Kafka 时间轮的原理和实现
女主宣言
Kafka 作为一个支持实时处理大量请求的分布式流处理平台，需要一个设计良好的定时器来处理异步任务。本文作者将基于 Kafka 1.1.0 版本的源码来介绍 Kafka 中定时器的基础数据结构——时间轮的原理和实现。
PS：丰富的一线技术、多元化的表现形式，尽在“360云计算”，点关注哦！
1
简单时间轮
简单时间轮是时间任务桶的循环链表，又被称为桶（bucket）。令 u 为时间单元大小，一个大小为 n 的时间轮有 n 个桶，能够持有 n * u 个定时任务，每个任务的过期时间会落在一个时间间隔内。（注：下文的 u 和 n 沿用这个定义）
每个桶持有进入相应时间范围的定时任务。第一个桶持有 [0, u) 范围的任务，第二个桶持有 [u, 2u) 范围的任务……第 n 个桶持有 [u * (n - 1), u * n) 范围的任务。每过一个时间单元 u，定时器会推进并移动到下个桶，然后第一个桶中所有的定时任务都会过期。由于任务已经过期，此时定时器不会插入任务到当前桶中。定时器会立刻运行过期的任务。因为空桶在下一轮是可用的，所以如果当前的桶对应时间 t，那么它会在推进后变成 [t + u * n, t + (n + 1) * u) 的桶。
本质上时间轮就是个哈希表，通过对任务的过期时间求哈希，落到对应的位置。而每个位置对应的 bucket 是链表，因此时间轮插入/删除定时任务的时间复杂度是 O(1)。而基于优先队列的定时器，比如 java.util.concurrent.DelayQueue 和 java.util.Timer 插入/删除的时间复杂度是 O(log n)。
2
分层时间轮
简单时间轮的主要缺点是它假定定时器请求是在从当前时刻开始的 n * u 时间间隔内，如果定时器请求超出了这个间隔就会产生溢出，导致任务无法放入时间轮中。分层时间轮会处理这种溢出，它以层次来组织时间轮，最底层的精度更高，层数越高，表示的精度更低。这里用精度来指代时间单元大小。
举例说明，令 u = 1, n = 3，设起始时刻是 c，则各层次的桶为
| 层次 |
桶 | 精度 |
| 1 |
[c,c] [c+1,c+1] [c+2,c+2] | 1 |
| 2 | [c,c+2] [c+3,c+5] [c+6,c+8] | 3 |
| 3 | [c,c+8] [c+9,c+17] [c+18,c+26] | 9 |
PS：这里沿用了代码注释里的表示，即闭区间，而前面讲述原理时都是左闭右开区间，两者是等价的，只是表示不一致。
在 c+1 时刻，桶 [c,c]、[c,c+2]、[c,c+8]过期了，之后：
1 层的时钟移动到 c+1，并且创建新的桶 [c+3,c+3]；
2、3 层的时钟仍然在 c 处，因为他们没完全过期。
此时各层次的桶为：
| 层次 |
桶 | 精度 |
| 1 |
[c+1,c+1] [c+2,c+2] [c+3,c+3] | 1 |
| 2 | [c,c+2] [c+3,c+5] [c+6,c+8] | 3 |
| 3 |
[c,c+8] [c+9,c+17] [c+18,c+26] | 9 |
注意，桶 [c,c+2] 不会接收任何任务，因为此时时刻是 c+1，只有过期时间为 c+1 和 c+2 才会被分配到该桶，然而 1 层的两个桶 [c+1,c+1] [c+2,c+2] 会优先接收任务。类似地，3 层的 [c+1,c+8] 也不会接收任何任务，因为这个范围被 2 层的桶覆盖了。
对单层时间轮，插入/删除定时任务的时间复杂度都是 O(1)。对分层时间轮，令 m 是时间轮的数量，则插入的时间复杂度是 O(m)，因为最多向上插 m 次。相比起系统中请求的数量，m 通常是小很多的。而删除的时间复杂度是 O(1)。
像时钟就是一个典型的三层时间轮，秒针能表示 0 到 59 秒，但是对 60 秒以上则需要分针进一步表示，再进一步即时针，一共能表示的时间范围为 0 到 43199 秒，精度为 1 秒。从秒针到分针到时针，表示精度是依次降低的，秒针精度为 1 秒，有 60 格，因此分针精度是 1 * 60 = 60 秒，类似地，时钟精度是 3600 秒。
3
TimingWheel 的实现
了解了分层时间轮的概念后，阅读代码实现也就简单了。Kafka 时间轮为 TimingWheel 类，位于 kafka.utils.timer 包。
内部字段
| 名称 |
类型 |
说明 |
| tickMs | Long |
时间单元 u |
| wheelSize | Int |
桶的数量 n |
| startMs | Long |
毫秒级时间戳 |
| taskCounter | AtomicInteger | 任务数量，即所有桶的节点数量之和 |
| queue | DelayQueue[TimerTaskList] | 标准库的延时队列 |
通过上述主构造参数可以计算出以下私有字段（private[this]，可以被包内其他类访问）
// 当前时间轮的整个时间跨度，即更高一层时间轮的 tickMs
private[this] val interval = tickMs * wheelSize
// 创建 wheelSize 个桶（定时任务链表）
private[this] val buckets = Array.tabulate[TimerTaskList](wheelSize) { _ => new TimerTaskList(taskCounter) }
// 向下取整，使起始时间戳能被 tickMs 整除
private[this] var currentTime = startMs - (startMs % tickMs) // rounding down to multiple of tickMs
// 高一层时间轮，用来保存超过 interval 的任务
@volatile private[this] var overflowWheel: TimingWheel = null
通过 addOverflowWheel 创建高一层时间轮：
private[this] def addOverflowWheel(): Unit = {
synchronized {
if (overflowWheel == null) { // 双重检查上锁
overflowWheel = new TimingWheel(
// 仅有 tickMs 不是原封不动地转发低层时间轮的字段，因为高层时间轮的时间单元粒度更粗（即精度更低）
// 还是参考时钟，时针的 tickMs 是分针 tickMs 的 60 倍
tickMs = interval,
wheelSize = wheelSize,
startMs = currentTime,
taskCounter = taskCounter,
queue
)
}
}
}
添加定时任务
在 Kafka 中，定时任务被抽象为 TimerTaskEntry 类，而桶（定时任务链表）则被抽象为 TimerTaskList 类，在代码中命名都是 bucket（桶）。bucket 实现了 java.util.concurrent.Delayed 接口：
def getDelay(unit: TimeUnit): Long = {
unit.convert(max(getExpiration - Time.SYSTEM.hiResClockMs, 0), TimeUnit.MILLISECONDS)
}
因此 bucket 能够被加入延时队列中，延时队列在调用 poll 时，会调用内部对象的 getDelay 方法来判断对象是否可以被弹出。再看看实际的 add 实现：
def add(timerTaskEntry: TimerTaskEntry): Boolean = {
// 定时任务的过期时间戳
val expiration = timerTaskEntry.expirationMs
if (timerTaskEntry.cancelled) {
// Entry 绑定的 TimerTask 调用了 cancel() 方法主动将 Entry 从链表中移除
false
} else if (expiration < currentTime + tickMs) {
// 过期时间在第一个桶的范围内，表示已经过期，此时无需加入时间轮
false
} else if (expiration < currentTime + interval) {
// 过期时间在当前时间轮能表示的时间范围内，加入到其中一个桶
// 注意按照这个算法，第一个桶的时间范围是 [c+u,c+u*2)，因为 [c,c+u) 范围内被视为已过期
// 而且第一个桶对应 buckets 的下标并不一定是 0，因为数组只是作为循环队列的存储方式，起始下标无所谓
val virtualId = expiration / tickMs
val bucket = buckets((virtualId % wheelSize.toLong).toInt)
bucket.add(timerTaskEntry)
// 设置过期时间，这里也取整了，即可以被 tickMs 整除
if (bucket.setExpiration(virtualId * tickMs)) { // 仅在新的过期时间和之前的不同才返回 true
// 由于进行了取整，同一个 bucket 所有节点的过期时间都相同，因此仅在 bucket 的第一个节点加入时才会进入此 if 块
// 因此保证了每个桶只会被加入一次到 queue 中，queue 存放所有包含定时任务节点的 bucket
// 借助 DelayQueue 来检测 bucket 是否过期，bucket 时遍历即可取出所有节点
queue.offer(bucket)
}
true
} else {
// 过期时间在当前时间轮表示的范围之外，即溢出，需要创建高一层时间轮来加入
if (overflowWheel == null) addOverflowWheel() // 双重检查上锁的第一层检查
overflowWheel.add(timerTaskEntry) // 注意高一层时间轮也可能无法容纳，因此可能会递归创建更高层级的时间轮
}
}
可以看到 DelayQueue 对象 queue 在时间轮的作用是，保存包含定时任务节点的桶，桶可以来自不同层次的时间轮，当然，所有层次时间轮也共享这个队列。
TimingWheel 本身没有实现推进功能，而是借助延迟队列 DelayQueue 来实现时间的推移，假设有 M 个定时任务分布在 N 个桶中，那么插入的时间复杂度为 O(M + N * log N)，其中 M >= N。如果把任务全存到延迟队列中，那么插入的时间复杂度为 O(M * log M)，因此 Kafka 时间轮的优化是有意义的。
时间轮的推进
def advanceClock(timeMs: Long): Unit = {
if (timeMs >= currentTime + tickMs) { // timeMs 超过了当前 bucket 的时间范围
currentTime = timeMs - (timeMs % tickMs) // 修改当前时间，即原先的第一个桶已经失效
// 若存在更高层的时间轮，则也会向前运转
if (overflowWheel != null) overflowWheel.advanceClock(currentTime)
}
}
仅仅是修改 currentTime，该字段决定内部的 bucket 是否过期，见前面的 add 方法实现。
4
时间轮在 Kafka 管理定时任务中的作用
Kafka 使用 kafka.server 包下的 DelayedOperationPurgatory（下文简称 purgatory）类来管理异步任务（即延时操作 DelayedOperation）。每次 Kafka 收到一个请求，都会启动一个异步任务，如果不能立刻完成（比如 acks 设为 all 的 Produce 请求），则扔给 purgatory 保存（即插入到内部的时间轮中）。
purgatory 会运行一个 ExpiredOperationReaper 后台线程来检测过期的异步任务并进行处理，在线程函数中会反复调用内部定时器对象 timeoutTimer 的 advanceClock 方法向前推进，如果有过期的任务，则会将其从定时器中移除并执行回调：
private class ExpiredOperationReaper extends ShutdownableThread(/* ... */) {
// doWork 方法会在线程函数，即基类 Thread 的 run 方法中循环调用
override def doWork() {
advanceClock(200L) // 200 ms
}
}
而 purgatory 是使用 kafka.utils.timer 包下的 SystemTimer 类作为定时器的：
def apply[T <: DelayedOperation](purgatoryName: String, /* ... */): DelayedOperationPurgatory[T] = {
val timer = new SystemTimer(purgatoryName)
new DelayedOperationPurgatory[T](purgatoryName, timer, /* ... */)
}
而在 SystemTimer 中，关键字段为时间轮对象 timingWheel：
// java.util.concurrent 包提供的延时队列
private[this] val delayQueue = new DelayQueue[TimerTaskList]()
private[this] val taskCounter = new AtomicInteger(0)
// Kafka 在 kafka.utils.timer 包中自行实现的时间轮
private[this] val timingWheel = new TimingWheel(
tickMs = tickMs,
wheelSize = wheelSize,
startMs = startMs,
taskCounter = taskCounter,
delayQueue
)
其 advanceClock 方法实际上是调用 timingWheel.advanceClock 方法：
def advanceClock(timeoutMs: Long): Boolean = {
// 从延时队列中等待 timeout 毫秒，若有过期 bucket 则取出
var bucket = delayQueue.poll(timeoutMs, TimeUnit.MILLISECONDS)
if (bucket != null) { // 存在过期 bucket
writeLock.lock()
try {
while (bucket != null) {
// 推进当前时间轮，内部可能会递归推进更高一层时间轮，currentTime 被修改
timingWheel.advanceClock(bucket.getExpiration())
bucket.flush(reinsert)
// 默认 timeout 为 0，即非阻塞，也就是说尽可能取出当前时刻所有过期的 buckets
bucket = delayQueue.poll()
}
} finally {
writeLock.unlock()
}
true
} else {
false
}
}
可见，SystemTimer 对象在调用 advancedClock 推进时间时，其实是从延时队列中取出推进的时间内所有过期的 bucket，然后 flush：
// Remove all task entries and apply the supplied function to each of them
def flush(f: (TimerTaskEntry)=>Unit): Unit = {
synchronized {
// 遍历整个 bucket（链表），remove 删除所有节点
var head = root.next
while (head ne root) {
remove(head)
f(head)
head = root.next
}
expiration.set(-1L)
}
}
注意到，传入 flush 的是 reinsert 函数：
private[this] val reinsert = (timerTaskEntry: TimerTaskEntry) => addTimerTaskEntry(timerTaskEntry)
问题来了，为啥删除之后又要重新插入呢？因为如果取出的这个 bucket 是属于高层时间轮的，由于高层时间轮精度不够，此时 bucket 可能并未过期。
举个两层时间轮的例子（单位：毫秒）：
| 层次 |
桶 |
| 1 |
[0,1) [1,2) |
| 2 | [0,2) [2,4) |
初始状态下，延时为 3 的任务被加入 [2,4)，调用 advanceClock(2) 后，时间轮变成了：
| 层次 |
桶 |
| 1 | [2,3) [3,4) |
| 2 | [2,4) [4,6) |
第 2 层的 [2,4) 被取出，然后延时为 3 的任务被取出，此时调用 reinsert 就会将其加入第 1 层的 [3,4)，而不是立刻判断它过期。
从高层时间轮降级到底层时间轮被隐藏在了这句不起眼的 bucket.flush(reinsert) 中。
5
总结
本文讲述了简单时间轮以及分层时间轮的概念，然后通过源码阅读讲述了 Kafka 中为何以及如何实现分层时间轮的。对于大量请求，每个请求对应一个定时任务，需要大量的插入/删除操作，因此采用了多层时间轮来降低插入/删除的时间复杂度，出于避免重复造轮子的考虑，Kafka 仍然借助 Java 标准库的延时队列来推进时间轮。
除了学习了时间轮之外，Kafka 对时间轮的实现也给了我们另一个启示：优化要在性能敏感的地方优化，对于性能不敏感的操作，能用现成轮子就不要自己费心思重复造轮子。
如果大家有什么建议或疑问，可以在下方留言交流。
360云计算
由360云平台团队打造的技术分享公众号，内容涉及数据库、大数据、微服务、容器、AIOps、IoT等众多技术领域，通过夯实的技术积累和丰富的一线实战经验，为你带来最有料的技术分享
