解密TaurusDB存储端高并发之线程池

1. TaurusDB背景

随着云计算进入2.0时代，数据急剧膨胀，这对实现数据库的高可靠、高性能、高吞吐的目标产生了巨大的挑战。如图1 所示，TaurusDB是华为自研的最新一代企业级具备横向扩展、海量存储能力的分布式数据库，其采用了计算存储分离，一写多读的分布式架构。将原本计算层的高密度存储相关压力下沉到存储层，极大地释放了计算层的算力。但同时将原来的存储IO转移到了网络IO，这也就是意味着，存储层将面临来自计算层风暴级的压力。如果存储层不能快速响应计算层的读写请求，会极大影响用户的使用体验。

图1 TaurusDB整体架构

图2 slice功能组件

从图2可知，TaurusDB的存储层，不单单只做存储相关的工作，也需要大量的算力，比如consolidation生成特定数据页、compation回收旧版本数据、BufferPool缓存热点数据页等任务。为了能加快这些任务的高效执行，我们首先能想到的就是能够并行执行这些任务，也就是采用多线程技术处理的方式，增加处理器单元的吞吐能力，从而提高存储端的执行效率。

2.线程池化设计思想

2.1线程为什么需要池化

首先，线程是稀缺的资源，如果频繁创建和销毁线程的开销是可观的，所占用的时间可能多于实际任务的执行；且当需要执行任务时，都去创建一个对应的线程去处理，那么服务器的资源(比如地址空间和内核参数)很快就会被耗尽，导致而导致OOM问题。

其次，通过事先创建好一定数量的线程并置于公共池之中，这样当有任务需要执行时，只需从公共池取一个线程执行当前的任务即可，待任务结束后，此线程又可以执行其他任务或处于休眠状态，等待下一次被调度，达到线程资源重复使用的目的。

2.2线程池如何管理

为了能有效的管理多线程，TaurusDB存储端采用了如图3的线程池模型。

图3 线程池模型

ThreadPool: 主要负责控制线程池的大小、状态变更、线程的创建、销毁、调度策略的选取；

Scheduler：负责具体任务的接收、被调度的顺序，并触发任务的执行；

Worker：负责具体任务的执行；

Monitor:负责监控线程执行任务时是否出现异常，以及异常告警，比如线程执行一次任务长时间执行未能结束。

2.3 线程池的调度策略

当前TaurusDB存储端线程池支持三种策略：先进先出调度(FifoScheduler)、定时调度(TimeScheduler)、基于容量调度(CapacityScheduler)。

对于FifoScheduler和TimeScheduler，比较容易理解。当有任务需要执行时，只需将此任务存放在一个队列即可，有scheduler按照顺序逐一调度即可。

对于CapacityScheduler，是一种基于事先为某一类型的任务预留可执行线程的思想，其预留的线程个数由下发任务的用户指定。具体调度过程见图4。

图4 CapacityScheduler调度

比如：

初始化线程大小为10，TaskType1预留线程数4，TaskType2：预留线程数5，TaskTypeN：预留线程数4

当线程池处于如图4状态时，任务类型是1和3的尚未达到预留值，任务类型N已达到阈值。此时如果Threadpool中处于idle的线程数为1，则该线程将会被调度到任务类型为2的队列中。

2.4 任务异常监控告警

我们知道，一旦任务被调度的线程执行过程中，可能会出现异常情况，比如线程死锁，导致该任务不能按照预期推进，轻者引发系统出现CPU、IO等系统资源使用率飚高的情况，严重者会导致系统down情形。比如TaurusDB的存储端，执行log的checkpoint的线程出现长时间卡顿，会导致存储端旧的log不能正常回收，导致磁盘空间逐步膨胀，进而影响存储端其他各个模块平滑的推进。如果能够识别出处于异常状态的线程，并能够进行告警，基于事先自定义规则进行修复，将能够持续保证存储端业务的连续性。

线程池Monitor组件就是用于识别处于异常状态的线程，其基本思想就是，定期巡检线程池中的各线程处于状态，如果发现线程状态长时间未更新，则判定该线程处于异常状态，上报告警，并基于相应的处理规则处理。

3. 下一步演进方向

从2.3中可以看出，CapacityScheduler策略是基于实际在执行的线程数，作为idle线程线程被调度的依据，尚未衡量实时任务的重要程度。考虑这样一种场景，如果有两种类型的任务A、B，在某一时间，用于执行A、B任务的线程数恰好线程或差值极小，但B类型任务的优先级大于A任务，这时可能出现idle线程被调度执行A类型任务，B类型任务不能分配到充足的线程数(预留值是静态分配)，用于加快推进任务的处理。

考虑的方案：

1.  限制类型任务类型队列的长度，这样可以均衡各类型任务的调度，不至于某一类或几类任务数过多；

2.  在系统资源有限的前提下，支持动态伸缩线程池大小的功能，这样可以在工作负载过重时，扩充线程池大小，用于调度到急需执行的任务；

3.  进一步细化CapacityScheduler策略，采用任务的重要程度和实际执行的线程数的规则，作为idle线程被调度的依据。