[转载] 用norbert来写高并发分布式服务框架

 用norbert来写高并发分布式服务框架

本来计划将sensei的相关源码系列搞完，但最近一段时间由于工作需求先调研了几种分布式的服务框架，做了简要的对比测试。根据我们自己的实际需要选取了norbert来做我们后台提供分布式服务的框架。因此，先整理一篇关于norbert框架的博文，也给自己留下个印记，以便以后来查阅。

Norbert简介
      “Norbert is a library that provides easy cluster management and workload distribution. With Norbert, you can quickly distribute a simple client/server architecture to create a highly scalable architecture capable of handling heavy traffic. ”
      这个是官方的描述，没有比这个更精准的了，norbert是一个提供分布式集群服务的开发框架，具备集群管理功能，对开发简单的通信架构，易扩展能承受高吞吐量的框架。
     其中集群管理的功能利用了zookeeper来进行node状态的感知，通讯采用了nio的netty server，序列化采用的是protobuf。整体而言来做分布式的服务，应该是非常合适的。linkedin在他们的架构里面都用到了这个框架。其实现是scala来写的，但我们使用java版的调用。
     下面是我给team同事做的一次介绍性的ppt，比较简单，从使用层面来讲的，仅供参考。

 

三种框架的对比
     在进行技术选型的时候，我们主要考察了hessian，thrift，norbert：
1. hessian是相对最成熟，最可靠的方式，在很多工程里面都用到，在异构java应用间的调用也还比较高效，已经有一些关于它的序列化测试。 但由于是http的协议，在连接数上受制于resin或者其他web服务器的链接数。
2. thrift  facebook开源的一个rpc的框架，主要特点是跨语言，现在贡献给了apache，市场上使用较多，在多语言开发的场景下很适合。走socket协议，没有集成zookeeper的管理，需要自己实现连接池之类。
3. norbert linkedin开源的框架，支持集群管理（zookeeper）,走socket协议，protobuf的序列化支持。scala语言开发，不支持其他多语言，成熟度相对较低。
     测试环境： 输入为一片文章，服务进行分词和统计词数，并且返回。
    测试结果显示，在thread设置100,300,500,1000 并发进行压力测的时候，norbert与hessian相差无几；而当thread上1k的时候，hessian受限于resin的连接数抛出链接的异常。 thrift由另一同事进行同样的业务测试，测试结果与norbert稍逊，同样能撑1000以上的thread。
     在选型的时候，我们的目标是能够撑住新鲜事的服务，搜索更新的服务。并发链接数可能很大，因此更倾向于socket协议的norbert和thrift，而进行开发过程中，暂无支持其他语言的需求，但如果能支持集群服务，则开发更加简单。
      因此，打算采用norbert。

对Norbert的简易封装
     目的：让其他开发同事只关注于业务的实现，而将服务调用的开发流程更加简化。默认支持一致性hash的负责均衡。
     首先，对于一致性hash的使用，参考了xmemcahed客户端的KETAMA_HASH和redis客户端的MurmurHash。并且根据两种包装了一下，测试了两种在节点增减的情况下的负载性能和效率：
     测试环境： 在原本的固定节点数  n=2,5,10,50  ，并且分别增加一个节点，减少一个节点，导致miss的比率。
   50,51,49
  Ketamahash：
 Total Same percent in added case : 97.728035%
Total Same percent in reduced case : 97.91693%
 used time:  ---   815  miliseconds!
  murmurhash： 
 Total Same percent in added case : 97.97288%
Total Same percent in reduced case : 98.00935%
 used time:  ---   664  miliseconds!
 
 10,11,9
  Ketamahash：
 Total Same percent in added case : 91.03272%
Total Same percent in reduced case : 90.187935%
 used time:  ---   762  miliseconds!
  murmurhash： 
 Total Same percent in added case : 90.67101%
Total Same percent in reduced case : 90.65535%
 used time:  ---   596  miliseconds
 
 5,6,4
 Ketamahash：
 Total Same percent in added case : 83.67601%
Total Same percent in reduced case : 79.67246%
 used time:  ---   753  miliseconds!
 murmurhash：
 Total Same percent in added case : 82.390625%
Total Same percent in reduced case : 78.72605%
 used time:  ---   581  miliseconds!
 
 2.3.1
  Ketamahash
 Total Same percent in added case : 70.222466%
Total Same percent in reduced case : 50.81403%
 used time:  ---   723  miliseconds!
murmurhash：
 Total Same percent in added case : 68.841545%
Total Same percent in reduced case : 50.361725%
 used time:  ---   542  miliseconds!
    结论：

Ketamahash 和 murmurhash 在节点少的情况下，Ketamahash的增减节点的均衡性能稍高，

                         在节点多的情况下，MurmurHash 均衡性能高。

 总体而言，差异也不大，在1个百分点以内，执行hash的效率上，MurmurHash 计算比Ketamahash 快。

 建议，在少节点的情况下，直接使用Ketamahash的loadbalaceFactory。

封装后的server端代码：
        PropertiesConfiguration serverConf = new PropertiesConfiguration();
        try {
            serverConf.load(new File("D:\\workspace\\rpc\\resources", "server.properties"));
        } catch (ConfigurationException e) {
            e.printStackTrace();
        }
        final JingweiServer server = new JingweiServer(serverConf);
        HelloService hservice = new HelloServiceImpl();
        HelloServiceMessageHandler hmessageHandle = new HelloServiceMessageHandler(
                hservice);
        server.registerHandler(Person.getDefaultInstance(),
                RetStr.getDefaultInstance(), hmessageHandle);
        Runtime.getRuntime().addShutdownHook(new Thread() {
            public void run() {
                server.shutdown();
            }
        });
        server.start(true);
 仅需要初始化配置，提供服务的实现，以及注册，便可以启动服务。

客户端代码：
        LoadBalancerFactory factory = new MurmurHashLoadBalancerFactory();
        JingweiClient client = new JingweiClient(
                "D:\\workspace\\rpc\\resources", factory);
        client.registerRequest(Person.getDefaultInstance(),
                RetStr.getDefaultInstance());
        Person.Builder builder = Person.newBuilder();
        builder.setEmail("[e-mail]");
        builder.setName("alex");
        RetStr ret = (RetStr) client.handleMessage(builder.build(), "alex");
        System.out.println("Ret String:" + ret.getVal());
        client.shutdown();
同样也是通过配置文件的读入，提供loadbalance的factory，注册消息，即可进行服务的调用了。