从telegraf改造谈golang多协程精确控制

前言

telegraf是infuxdb公司开源出来的一个基于插件机制的收集metrics的项目。整个架构和elastic公司的日志收集系统极其类似，具备良好的扩展性。与现在流行的各种exporter+promethues监控方案相比：

大致具备良好的可扩展性。很容易增加自己的处理逻辑，在input，output，process，filter等环境定制自己专属的插件。
统一了各种exporter，减少了部署各种exporter的工作量和维护成本。

目前telegraf改造工作基本上是两大部分：

增加了一些telegraf不支持的插件，比如虚拟化(kvm，vmware等)，数据库(oracle)，k8s和openstack等input插件。
telegraf是基于配置文件的，所以会有两个问题，很难做分布式和无停机动态调度input任务。所以我们的工作就是将获取配置接口化，所有的配置文件来源于统一配置中心。然后就是改造无停机动态调度input。

在改造改造无停机动态调度input就涉及到golang多协程精确控制的问题。

一些golang常用并发手段

sync包下WaitGroup

具体事例：

var wg sync.WaitGroup
 
    wg.Add(len(a.Config.Outputs))
    for _,o := range a.Config.Outputs {
        go func(output *models.RunningOutput) {
            defer wg.Done()
            err := output.Write()
            if err != nil {
                log.Printf("E! Error writing to output [%s]: %s\n",output.Name,err.Error())
            }
        }(o)
    }
 
    wg.Wait()

WaitGroup内部维护了一个counter，当counter数值为0时，表明添加的任务都已经完成。
总共有三个方法：

func (wg *WaitGroup) Add(delta int)

添加任务，delta参数表示添加任务的数量。

func (wg *WaitGroup) Done()

任务执行完成，调用Done方法，一般使用姿势都是defer wg.Done()，此时counter中会减一。

func (wg *WaitGroup) Wait()

通过使用sync.WaitGroup，可以阻塞主线程，直到相应数量的子线程结束。

chan struct{}，控制协程退出

启动协程的时候，传递一个shutdown chan struct{}，需要关闭该协程的时候，直接close(shutdown)。struct{}在golang中是一个消耗接近0的对象。
具体事例：

// gatherer runs the inputs that have been configured with their own
// reporting interval.
func (a *Agent) gatherer(
    shutdown chan struct{},kill chan struct{},input *models.RunningInput,interval time.Duration,metricC chan telegraf.Metric,) {
    defer panicRecover(input)
 
    GatherTime := selfstat.RegisterTiming("gather","gather_time_ns",map[string]string{"input": input.Config.Name},)
 
    acc := NewAccumulator(input,metricC)
    acc.SetPrecision(a.Config.Agent.Precision.Duration,a.Config.Agent.Interval.Duration)
 
    ticker := time.NewTicker(interval)
    defer ticker.Stop()
 
    for {
        internal.RandomSleep(a.Config.Agent.CollectionJitter.Duration,shutdown)
 
        start := time.Now()
        gatherWithTimeout(shutdown,kill,input,acc,interval)
        elapsed := time.Since(start)
 
        GatherTime.Incr(elapsed.Nanoseconds())
 
        select {
        case <-shutdown:
            return
        case <-kill:
            return
        case <-ticker.C:
            continue
        }
    }
}

借助chan 实现指定数量的协程或动态调整协程数量

当然这里必须是每个协程是幂等，也就是所有协程做的是同样的工作。
首先创建一个 pool:= make(chan chan struct{},maxWorkers)，maxWorkers为目标协程数量。
然后启动协程：

for i := 0; i < s.workers; i++ {
        go func() {
            wQuit := make(chan struct{})
            s.pool <- wQuit
            s.sFlowWorker(wQuit)
        }()
    }

关闭协程：

func (s *SFlow) sFlowWorker(wQuit chan struct{}) {
LOOP:
    for {
 
        select {
        case <-wQuit:
            break LOOP
        case msg,ok = <-sFlowUDPCh:
            if !ok {
                break LOOP
            }
        }
 
        // 此处执行任务操作
        
}

动态调整：

for n = 0; n < 10; n++ {
                if len(s.pool) > s.workers {
                    wQuit := <-s.pool
                    close(wQuit)
                }
            }

多协程精确控制

在改造telegraf过程中，要想动态调整input,每个input都是唯一的，分属不同类型插件。就必须实现精准控制指定的协程的启停。
这个时候实现思路就是：实现一个kills map[string]chan struct{}，k为每个任务的唯一ID。添加任务时候，传递一个chan struct{}，这个时候关闭指定ID的chan struct{}，就能控制指定的协程。

// DelInput add input
func (a *Agent) DelInput(inputs []*models.RunningInput) error {
    a.storeMutex.Lock()
    defer a.storeMutex.Unlock()
 
    for _,v := range inputs {
        if _,ok := a.kills[v.Config.ID]; !ok {
            return fmt.Errorf("input: %s,未找到，无法删除",v.Config.ID)
        }
    }
 
    for _,input := range inputs {
        if kill,ok := a.kills[input.Config.ID]; ok {
            delete(a.kills,input.Config.ID)
            close(kill)
        }
    }
    return nil
}

添加任务：

// AddInput add input
func (a *Agent) AddInput(shutdown chan struct{},inputs []*models.RunningInput) error {
    a.storeMutex.Lock()
    defer a.storeMutex.Unlock()
    for _,ok := a.kills[v.Config.ID]; ok {
            return fmt.Errorf("input: %s,已经存在无法新增",input := range inputs {
        interval := a.Config.Agent.Interval.Duration
        // overwrite global interval if this plugin has it's own.
        if input.Config.Interval != 0 {
            interval = input.Config.Interval
        }
        if input.Config.ID == "" {
            continue
        }
        
        a.wg.Add(1)
 
        kill := make(chan struct{})
        a.kills[input.Config.ID] = kill
 
        go func(in *models.RunningInput,interv time.Duration) {
            defer a.wg.Done()
            a.gatherer(shutdown,in,interv,a.metricC)
        }(input,interval)
    }
 
    return nil
}

总结

简单介绍了一下telegraf项目。后续的优化和改造工作还在继续。主要是分布式telegraf的调度算法。毕竟集中化所有exporter以后，telegraf的负载能力受单机能力限制，而且也不符合高可用的使用目标。

k8s与监控--从telegraf改造谈golang多协程精确控制