序向后扫描,就会遇到/a/b/c与/a/b/d这两个孩子,从而一样可以实现父子目录关系,所以我们在设计模型与使用etcd时仍旧沿用ZooKeeper的目录表达方式。 在这里,你需要记录一个结论:etcd本质上是一个有序的K-V存储。 ##临时节点 在实现服务发现时,我们一般都会用到ZooKeeper的临时节点,只要客户端与ZooKeeper之间的session会话没有中断(过期),那么创建的临时节点就会存在。当客户端掉线一段时间,对应的zk session会过期,那么对应的临时节点就会被自动删除。 在etcd中并没有临时节点的概念,但是支持lease租约机制。什么叫lease?其实就是etcd支持申请定时器,比如:可以申请一个TTL=10秒的lease(租约),会返回给你一个lease ID标识定时器。你可以在set一个key的同时携带lease ID,那么就实现了一个自动过期的key。在etcd中,一个lease可以关联给任意多的Key,当lease过期后所有关联的key都将被自动删除。 那么如何实现临时节点呢?首先申请一个TTL=N的lease,然后set一个key with lease作为自己的临时节点,在程序中定时的为lease(租约)进行续约,也就是重置TTL=N,这样关联的key就不会过期了。 ##事件模型 在我们用ZooKeeper实现服务发现时,我们一般会getChildrenAndWatch来获取一个目录下的所有在线节点,这个API会先获取当前的孩子列表并同时原子注册了一个观察器。每当ZooKeeper发现孩子有变动的时候,就会发送一个通知事件给客户端(同时关闭观察器),此时我们会再次调用getChildrenAndWatch再次获取最新的孩子列表并重新注册观察器。 简单的来说,ZooKeeper提供了一个原子API,它先获取当前状态,同时注册一个观察器,当后续变化发生时会发送一次通知到客户端:获取并观察->收到变化事件->获取并观察->收到变化事件->……,如此往复。 ZooKeeper的事件模型非常可靠,不会出现发生了更新而客户端不知道的情况,但是特点也很明显: * 事件不包含数据,仅仅是通知变化。 * 多次连续的更新,通知会合并成一个;即,客户端收到通知再次拉取数据,会跳过中间的多个版本,只拿到最新数据。 这些特点并不是缺点,因为一般应用只关注最新状态,并不关注中间的连续变化。 那么etcd的事件模型呢?在现在,你只需要记住etcd的事件是包含数据的,并且通常情况下连续的更新不会被合并通知,而是逐条通知到客户端。 具体etcd事件模型如何工作,要求对etcd的K-V存储原理先做了解,所以接下来我会结合一些简单的源码,说一下etcd的存储模型,最后再来说它的事件模型。 #etcd原理分析 ##Raft协议 etcd基于Raft协议实现数据同步(K-V数据),集群由多个节点组成。 Raft协议理解起来相比Paxos并没有简单到哪里,因为都很难理解,所以我简单描述一下: * 每次写入都是在一个事务(tx)中完成的。 * 一个事务(tx)可以包含若干put(写入K-V键值对)操作。 * etcd集群有一个leader,写入请求都会提交给它。 * leader先将数据保存成日志形式,并定时的将日志发往其他节点保存。 * 当超过1/2节点成功保存了日志,则leader会将tx最终提交(也是一条日志)。 * 一旦leader提交tx,则会在下一次心跳时将提交记录发送给其他节点,其他节点也会提交。 * leader宕机后,剩余节点协商找到拥有最大已提交tx ID(必须是被超过半数的节点已提交的)的节点作为新leader。 这里最重要的是知道: * Raft中,后提交的事务ID>先提交的事务ID,每个事务ID都是唯一的。 * 无论客户端是在哪个etcd节点提交,整个集群对外表现出数据视图最终都是一样的。 ##K-V存储 etcd根本上来说是一个K-V存储,它在内存中维护了一个btree(B树),就和MySQL的索引一样,它是有序的。 在这个btree中,key就是用户传入的原始key,而value并不是用户传入的value,具体是什么后面再说,整个k-v存储大概就是这样:
type treeIndex struct {
	sync.RWMutex
	tree *btree.BTree
} 
当存储大量的K-V时,因为用户的value一般比较大,全部放在内存btree里内存耗费过大,所以etcd将用户value保存在磁盘中。 简单的说,etcd是纯内存索引,数据在磁盘持久化,这个模型整体来说并不复杂。在磁盘上,etcd使用了一个叫做bbolt的纯K-V存储引擎(可以理解为leveldb),那么bbolt的key和value分别是什么呢? ##MVCC多版本 之前说到,etcd在事件模型上与ZooKeeper完全不同,每次数据变化都会通知,并且通知里携带有变化后的数据内容,这是怎么实现的呢?当然就是多版本了。 如果仅仅维护一个K-V模型,那么连续的更新只能保存最后一个value,历史版本无从追溯,而多版本可以解决这个问题,怎么维护多个版本呢?下面是几条预备知识: * 每个tx事务有唯一事务ID,在etcd中叫做main ID,全局递增不重复。 * 一个tx可以包含多个修改操作(put和delete),每一个操作叫做一个revision(修订),共享同一个main ID。 * 一个tx内连续的多个修改操作会被从0递增编号,这个编号叫做sub ID。 * 每个revision由(main ID,sub ID)唯一标识。 下面是revision的定义:
// A revision indicates modification of the key-value space.
// The set of changes that share same main revision changes the key-value space atomically.
type revision struct {
	// main is the main revision of a set of changes that happen atomically.
	main int64

	// sub is the the sub revision of a change in a set of changes that happen
	// atomically. Each change has different increasing sub revision in that
	// set.
	sub int64
} 
在内存索引中,每个用户原始key会关联一个key_index结构,里面维护了多版本信息:
type keyIndex struct {
	key         []byte
	modified    revision // the main rev of the last modification
	generations []generation
} 
key字段就是用户的原始key,modified字段记录这个key的最后一次修改对应的revision信息。 多版本(历史修改)保存在Generations数组中,它的定义:
// generation contains multiple revisions of a key.
type generation struct {
	ver     int64
	created revision // when the generation is created (put in first revision).
	revs    []revision
} 
我称generations[i]为第i代,当一个key从无到有的时候,generations[0]会被创建,其created字段记录了引起本次key创建的revision信息。 当用户继续更新这个key的时候,generations[0].revs数组会不断追加记录本次的revision信息(main,sub)。 在多版本中,每一次操作行为都被单独记录下来,那么用户value是怎么存储的呢?就是保存到bbolt中。 在bbolt中,每个revision将作为key,即序列化(revision.main+revision.sub)作为key。因此,我们先通过内存btree在keyIndex.generations[0].revs中找到最后一条revision,即可去bbolt中读取对应的数据。 相应的,etcd支持按key前缀查询,其实也就是遍历btree的同时根据revision去bbolt中获取用户的value。 如果我们持续更新同一个key,那么generations[0].revs就会一直变大,这怎么办呢?在多版本中的,一般采用compact来压缩历史版本,即当历史版本到达一定数量时,会删除一些历史版本,只保存最近的一些版本。 下面的是一个keyIndex在compact时,Generations数组的变化:
// For example: put(1.0);put(2.0);tombstone(3.0);put(4.0);tombstone(5.0) on key "foo"
// generate a keyIndex:
// key:     "foo"
// rev: 5
// generations:
//    {empty}
//    {4.0, 5.0(t)}
//    {1.0, 2.0, 3.0(t)}
//
// Compact a keyIndex removes the versions with smaller or equal to
// rev except the largest one. If the generation becomes empty
// during compaction, it will be removed. if all the generations get
// removed, the keyIndex should be removed.

// For example:
// compact(2) on the previous example
// generations:
//    {empty}
//    {4.0, 5.0(t)}
//    {2.0, 3.0(t)}
//
// compact(4)
// generations:
//    {empty}
//    {4.0, 5.0(t)}
//
// compact(5):
// generations:
//    {empty} -> key SHOULD be removed.
//
// compact(6):
// generations:
//    {empty} -> key SHOULD be removed. 
Tombstone就是指delete删除key,一旦发生删除就会结束当前的Generation,生成新的Generation,小括号里的(t)标识Tombstone。 compact(n)表示压缩掉revision.main <= n的所有历史版本,会发生一系列的删减操作,可以仔细观察上述流程。 多版本总结来说:内存btree维护的是用户key => keyIndex的映射,keyIndex内维护多版本的revision信息,而revision可以映射到磁盘bbolt中的用户value。 最后,在bbolt中存储的value是这样一个json序列化后的结构,包括key创建时的revision(对应某一代generation的created),本次更新版本,sub ID(Version ver),Lease ID(租约ID):
kv := mvccpb.KeyValue{
		Key:            key,
		Value:          value,
		CreateRevision: c,
		ModRevision:    rev,
		Version:        ver,
		Lease:          int64(leaseID),
	} 
##watch机制 etcd的事件通知机制是基于MVCC多版本实现的。 客户端可以提供一个要监听的revision.main作为watch的起始ID,只要etcd当前的全局自增事务ID > watch起始ID,etcd就会将MVCC在bbolt中存储的所有历史revision数据,逐一顺序的推送给客户端。 这显然和ZooKeeper是不同的,ZooKeeper总是获取最新数据并建立一个一次性的监听后续变化。而etcd支持客户端从任意历史版本开始订阅事件,并且会推送当时的数据快照给客户端。 那么,etcd大概是如何实现基于MVCC的watch机制的呢? etcd会保存每个客户端发来的watch请求,watch请求可以关注一个key(单key),或者一个key前缀(区间)。 etcd会有一个协程持续不断的遍历所有的watch请求,每个watch对象都维护了其watch的key事件推送到了哪个revision。 etcd会拿着这个revision.main ID去bbolt中继续向后遍历,实际上bbolt类似于leveldb,是一个按key有序的K-V引擎,而bbolt中的key是revision.main+revision.sub组成的,所以遍历就会依次经过历史上发生过的所有事务(tx)记录。 对于遍历经过的每个k-v,etcd会反序列化其中的value,也就是mvccpb.KeyValue,判断其中的Key是否为watch请求关注的key,如果是就发送给客户端。
// syncWatchersLoop syncs the watcher in the unsynced map every 100ms.
func (s *watchableStore) syncWatchersLoop() {
	defer s.wg.Done()

	for {
		s.mu.RLock()
		st := time.Now()
		lastUnsyncedWatchers := s.unsynced.size()
		s.mu.RUnlock()

		unsyncedWatchers := 0
		if lastUnsyncedWatchers > 0 {
			unsyncedWatchers = s.syncWatchers()
		}
		syncDuration := time.Since(st)

		waitDuration := 100 * time.Millisecond
		// more work pending?
		if unsyncedWatchers != 0 && lastUnsyncedWatchers > unsyncedWatchers {
			// be fair to other store operations by yielding time taken
			waitDuration = syncDuration
		}

		select {
		case <-time.After(waitDuration):
		case <-s.stopc:
			return
		}
	}
} 
上述代码是一个循环,不停的调用syncWatchers:
// syncWatchers syncs unsynced watchers by:
//	1. choose a set of watchers from the unsynced watcher group
//	2. iterate over the set to get the minimum revision and remove compacted watchers
//	3. use minimum revision to get all key-value pairs and send those events to watchers
//	4. remove synced watchers in set from unsynced group and move to synced group
func (s *watchableStore) syncWatchers() int {
	s.mu.Lock()
	defer s.mu.Unlock()

	if s.unsynced.size() == 0 {
		return 0
	}

	s.store.revMu.RLock()
	defer s.store.revMu.RUnlock()

	// in order to find key-value pairs from unsynced watchers, we need to
	// find min revision index, and these revisions can be used to
	// query the backend store of key-value pairs
	curRev := s.store.currentRev
	compactionRev := s.store.compactMainRev

	wg, minRev := s.unsynced.choose(maxWatchersPerSync, curRev, compactionRev)
	minBytes, maxBytes := newRevBytes(), newRevBytes()
	revToBytes(revision{main: minRev}, minBytes)
	revToBytes(revision{main: curRev + 1}, maxBytes)

	// UnsafeRange returns keys and values. And in boltdb, keys are revisions.
	// values are actual key-value pairs in backend.
	tx := s.store.b.ReadTx()
	tx.Lock()
	revs, vs := tx.UnsafeRange(keyBucketName, minBytes, maxBytes, 0)
	evs := kvsToEvents(wg, revs, vs)
	tx.Unlock() 
代码比较长不全贴,它会每次从所有的watcher选出一批watcher进行批处理(组成为一个group,叫做watchGroup),这批watcher中观察的最小revision.main ID作为bbolt的遍历起始位置,这是一种优化。 你可以想一下,如果为每个watcher单独遍历bbolt并从中摘出属于自己关注的key,那性能就太差了。通过一次性遍历,处理多个watcher,显然可以有效减少遍历的次数。 也许你觉得这样在watcher数量多的情况下性能仍旧很差,但是你需要知道一般的用户行为都是从最新的Revision开始watch,很少有需求关注到很古老的revision,这就是关键。 遍历bbolt时,json反序列化每个mvccpb.KeyValue结构,判断其中的key是否属于watchGroup关注的key,这是由kvsToEvents函数完成的:
// kvsToEvents gets all events for the watchers from all key-value pairs
func kvsToEvents(wg *watcherGroup, revs, vals [][]byte) (evs []mvccpb.Event) {
	for i, v := range vals {
		var kv mvccpb.KeyValue
		if err := kv.Unmarshal(v); err != nil {
			plog.Panicf("cannot unmarshal event: %v", err)
		}

		if !wg.contains(string(kv.Key)) {
			continue
		}

		ty := mvccpb.PUT
		if isTombstone(revs[i]) {
			ty = mvccpb.DELETE
			// patch in mod revision so watchers won't skip
			kv.ModRevision = bytesToRev(revs[i]).main
		}
		evs = append(evs, mvccpb.Event{Kv: &kv, Type: ty})
	}
	return evs
} 
可见,删除key对应的revision也会保存到bbolt中,只是bbolt的key比较特别: put操作的key由main+sub构成:
ibytes := newRevBytes()
idxRev := revision{main: rev, sub: int64(len(tw.changes))}
revToBytes(idxRev, ibytes)
delete操作的key由main+sub+”t”构成:
idxRev := revision{main: tw.beginRev + 1, sub: int64(len(tw.changes))}
revToBytes(idxRev, ibytes)
ibytes = appendMarkTombstone(ibytes)


// appendMarkTombstone appends tombstone mark to normal revision bytes.
func appendMarkTombstone(b []byte) []byte {
	if len(b) != revBytesLen {
		plog.Panicf("cannot append mark to non normal revision bytes")
	}
	return append(b, markTombstone)
}

// isTombstone checks whether the revision bytes is a tombstone.
func isTombstone(b []byte) bool {
	return len(b) == markedRevBytesLen && b[markBytePosition] == markTombstone
} 
#最后 本文有点长,主要是记录了我学习etcd的过程以及我的理解。 在后续博客中,我会尝试搭建etcd,并用Golang来编程验证上述理论认识的正确性。 原文链接:https://yuerblog.cc/2017/12/10/principle-about-etcd-v3/

0 个评论

要回复文章请先登录注册