ZStack 的伸缩性秘密（第一部分）异步架构

jopen 9年前

ZStack 的伸缩性秘密（第一部分）异步架构

ZStack 核心架构设计使得 99％ 的任务异步执行，因此确保了单个的管理节点能够管理十万级的物理服务器，百万级的虚拟机，数万级的并行任务。

架构的创新动力

对于要管理大量的硬件和虚拟机的公有云，伸缩性是IaaS软件要解决的主要问题之一。一个中等规模的数据中心，可能会有50.000台物理服务器，大约1,500,000的虚拟机，举例来说，同时分属于10000用户。虽然，用户不太可能象刷新非死book页面一样开/关虚拟机，但是IaaS 系统还是会在某个时刻被数千任务拥塞，这些任务有来自API的，还有来自内部组件的。在某些更糟糕的情况下，一个用户可能会等一个小时才能创建虚拟机，就是因为系统线程池只有1000，而等待处理的任务有5000个。

问题

首先，我们明确反对某些文章中的观点，针对 IaaS 伸缩性问题归结于，其声称 “支撑基础，特别是数据库和消息代理是 IaaS 伸缩性的问题的罪魁祸首”。 这完全是错误的！首先，就数据库的规模来讲，其顶多算是小型和中型；像 非死book 和 推ter 这样的互联网巨头，还在拥 MySQL 作为其主数据库。IaaS 的数据难道超过了 非死book 或 推ter 吗？完全不可能，他们是十亿级，IaaS 只有百万级（超级数据中心）。其次，相较与 Apache Kafka 或者 ZeroMQ 此类的消息代理服务器，ZStack 所应用的 RabbitMQ 只能算是一个中等伸缩性的代理。但是，其依然可以保持每秒 50.000 的消息处理量。（参考，RabbitMQ 性能测试 ， part 2)。难道这在 IaaS 软件系统中做通信还不够吗？完全足够。

其实，IaaS 伸缩性问题的根源在于：任务处理慢。确实是，在 IaaS 软件系统中任务处理非常慢，慢到要有几秒甚至是几分钟才能完成。因此，当系统中全是这种慢慢处理的任务时候，当然就带来了新任务的巨大的延迟。而这种慢处理的任务源于任务路径过长。举例说明，创建虚拟机，一般要经过以下路径 身份服务(service)-->规划器（scheduler）-> 图象服务(service)－>存储服务－>网络服务－>系统管理（Hypervisor）; 每个服务都会花费几秒甚至几分钟来操作外部硬件，这就导致了超长的任务处理时长。

同步 vs 异步

传统的 IaaS 软件系统同步处理任务；其往往是基于线程池机制。在此机制下，线程分配给每一个任务，只有当前任务结束后，下一个任务才能被处理。因为，任务处理缓慢，在遇到并行任务的峰值时, 系统由于超过了线程池的极限所以变的很慢，新来的任务只能缓存排队。

解决之道，直观的认为要增加线程池的容量；不过，现在操作系统虽然可以允许程序启动数万的线程，但是调度效率很低。因此，人们就开始做横向扩展，把处理任务分布在类似软件程序上，这些程序驻留在不同操作系统上;因为每个程序拥有其独有的线程池，从而最终增加了整个系统的线程池的容量。但是，以上横向扩展的方案带来了成本问题,其加大了管理的难度，并且，从软件设计的角度讲，集群软件本身也还是不小的挑战。最后，虽然其他的包括数据库，消息代理和外部系统（例如，成千的物理服务器）在内的基础设施有足够的能力来服务于更多的并行任务，但是IaaS软件系统本身变成了云系统的瓶颈。

ZStack 通过异步架构来解决这个问题。如果，我们考虑 IaaS 软件系统和数据中心其他设施的关系，IaaS 软件系统其实是一个中间人的角色。其协调外部系统但不做时实的任务；例如，IaaS 不作具体工作，而是存储系统创建物理卷，镜像系统下载模板，虚拟机由虚拟管理系统创建。那么，IaaS 实际的工作任务就是决定如何分发子任务(sub-tasks)给外部系统。例如，对 KVM，子任务就包括了准备逻辑卷，网络和创建虚拟机，这些子任务都是 KVM 主机实施的；这个过程可能花费5秒钟，其中 IaaS 软件 0.5s, 其余 4.5s 被 KVMz 主机占用。根本上，ZStack 的异步架构确保了不用等这 4.5s，而是仅仅用0.5s 来选择执行的 KVM 主机，然后把任务分发出去。一旦，KVM 主机完成了指定的任务，它就会通知 IaaS 管理软件。以异步架构的方式，一个 100 线程的线程池就能轻松处理数千的并行任务。

ZStack 的异步方式

异步操作在计算机世界很普遍；异步 I/O, AJAX(Asynchronous Javascript And XML 异步的（Javascript 和 XML）是广为人知的例子。然而，要构建异步的全业务逻辑，特别象是 IaaS 这样的集成软件，仍然由很多挑战 。

最大的挑战在于，不是部分，而是全部的组件都要实现异步；例如，如果只是构建一个异步存储服务，但其他相关服务都是同步。那么，整个系统还是没有多少优势。这是因为，要调用存储服务，即使它是异步的，调用方的服务还是不得不等待其结束，那么整个工作流依然是同步的。

ZStack 的伸缩性秘密（第一部分）异步架构

图：线程中，业务流程服务要调用存储服务，直到存储服务返回了，线程才能结束。 虽然，存储服务通过异步方式和外部存储系统交互。

ZStack's 异步架构包含三部分： 异步消息，异步方法，异步 HTTP 调用。

1. 异步消息

ZStack 使用 RabbitMQ 作为消息总线以便连接各个服务。当某个服务调用另一个服务时，源服务发消息给目的服务并注册一个回调函数，然后马上返回；一旦目的服务完成了任务，它就会通过触发回调函数来回复任务结果。 

AttachNicToVmOnHypervisorMsg amsg = new AttachNicToVmOnHypervisorMsg();  amsg.setVmUuid(self.getUuid());  amsg.setHostUuid(self.getHostUuid());  amsg.setNics(msg.getNics());  bus.makeTargetServiceIdByResourceUuid(amsg, HostConstant.SERVICE_ID, self.getHostUuid());  bus.send(amsg, new CloudBusCallBack(msg) {      @Override      public void run(MessageReply reply) {          AttachNicToVmReply r = new AttachNicToVmReply();          if (!reply.isSuccess()) {              r.setError(errf.instantiateErrorCode(VmErrors.ATTACH_NETWORK_ERROR, r.getError()));          }          bus.reply(msg, r);      }  });

单个服务也可以发送一串消息给其他服务 ，并异步的等待回复。 

final ImageInventory inv = ImageInventory.valueOf(ivo);  final List<DownloadImageMsg> dmsgs = CollectionUtils.transformToList(msg.getBackupStorageUuids(), new Function<DownloadImageMsg, String>() {      @Override      public DownloadImageMsg call(String arg) {          DownloadImageMsg dmsg = new DownloadImageMsg(inv);          dmsg.setBackupStorageUuid(arg);          bus.makeTargetServiceIdByResourceUuid(dmsg, BackupStorageConstant.SERVICE_ID, arg);          return dmsg;      }  });    bus.send(dmsgs, new CloudBusListCallBack(msg) {      @Override      public void run(List<MessageReply> replies) {          /* do something */      }  }

更进一步，也能发送具有一定并行性的消息串。 比如，一串十个的消息，能够两两发送，第三，第四个消息只有第一，第二个消息收到后在一起发出。 

final List<ConnectHostMsg> msgs = new ArrayList<ConnectHostMsg>(hostsToLoad.size());  for (String uuid : hostsToLoad) {      ConnectHostMsg connectMsg = new ConnectHostMsg(uuid);      connectMsg.setNewAdd(false);      connectMsg.setServiceId(serviceId);      connectMsg.setStartPingTaskOnFailure(true);      msgs.add(connectMsg);  }    bus.send(msgs, HostGlobalConfig.HOST_LOAD_PARALLELISM_DEGREE.value(Integer.class), new CloudBusSteppingCallback() {      @Override      public void run(NeedReplyMessage msg, MessageReply reply) {          /* do something */      }  });

2. 异步方法

ZStack 服务，就像以上段一所示，它们之间通过异步消息通信； 对于服务内部，一系列的互相关联的组件，插件是通过异步方法调用来交互的。 

protected void startVm(final APIStartVmInstanceMsg msg, final SyncTaskChain taskChain) {      startVm(msg, new Completion(taskChain) {          @Override          public void success() {              VmInstanceInventory inv = VmInstanceInventory.valueOf(self);              APIStartVmInstanceEvent evt = new APIStartVmInstanceEvent(msg.getId());              evt.setInventory(inv);              bus.publish(evt);              taskChain.next();          }            @Override          public void fail(ErrorCode errorCode) {              APIStartVmInstanceEvent evt = new APIStartVmInstanceEvent(msg.getId());              evt.setErrorCode(errf.instantiateErrorCode(VmErrors.START_ERROR, errorCode));              bus.publish(evt);              taskChain.next();          }      });  }

同样, 回调也能包含返回值： 

public void createApplianceVm(ApplianceVmSpec spec, final ReturnValueCompletion<ApplianceVmInventory> completion) {      CreateApplianceVmJob job = new CreateApplianceVmJob();      job.setSpec(spec);      if (!spec.isSyncCreate()) {        job.run(new ReturnValueCompletion<Object>(completion) {            @Override            public void success(Object returnValue) {              completion.success((ApplianceVmInventory) returnValue);            }                  @Override            public void fail(ErrorCode errorCode) {              completion.fail(errorCode);            }        });      } else {          jobf.execute(spec.getName(), OWNER, job, completion, ApplianceVmInventory.class);      }  }

3. 异步HTTP调用

ZStack 使用了很多代理来管理外部系统。 例如： 管理 KVM 主机的代理，管理 Console Proxy 的代理，管理虚拟路由的代理等等。这些代理都是构建在 Python CherryPy 上的轻量级的 Web 服务器。因为，没有类似 HTML5 中的 Web Sockets 技术就不能实现双向通信，ZStack 就为每个请求，放置了一个回调 URL 在 HTTP 的包头 。这样，任务结束后，代理就能够发送应答给调用者的 URL。 

RefreshFirewallCmd cmd = new RefreshFirewallCmd();  List<ApplianceVmFirewallRuleTO> tos = new RuleCombiner().merge();  cmd.setRules(tos);    resf.asyncJsonPost(buildUrl(ApplianceVmConstant.REFRESH_FIREWALL_PATH), cmd, new JsonAsyncRESTCallback<RefreshFirewallRsp>(msg, completion) {      @Override      public void fail(ErrorCode err) {          /* handle failures */      }        @Override      public void success(RefreshFirewallRsp ret) {          /* do something */      }        @Override      public Class<RefreshFirewallRsp> getReturnClass() {          return RefreshFirewallRsp.class;      }  });

通过这三个异步方式，ZStack 已经构建了一个分层架构，保证所有组件能够实现异步操作。

ZStack 的伸缩性秘密（第一部分）异步架构

总结

此文，我们阐述了 ZStack 的异步架构，此架构解决了由于并行任务慢而导致的 IaaS 伸缩性问题。在测试中，使用模拟器，在单 ZStack 管理节点中，1000 线程就能轻易处理创建 1,000,000 虚拟机的10.000 个并行任务。除了单节点具有足够伸缩性处理大部分云系统负载的优点外，想要支持高可用行（High Availability）或者朝大规模负载（比如，100,000 并行任务），就必须安装多个管理节点。请参考 ZStack's stateless service in ZStack's Scalability Secrets Part 2: Stateless Services。