长连接网关技术专题(十三)：基于Netty的携程高性能网关异步改造实践

本文由携程技术Butters分享，原题“干货 | 日均流量200亿，携程高性能全异步网关实践”，下文有修订和重新排版。

1、引言
本文分享的是携程API网关全异步改造的实践分享，包括从Zuul 1.0同步架构升级为基于Netty的全异步架构，通过RxJava实现业务流程异步化，结合流式转发、ZGC等技术显著提升性能，并构建控制面实现多协议统一治理与模块化编排。

cover_opti

技术交流：

• 移动端IM开发入门文章：《新手入门一篇就够：从零开发移动端IM》

• 开源IM框架源码：https://github.com/JackJiang2011/MobileIMSDK（备用地址点此）

（本文已同步发布于：http://www.52im.net/thread-4854-1-1.html）

2、作者介绍
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。

3、专题目录
本文是专题系列文章的第 13 篇，总目录如下：

《长连接网关技术专题(一)：京东京麦的生产级TCP网关技术实践总结》

《长连接网关技术专题(二)：知乎千万级并发的高性能长连接网关技术实践》

《长连接网关技术专题(三)：手淘亿级移动端接入层网关的技术演进之路》

《长连接网关技术专题(四)：爱奇艺WebSocket实时推送网关技术实践》

《长连接网关技术专题(五)：喜马拉雅自研亿级API网关技术实践》

《长连接网关技术专题(六)：石墨文档单机50万WebSocket长连接架构实践》

《长连接网关技术专题(七)：小米小爱单机120万长连接接入层的架构演进》

《长连接网关技术专题(八)：B站基于微服务的API网关从0到1的演进之路》

《长连接网关技术专题(九)：去哪儿网酒店高性能业务网关技术实践》

《长连接网关技术专题(十)：百度基于Go的千万级统一长连接服务架构实践》

《长连接网关技术专题(十一)：揭秘腾讯公网TGW网关系统的技术架构演进》

《长连接网关技术专题(十二)：大模型时代多模型AI网关的架构设计与实现》

《长连接网关技术专题(十三)：基于Netty的携程高性能网关异步改造实践》（* 本文）

4、技术背景
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。

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：

1）server端：Tomcat NIO + AsyncServlet；
2）业务流程：独立线程池，分阶段的责任链模式；
3）client端：Apache HttpClient，同步调用；
4）核心组件：Archaius（动态配置客户端），Hystrix（熔断限流），Groovy（热更新支持）。
1
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：

1）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；
2）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。
2
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。

5、高性能网关核心设计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：

1）业务IO事件：如请求校验、身份认证，涉及远程调用；
2）自身IO事件：如读取到了报文的前xx字节；
3）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。

所谓的困难，一般包括：

1）流程设计&状态转换；
2）异常处理，包括常规异常与超时；
3）上下文传递，包括业务上下文与trace log；
4）线程调度；
5）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。

3
Maybe：

1）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；
2）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；
3）Maybe.empty()/Maybe.just(T)，适用同步场景；
4）工具类RxJavaPlugins，方便切面逻辑封装。
Filter：

1）代表一块独立的业务逻辑，同步&异步业务统一接口，返回Maybe；
2）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；
3）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Maybe   

Maybe 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 processAsync(RequestContext context) throws Exception

{

    T response = processSyncAndGetReponse(context);

    if (response == null) {

        return Maybe.empty();

    } else {

        return Maybe.just(response);

    }

};



@Override

public Maybe 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：

1）沿用责任链的设计，分为inbound、outbound、error、log四阶段；
2）各阶段由一或多个filter组成；
3）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  Maybe concat(Iterable

      Iterator

      while (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()

          );

  }  

}

6、高性能网关核心设计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：

4
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：

1）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；
2）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

5
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：

1）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；
2）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；
3）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：

1）上线文绑定Eventloop，Netty Server/业务流程/Netty Client在同个eventloop执行；
2）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；
3）流程内资源做必要的线程隔离（如连接池）。
采用单线程的好处：

1）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；
2）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。

7、高性能网关核心设计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。

6
7

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。

8、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：

1）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；
2）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；
3）高效、灵活的流量控制。
8
9

这里展开讲几个细分场景。

私有协议：

1）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；
2）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；
3）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。

10
9、网关治理概述
下图总结了线上网关的工作状态：

11
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：

1）是协议上兼容处理，让线上代码跑在一套框架下；
2）是引入控制面，对线上网关的差异特性进行统一管理。
12
10、网关治理能力1：多协议兼
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：

1）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；
2）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。
13
11、网关治理能力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

      }

    ]

  }]

}

12、网关治理能力3：模块编排
模块编排是控制面的另一项核心部分。

14
我们在网关处理流程内预留了多个阶段（上图中用粉色标记）。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"

}

13、本文小结
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。

14、参考资料
[1] 京东京麦的生产级TCP网关技术实践总结

[2] 手淘亿级移动端接入层网关的技术演进之路

[3] 喜马拉雅自研亿级API网关技术实践

[4] 小米小爱单机120万长连接接入层的架构演进

[5] B站基于微服务的API网关从0到1的演进之路

[6] 去哪儿网酒店高性能业务网关技术实践

[7] 少啰嗦！一分钟带你读懂Java的NIO和经典IO的区别

[8] 史上最强Java NIO入门：担心从入门到放弃的，请读这篇！

[9] Java的BIO和NIO很难懂？用代码实践给你看，再不懂我转行！

[10] 史上最通俗Netty框架入门长文：基本介绍、环境搭建、动手实战

[11] 新手入门：目前为止最透彻的的Netty高性能原理和框架架构解析

（本文已同步发布于：http://www.52im.net/thread-4854-1-1.html）