干货 | 日均流量200亿，携程高性能全异步网关实践 https://mp.weixin.qq.com/s/JdbPf_H4pn5PnPH2LIKQlw
干货 | 日均流量200亿，携程高性能全异步网关实践 https://mp.weixin.qq.com/s/JdbPf_H4pn5PnPH2LIKQlw
干货 | 日均流量200亿，携程高性能全异步网关实践
作者简介
Butters，携程软件技术专家，专注于网络架构、API网关、负载均衡、Service Mesh等领域。
一、概述
与许多公司一样，携程API网关也是同微服务架构一起引入的基础设施，最早版本发布于2014年。随着服务化在公司的快速推进，网关逐渐成为应用暴露到外网的标准方案。后来的“ALL IN无线”、国际化、异地多活等，网关跟随着公司公共业务与基础架构共同演进。截止2021年7月，整体接入服务数3000以上，日均处理流量200亿。
技术方案上，公司微服务早期发展受NetflixOSS影响较深，网关方面最早也是参考了Zuul 1.0进行的二次开发，核心可概括为四点：
-
server端：Tomcat NIO + AsyncServlet
-
业务流程：独立线程池，分阶段的责任链模式
-
client端：Apache HttpClient，同步调用
-
核心组件：Archaius（动态配置客户端），Hystrix（熔断限流），Groovy（热更新支持）
众所周知，同步调用阻塞线程，系统吞吐受IO影响大。作为行业先驱，Zuul在设计上也考虑到了这点：通过引入Hystrix，资源隔离配合限流，将故障（慢IO）框在一定范围内；配合熔断策略，可提前释放部分线程资源；最终达到局部异常不影响全局的目的。
但随着公司业务的发展，上述策略效果逐渐减弱，主要原因在于两方面的变动：
-
业务出海：网关作为海外接入层，部分流量需转回国内，慢IO成为常态
-
服务规模增长：局部异常常态化，加上微服务异常扩散的特性，线程池可能长期处于亚健康状态
全异步改造是携程API网关近年的一项核心工作点，本文也将由此展开，聊一聊我们在网关方面的工作与实践。重点包括：性能优化、业务形态、技术架构、治理经验等。
二、高性能网关核心设计
2.1. 异步流程设计
全异步 = server端异步 + 业务流程异步 + client端异步
对于server与client端，我们选择了Netty框架，NIO/Epoll + Eventloop本身就是事件驱动的设计。改造核心在于业务流程的异步化，常见异步场景包括：
- 业务IO事件：如请求校验、身份认证，涉及远程调用
- 自身IO事件：如读取到了报文的前xx字节
- 请求转发：包括TCP连接，HTTP请求
经验上，异步编程相比同步在设计、读写上都会困难一些，一般包括：
- 流程设计&状态转换
- 异常处理，包括常规异常与超时
- 上下文传递，包括业务上下文与trace log
- 线程调度
- 流量控制
尤其在Netty上下文内，对ByteBuf生命周期设计的不完善，很容易造成内存泄漏。围绕这些问题，我们设计了对应外围框架，最大努力对业务代码抹平同步/异步差异，方便开发；同时默认兜底与容错，保证程序整体安全。工具上借助了RxJava，主要流程如下图所示。
-
Maybe
-
RxJava内置容器类，标识正常结束、有且仅有一个对象返回、异常三种状态
-
响应式，方便整体状态机设计，自带异常处理、超时、线程调度等封装
-
Maybe.empty()/Maybe.just(T)，适用同步场景
-
工具类RxJavaPlugins，方便切面逻辑封装
-
Filter
-
代表一块独立的业务逻辑，同步&异步业务统一接口，返回Maybe
-
异步场景（如远程调用）统一封装，如涉及线程切换，通过maybe.obesrveOn(eventloop)切回
-
异步filter默认增加超时，并按弱依赖处理，忽略错误
public interface Processor<T> {ProcessorType getType();int getOrder();boolean shouldProcess(RequestContext context);//对外统一封装为MaybeMaybe<T> process(RequestContext context) throws Exception;}
public abstract class AbstractProcessor implements Processor {//同步&无响应，继承此方法//场景：常规业务处理protected void processSync(RequestContext context) throws Exception {}//同步&有响应，继承此方法，健康检测//场景：健康检测、未通过校验时的静态响应protected T processSyncAndGetReponse(RequestContext context) throws Exception {process(context);return null;};//异步，继承此方法//场景：认证、鉴权等涉及远程调用的模块protected Maybe<T> processAsync(RequestContext context) throws Exception{T response = processSyncAndGetReponse(context);if (response == null) {return Maybe.empty();} else {return Maybe.just(response);}};public Maybe<T> process(RequestContext context) throws Exception {Maybe<T> maybe = processAsync(context);if (maybe instanceof ScalarCallable) {//标识同步方法，无需额外封装return maybe;} else {//统一加超时，默认忽略错误return maybe.timeout(getAsyncTimeout(context), TimeUnit.MILLISECONDS,Schedulers.from(context.getEventloop()), timeoutFallback(context));}}protected long getAsyncTimeout(RequestContext context) {return 2000;}protected Maybe<T> timeoutFallback(RequestContext context) {return Maybe.empty();}
-
整体流程
-
沿用责任链的设计，分为inbound、outbound、error、log四阶段
-
各阶段由一或多个filter组成
-
filter顺序执行，遇到异常则中断，inbound期间任意filter返回response也触发中断
public class RxUtil{//组合某阶段（如Inbound）内的多个filter（即Callable<Maybe<T>>）public static <T> Maybe<T> concat(IterableIteratorwhile (sources.hasNext()) {Maybe<T> maybe;try {maybe = sources.next().call();} catch (Exception e) {return Maybe.error(e);}if (maybe != null) {if (maybe instanceof ScalarCallable) {//同步方法T response = ((ScalarCallable<T>)maybe).call();if (response != null) {//有response，中断return maybe;}} else {//异步方法if (sources.hasNext()) {//将sources传入回调，后续filter重复此逻辑return new ConcattedMaybe(maybe, sources);} else {return maybe;}}}}return Maybe.empty();}}
public class ProcessEngine{//各个阶段，增加默认超时与错误处理private void process(RequestContext context) {List<Callable<Maybe<Response>>> inboundTask = get(ProcessorType.INBOUND, context);List<Callable<Maybe<Void>>> outboundTask = get(ProcessorType.OUTBOUND, context);List<Callable<Maybe<Response>>> errorTask = get(ProcessorType.ERROR, context);List<Callable<Maybe<Void>>> logTask = get(ProcessorType.LOG, context);RxUtil.concat(inboundTask) //inbound阶段.toSingle() //获取response.flatMapMaybe(response -> {context.setOriginResponse(response);return RxUtil.concat(outboundTask);}) //进入outbound.onErrorResumeNext(e -> {context.setThrowable(e);return RxUtil.concat(errorTask).flatMap(response -> {context.resetResponse(response);return RxUtil.concat(outboundTask);});}) //异常则进入error，并重新进入outbound.flatMap(response -> RxUtil.concat(logTask)) //日志阶段.timeout(asyncTimeout.get(), TimeUnit.MILLISECONDS, Schedulers.from(context.getEventloop()),Maybe.error(new ServerException(500, "Async-Timeout-Processing"))) //全局兜底超时.subscribe( //释放资源unused -> {logger.error("this should not happen, " + context);context.release();},e -> {logger.error("this should not happen, " + context, e);context.release();},() -> context.release());}}
2.2. 流式转发&单线程
以HTTP为例，报文可划分为initial line/header/body三个组成部分。
在携程，网关层业务不涉及body。因为无需全量存，所以解析完header后可直接进入业务流程。于此同时，如果接收到body部分：①若已向upstream转发请求，则直接转发；②否则需要将其暂存，待业务流程处理完毕，同initial line/header一并发送；③对upstream端响应的处理方式亦然。
对比完整解析HTTP报文的方式，这样处理：
-
更早进入业务流程，意味着upstream更早接收到请求，能有效降低网关这层引入的延迟
-
body生命周期被压缩，可降低网关自身的内存开销
虽说提升了性能，但流式的方式也极大提升了整个流程的复杂度。
非流式场景下，Netty Server端编解码、入向业务逻辑、Netty Cerver端编解码、出向业务逻辑，各子流程相互独立，各自处理完整的HTTP对象。采取流式后，请求则可能同时处于多流程内，引入的困难可归纳为以下三点：
-
线程安全问题：不同流程若采用不同线程，会涉及上下文的并发修改；
-
多阶段联动：比如Netty Server请求接收一半遇到了连接中断，此时已经连上了upstream，那么upstream侧的协议栈是走不完的，也必须随之关闭连接；
-
边缘场景处理：比如upstream在请求未完整发送情况下返回了404/413，是选择继续发送、走完协议栈、让连接能够复用，还是选择提前终止流程，节约资源，但同时放弃连接？再比如，upstream已收到请求但未响应，此时Netty Server突然断开，Netty Client是否也要随之断开？等等。
针对这些场景，我们采用了单线程的方式，核心设计：
-
上线文绑定Eventloop，Netty Server/业务流程/Netty Client在同个eventloop执行；
-
异步filter如因IO库的关系，必须使用独立线程池，那在后置处理上必须切回；
-
流程内资源做必要的线程隔离（如连接池）；
单线程方式杜绝了并发问题，在多阶段联动、边缘场景问题处理时，整个系统也处于确定的状态下，有效降低了开发难度与风险；此外减少线程切换，一定程度上也能够提升性能。与之相对的，因为worker线程数较少（一般等于CPU核数），eventloop内必须完全杜绝IO操作，否则将对系统吞吐造成毁灭性打击。
2.3 其他优化
- 内部变量懒加载
针对请求的cookie/query等字段，如无必要，不提前进行字符串解析
- 堆外内存&零拷贝
结合前文流式转发的设计，进一步降低系统内存开销
- ZGC
项目因TLSv1.3而引入了JDK11（JDK8支持相对较晚，8u261版本，2020.7.14），自然也对新一代的GC算法进行了尝试，实际表现也确实不负盛名。除CPU占用有少量提升，整体GC耗时下降非常明显。
- 定制的HTTP编解码
HTTP的悠久历史，加之协议自身的开放性，催生了许多“坏实践”，轻则影响成功率，重则威胁网站安全，举两个例子：
-
流量治理
诸如请求体过大（413）、uri过长（414）、非ASCII字符（400）等问题，一般WebServer会选择直接拒绝并返回对应状态码。由于直接跳过了业务流程，这类问题在统计、服务定为、排障上都会比较麻烦。扩展编解码，让问题请求也能够走完路由流程，可以帮助解决非标流量的治理问题。
-
请求过滤
如request smuggling（Netty 4.1.61.Final修复，2021.3.30发布）。扩展编解码，增加自定义的校验逻辑，让安全补丁能够更快落地。
三、网关业务形态
作为独立、统一的入向流量收口点，网关对公司的价值主要体现在三方面：
-
解耦不同网络环境：典型场景包括内网&外网、生产环境&办公区、IDC内部不同安全域、专线等；
-
天然的公共业务切面：包括安全&认证&反爬、路由&灰度、限流&熔断&降级、监控&告警&排障等；
-
高效、灵活的流量控制
这里展开讲几个细分场景：
-
私有协议
在收口的客户端（APP），由框架层拦截用户发起的HTTP请求，通过私有协议（SOTP）的方式发往服务端。
选址方面：①通过服务端下发IP，杜绝DNS劫持；②连接预热；③自定义的选址策略，可依据网络质量、环境等自行切换。
交互方式上：①更加轻量的协议体；②统一加密&压缩&多路复用；③协议在入口处由网关统一转换，对业务透明。
-
链路优化
核心是引入接入层，让远距离用户就近访问，缓解握手开销过大的问题。同时，因为接入层与IDC是可控的两端，网络链路选择、协议交互模式上都有更大的优化空间。
-
异地多活
区别于按比例分配、就近访问策略等，异地多活模式下，网关（接入层）需按照业务维度的shardingKey进行分流（如userId），防止底层数据冲突。
四、网关治理
下图总结了线上网关的工作状态。横向对应我们的业务流程：不同渠道（APP、H5、小程序、供应商）、不同协议（HTTP、SOTP）的流量经由负载均衡打到网关，经过系列业务逻辑的处理，最终转发至后端服务。经历了第二章的改造后，横向业务在性能、稳定性上都得到了较好的提升。
另一方面，由于多渠道/协议的存在，线上网关按业务划分，进行了独立集群的部署。业务差异（路由数据、功能模块）早期通过独立代码分支管理，随着分支数的增加，整体的运维复杂度越来越高。系统设计中，复杂度往往也意味着风险。如何对多协议、多角色的网关实施统一治理，如何以较低的成本，快速为新业务搭建定制化网关，成为了我们后一阶段的工作重心。
解决方案也比较直观地在图中画了出来，一是协议上兼容处理，让线上代码跑在一套框架下；二是引入控制面，对线上网关的差异特性进行统一管理。
4.1 多协议兼容
协议兼容的做法并不新鲜，整体可以参考Tomcat对HTTP/1.0、HTTP/1.1、HTTP/2.0的抽象。HTTP自身虽然在各个版本内新增了大量feature，但我们在做业务开发时通常感知不到这些，核心在于HttpServletRequest接口的抽象。
在携程，网关面对的都是请求—响应模式的无状态协议，报文组成上也可以划分为元数据、扩展头、业务报文三部分，因此可以比较方便地进行类似的尝试。对应工作可以用以下两点概括：
-
协议适配层：用于屏蔽不同协议的编解码、交互模式、对TCP连接的处理等
-
定义通用中间模型与接口：业务面向中间模型与接口编程，更好地聚焦到协议对应的业务属性上去
4.2 路由模块
路由模块是控制面的两个主要组成部分之一，除了管理网关—服务间的映射关系，服务本身可以用以下模型概括：
{//匹配方式"type": "uri",//HTTP默认采用uri前缀匹配，内部通过树结构寻址；私有协议（SOTP）通过服务唯一标识定位。"value": "/hotel/order","matcherType": "prefix",//标签与属性//用于portal端权限管理、切面逻辑运行（如按核心/非核心）等"tags": ["owner_admin","org_framework","appId_123456"],"properties": {"core": "true"},//endpoint信息"routes": [{//condition用于二级路由，如按app版本划分、按query重分配等"condition": "true","conditionParam": {},"zone": "PRO",//具体服务地址，权重用于灰度场景"targets": [{"url": "http://test.ctrip.com/hotel","weight": 100}]}]}
4.3 模块编排
模块编排是控制面的另一项核心部分。我们在网关处理流程内预留了多个阶段（图中用粉色标记）。除开熔断、限流、日志等通用功能，运行时不同网关所需执行的业务功能由控制面统一下发。功能本身在网关内部有独立的代码模块，控制面额外定义了功能对应的执行条件、参数、灰度比例、错误处理方式等。这种编排方式也在侧面保证了模块间的解耦。
{//模块名称，对应网关内部某个具体模块"name": "addResponseHeader",//执行阶段"stage": "PRE_RESPONSE",//执行顺序"ruleOrder": 0,//灰度比例"grayRatio": 100,//执行条件"condition": "true","conditionParam": {},//执行参数//大量${}形式的内置模板，用于获取运行时数据"actionParam": {"connection": "keep-alive","x-service-call": "${request.func.remoteCost}","Access-Control-Expose-Headers": "x-service-call","x-gate-root-id": "${func.catRootMessageId}"},//异常处理方式，可以抛出或忽略"exceptionHandle": "return"}
五、总结
网关长期以来都是各类技术交流平台上的热点，方案也非常丰富：发展早、易上手的Zuul1.0、高性能的Nginx、集成度高的SpringCloud Gateway、如日中天的Istio等等。最终决定选型的还是各公司自身的业务背景与技术生态。也正因此，在携程我们选择了自研的道路。
技术不断发展，我们也在持续探索，公共网关同业务网关的关系、新协议的落地（HTTP3）、与ServiceMesh的关系等等，真诚欢迎有兴趣的同学一起参与讨论。
团队招聘信息
我们是平台研发中心，一个为携程快速发展提供各类基础产品和服务的平台，我们以技术驱动提升客户体验，提升跨团队协作效率。
我们拥有优秀而强大的团队，引导你学习业内领先的开发技术，与技术高手交流对话，学习切磋。在亿级用户严苛的品质要求中，激发你脑中不断涌现的创新思维，带领你体验飞速成长的惊喜快乐，并在各种机遇与挑战中发展自我，成就自身。
