一. 农业时代
创业最重要的就是一个“快”字，所以最开始的时候，所有的架构都以快速出模型为前提。
而常看我博客的朋友应该知道我对python情有独钟，所以自然的，python成为了我开发服务端框架的语言。
python自带的多线程tcp服务器框架非常简单：ThreadingTCPServer，即每个链接一个线程的模式：
import SocketServer
class RequestHandler(SocketServer.BaseRequestHandler):
def handle(self):
f = self.request.makefile('r')
while True:
message = f.readline()
if not message:
print 'client closed'
break
print "message, len: %s, content: %r" % (len(message), message)
self.request.send('okn')
class MyServer(SocketServer.ThreadingTCPServer):
request_queue_size = 256
daemon_threads = True
allow_reuse_address = True
server = MyServer(('127.0.0.1', 7777), RequestHandler)
server.serve_forever()
但是我又觉得多线程加锁使用实在太过麻烦，所以就引入了gevent:
import gevent
from gevent.server import StreamServer
class RequestHandler(object):
closed = False
def __init__(self, sock, address):
self.sock = sock
self.address = address
self.f = self.sock.makefile('r')
self.handle()
def handle(self):
while not self.closed:
t = gevent.spawn(self.read_message)
t.join()
def read_message(self):
message = self.f.readline()
if not message:
self.closed = True
print 'client closed'
return
print "message, len: %s, content: %r" % (len(message), message)
self.sock.send('okn')
server = StreamServer(('127.0.0.1', 7777), RequestHandler)
server.serve_forever()
而又因为之前在做个人开发者的时候，对flask的装饰器设计甚为喜欢，所以就参考flask设计了我自己的tcp server：
https://github.com/dantezhu/haven
使用方法也是非常简单（服务器端）：
import logging
from haven import GHaven, THaven, logger
from netkit.box import Box
app = GHaven(Box)
@app.before_request
def before_request(request):
logger.error('before_request')
@app.route(1)
def index(request):
request.write(dict(ret=100))
app.run('127.0.0.1', 7777, workers=2)
客户端：
from netkit.contrib.tcp_client import TcpClient
from netkit.box import Box
import time
client = TcpClient(Box, '127.0.0.1', 7777, timeout=5)
client.connect()
box = Box()
box.cmd = 101
box.body = '我爱你'
client.write(box)
t1 = time.time()
while True:
# 阻塞
box = client.read()
print 'time past: ', time.time() - t1
print box
if not box:
print 'server closed'
break
这套架构在开发服务器端原型的时候非常有效，因为开发效率极高。
而我们开发的是棋牌游戏，当时为了图方便，几乎所有的数据都放在了进程内存里，所以操作起来也非常方便。
所以在整个研发过程中，服务器端的开发速度一直是客户端开发速度的数倍。
二. 工业时代
然而很快，我发现了现有框架的一些问题，而这些问题都极其致命。
1. 所有逻辑揉在一个进程中，性能太低，2000人同时打牌就会导致卡顿
2. 多线程的模型在大量用户在线时，性能极差
3. 逻辑server和存储server揉在一起，导致维护十分困难。重启逻辑服务器会影响业务，无法接受
因为如上的原因，我一直在考虑一套新的业务模型，除了要解决上面的问题之外，还要有如下的特性：
1. 尽量保留python开发业务逻辑，因为与c++相比，开发效率极高。
2. 可伸缩，分布式
3. 尽量少改动现有逻辑代码
4. 尽量让业务开发理解简单
最终，我实现了这套server框架，并将其开源在这里：
https://github.com/dantezhu/maple
maple的实现，受到了很多想有框架的启发，其中包括zmq，half-async half-sync，以及当时淘宝的一个业务模型分享。
我记得印象比较清楚的是，当时主讲是这么说的：
我们怎么判断该不该给某个server发送消息呢？
根据成功率？根据响应时间？
no，我们把push换成pull，让worker完成处理后，自己过来要数据。
要，我才给，不要我就不给
maple的整个模型即是如此:
gateway
worker
trigger
其中，gateway是用c++、epoll实现的一个高性能转发服务器，收到的客户端消息都会转发给对应的worker。
worker，即工作进程，他可以随时attach到某个gateway上来处理数据，也可以随时detach。并且worker使用python来实现的，兼顾了开发效率和运行效率。
trigger，触发器，即他可以触发事件来发给gateway，gateway会根据事件的不同，发给客户端或者worer。
详细的设计思路，可以参看maple的readme，里面有详细的设计思路。
一个简单的worker代码如下：
import logging
LOG_FORMAT = 'n'.join((
'/' + '-' * 80,
'[%(levelname)s][%(asctime)s][%(process)d:%(thread)d][%(filename)s:%(lineno)d %(funcName)s]:',
'%(message)s',
'-' * 80 + '/',
))
logger = logging.getLogger('maple')
handler = logging.StreamHandler()
handler.setFormatter(logging.Formatter(LOG_FORMAT))
logger.addHandler(handler)
logger.setLevel(logging.DEBUG)
from maple import Worker
from netkit.box import Box
app = Worker(Box)
@app.close_client
def close_client(request):
logger.error('close_client: %r', request)
@app.route(1)
def test(request):
request.write_to_client(dict(
ret=0,
body="test"
))
app.run("192.168.1.67", 28000, workers=2, debug=True)
一个简单trigger代码如下:
from maple import Trigger
import time
from netkit.box import Box
import logging
logger = logging.getLogger('maple')
logger.addHandler(logging.StreamHandler())
logger.setLevel(logging.DEBUG)
def main():
trigger = Trigger(Box, '192.168.1.67', 28000)
# trigger = Trigger(Box, '115.28.224.64', 28000)
for it in xrange(0, 99999):
time.sleep(1)
print trigger.write_to_worker(dict(
cmd=3,
ret=100,
body='from trigger: %s' % it
))
# print trigger.close_users([-1,3])
# print trigger.write_to_users([
# ((1,2,3), dict(cmd=1, body='direct event from trigger: %s' % it))
# ])
main()
很简单，对吧？
值得一提的是，为了方便worker的随时重启而不会影响外网服务，worker内部实现了对USR1和USR2信号的特殊处理。分别代表安全停止所有进程和安全重新拉起workers。
最后，上一张gateway运行时的统计图，命令如下：
./tool_stat -f stat_file
github链接：
https://github.com/dantezhu/haven
https://github.com/dantezhu/maple