enode框架step by step之Staged event-driven architecture思想的运用

enode框架step by step之Staged event-driven architecture思想的运用

enode框架系列step by step文章系列索引：

1. 分享一个基于DDD以及事件驱动架构（EDA）的应用开发框架enode
2. enode框架step by step之事件驱动架构（EDA）思想的在框架中如何体现
3. enode框架step by step之saga的思想与实现
4. enode框架step by step之框架的总体目标
5. enode框架step by step之框架的物理部署思路
6. enode框架step by step之Command Service API设计思路

开源地址：https://github.com/tangxuehua/enode

上一篇文章，简单介绍了enode框架的command service api设计思路。本文介绍一下enode框架对Staged Event-driven architecture思想的运用。通过前一篇文章我们知道command service是会被高并发的访问，我们除了可以用异步的方式执行command以及集群的方式来提高系统响应性能外。最根本上要解决的问题是尽量快的处理单个command。这样才能在单位时间内处理更多的command。

先贴一下enode框架的内部实现架构图，这样对大家理解后面的分析有帮助。

我觉得要尽量快的处理command，主要思路有两点：

能并行处理的尽量并行

1. command service接收到command后，会把command发送到某个可用的command队列。然后该command队列的出口端，如果只有单个线程在处理command，而且这个线程如果有IO操作，那肯定快不到哪里去；因为只要处理单个command的速度跟不上command进入队列的速度，那command队列里的command就会不断增多，导致command执行的延迟增加。所以，思路就是，设计多个线程（就是上图中的Command Processor中的worker）来同时从command队列拿command，然后处理。这样就能实现多个线程在同时处理不同的command。
2. 但是光这样还不够，实际上我们还可以做的更好，那就是command queue也可以设计为多个。也就是说command service接收到command后，会通过一个command router，将当前command路由到某个可用的command队列，然后将该command发送到该队列。这样做的好处是，我们的command service背后有多个command队列（上图画了两个command queue）支撑着，每个command队列的出口端又有多个线程在同时处理。这样的话，我们就能最大化的压榨我们的服务器CPU和内存等资源了。当然，框架要支持允许用户配置多少个command队列，以及每个队列多少个线程处理。这样框架使用者就能根据当前服务器的CPU个数来决定该如何配置了。
3. 同理，domain model产生的事件（domain event）的处理也应该要并行处理；那具体是什么处理呢？就是上图中的Event Processor所做的事情。Event Processor会包含多个worker，每个worker就是一个线程。每个worker会从event queue中拿出事件，然后将事件进一步分发（dispatch）给所有的事件订阅者。

那么上面这些并行执行的逻辑是如何访问共享资源的呢？

对于command processor中的每个work线程，从上面的架构图可以清晰的看到，共享资源是event store和memory cache。event store，我们会并发的写入事件；memory cache，我们会并发的更新聚合根。所以，这两种存储都必须很好的支持高并发的写入，且要高效；经过我的一些调研，个人觉得mongodb比较适合作为eventstore。原因是：1）支持集群和sharding；2）支持唯一索引；3）支持关系型查询；4）高性能，默认是先保存到内存，每100ms将内存数据写入日志，每1分钟将内存数据正式写入磁盘；基于这4点，我们能利用mongodb实现一个比较理想的eventstore。而内存缓存（memory cache），我觉得memcached或者redis都还不错，都是比较成熟的分布式缓存。利用分布式缓存，我们不必担心数据放不下的问题，因为我们可以对数据按特征进行分区存放。这个思路就像数据库的分库分表类似。需要注意的是，eventstore必须支持严格控制并发冲突，mongodb的唯一索引可以确保这一点；而memory cache，不用支持并发冲突检测，只要能保障快速的根据key读写即可。因为我们总是先持久化完事件后再将最新状态的聚合根更新到memory cache，而持久化事件到eventstore已经做了并发冲突检测，所以更新到memory cache就一定也是按照事件持久化的顺序被更新到memory cache的。另外，实际上event store和memory cache是被整个web服务器集群所共享的。不过幸好mongodb，redis等产品足够强大，都支持横向扩展，所以我们完全有信心在web服务器不断增加的情况下，也对mongodb,redis做相应的横向扩展，从而不会让这两个地方产生瓶颈。

能允许延迟处理的尽量延迟

处理每个command时，会调用domain model执行业务逻辑，然后domain model会产生事件（domain event）。然后框架会在command处理完毕后自动对事件进行后续的处理。主要做的事情是：1）持久化事件到eventstore；2）更新memory cache；3）将事件publish出去。这三步分别对应上图中的3、4、5三个箭头。大家可以看到，对于publish事件这一步，我们不是马上将事件dispatch给事件订阅者的，而是先发送到event queue，然后异步的方式dispatch事件。

这里可以这样做的原因是，当领域事件被持久化到eventstore，本质上就已经表示业务逻辑处理完成了。事件是一件已发生的事情，事件被保存了就表示这件已发生的事情被记载了，也就是说，成为了历史。当我们下次要获取最新的聚合根时，如果从内存缓存里获取到的聚合根的状态是旧的，那从eventstore中通过event sourcing得到的聚合根一定是最新的，因为eventstore中存放了所有最新的历史。所以，我们可以知道，只要事件被持久化完成了，那后续的所有步骤都可以异步的方式来做。但是为什么更新memory cache没有异步的做呢？因为command handler在处理业务逻辑时，获取聚合根是从memory cache获取的，所以越早更新memory cache，我们拿到的聚合根的数据就越可能是最新的，拿到的数据越新，就意味着产生并发冲突的可能性就越低。实际上，因为像memcached, redis这样的分布式缓存，性能是非常高的，每秒1万次的读写操作问题应该不大。所以，我们可以认为内存缓存中的数据总是与eventstore实时保持一致的，因为延迟在0.1毫秒以内。因此，我们会在事件被保存到eventstore后，马上将最新状态的聚合根写入到memory cache。

但是，将事件dispatch给所有的事件订阅者这个操作是非常耗时的，因为我们无法知道每个事件订阅者具体做的事情，比如有些是更新CQRS查询端的读库的表，有些是调用外部系统的接口，等等。所以，dispatch这个逻辑必须异步，实际上，这也是CQRS架构的核心思路。另外，我们为了尽量快的dispatch事件，如上面提到，我们会开多个线程去并行的dispatch事件给事件订阅者。

有一个需要好好考虑的问题是：我们如何保证事件的持久化顺序与publish出去的顺序相同？这个问题，下次专门写一篇文章好好讨论吧。有兴趣的也可以想想为什么要解决这个问题，也非常欢迎和我讨论解决方案。

关于来自ebay的经验学习

可伸缩性最佳实践：来自eBay的经验，这篇文章中提到，提高可伸缩性的一项关键措施是积极地采取异步策略。

如果组件A同步调用组件B，那么A和B就是紧密耦合的，而紧耦合的系统其可伸缩性特征是各部分 必须共同进退——要伸缩A必须同时伸缩B。同步调用的组件在可用性方面也面临着同样的问题。我们回到最基本的逻辑：如果A推出B，那么非B推出非A。也就 是说，若B不可用，则A也不可用。如果反过来A和B的联系是异步的，不管是通过队列、多播消息、批处理还是什么其他手段，它们就可以分别地伸缩。而且，此 时A和B的可用性特征是相互独立的——即使B受困或者死掉，A仍然能够继续前进。

整个基础设施从上到下都应该贯彻这项原则。即使在单个组件内部也可通过SEDA（分阶段的事件驱动架构，Staged Event-Driven Architecture）等技术实现异步性，同时保持一个易于理解的编程模型。组件之间也遵守同样的原则——尽可能避免同步带来的耦合。在多数情况下， 两个组件在任何事件中都不会有直接的业务联系。在所有的层次，把过程分解为阶段（stages or phases），然后将它们异步地连接起来，这是伸缩的关键。

用异步的原则解耦程序，尽可能将过程变为异步的。对于要求快速响应的系统，这样做可以从根本上减少请求者所经历的响应延迟。对于网站或者交易系统， 牺牲数据或执行的延迟时间（完成全部工作的实践）来换取用户的延迟时间（用户得到响应的时间）是值得的。活动跟踪、单据开付、决算和报表等处理过程显然都 应该属于后台活动。主要用例过程中常常有很多步骤可以进一部分解成异步运行。任何可以晚点再做的事情都应该晚点再做。

还有一个同等重要的方面认识到的人不多：异步性可以从根本上降低基础设施的成本。同步地执行操作迫使你必须按照负载的峰值来配备基础设施——即使在任务最重的那一天里任务最重的那一秒，设施也必须有能力立即完成处理。而将昂贵的处理过程转变为异步的流，基础设施就不需要按照峰值来配备，只需要满足平 均负载。而且也不需要立即处理所有的请求，异步队列可以将处理任务分摊到较长的时间里，因而起到削峰的作用。系统的负载变化越大，曲线越多尖峰，就越能从异步处理中得益。

enode框架内部的实现思路，正是学习了这种SEDA的思想，将一个command的处理过程分为两个阶段（command执行，event分发），每个阶段尽量调用多的资源去并行处理，两个阶段之间通过队列连接，实现这两个阶段之间相互不受影响，比如事件分发失败不会影响command的执行；并且，因为两个阶段之间没有直接联系，所以事件分发虽然相对较慢，但也不会影响command的执行效率；这就是SEDA的好处，将过程分阶段，分阶段的依据是找出这个过程中哪些地方可以延迟执行，即可以允许异步执行。然后用队列衔接每个阶段，对每个阶段优化处理。

总结

通过上面的分析，我们知道了，enode框架内部实现的主要设计思路是：

1. 每个系统依赖于enode框架都可以支持web服务器集群；
2. 每台web服务器上面部署了一个enode框架实例；
3. 每个enode框架实例有一个唯一的command service；
4. 每个command service内部有多个command queue，通过command router来路由command；
5. 每个command queue的出口端都有一个command processor在消费command；
6. 每个command processor内部实际是通过多个worker线程在并行的消费command；
7. 每个worker线程都访问共享的event store和memory cache资源；
8. 每个worker线程在消费完一个command后，产生的事件先发送到一个可用的event queue，同样也会通过一个event queue router来路由；
9. 每个event queue的出口端都有一个event processor在消费event；
10. 每个event processor内部实际也是通过多个worker线程在并行的分发event给事件订阅者；

就写这些吧，希望本文能对大家理解enode有所帮助。

 

 

分类:  enode

标签:  DDD,  EDA,  cqrs,  EventSourcing,  InMemory