SignalR循序渐进(三)简易的集群通讯组件
上一篇演示了泛型Hub的实现,微软于6月17日更新了SignalR 2.1.0,然后自带了泛型Hub,于是就不需要自己去实现了…(微软你为啥不早一个月自带啊…)。不过没关系,SignalR出彩之处不在泛型Hub,本篇为各位观众带来了基于SignalR的简易集群通讯组件Demo,可用于分布式定时任务。
说到集群,自然想到了NLB啊Cluster啊HPC啊等等。NLB受制于成员数量,Cluster用数量堆高可用性,HPC太复杂。本着SignalR的双向异步通讯的特点,其实是可以用来玩弹性计算的。初始状态由一台计算任务分发节点,一台监控以及一台计算节点构成。随着任务分发队列中的任务数越来越多,一台执行节点无法及时消耗待执行任务,达到某个阈值的时候,动态的加入一个计算节点来增加计算吞吐量。同样的,当队列中的任务基本处于很低的数量的时候,自动移除一个计算节点来减少资源消耗。当然,如果是大型的计算量之下,分发节点,队列都应该是集群的,还要考虑各种计算节点故障之类的问题,这不在本篇考虑的范畴内,本篇以初始状态模型来一步步实现简易集群通讯组件。
好,废话不说了,正篇开始。
任务分发节点
任务分发节点只有一个公开的行为,就是接受计算节点任务执行完成的消息。
下面是实现。
/// <summary>
/// 集群交换器
/// </summary>
public class ClusterHub : Hub<IClusterClient>
{
/// <summary>
///
/// </summary>
static ClusterHub()
{
aliveDictionary = new ConcurrentDictionary<string, Guid>();
} /// <summary>
///
/// </summary>
/// <param name="dispatcher"></param>
public ClusterHub(IDispatcher dispatcher)
{
this.dispatcher = dispatcher;
db = OdbFactory.Open(localDbFileName);
} /// <summary>
/// 本地数据库文件名
/// </summary>
const string localDbFileName = "ClusterStorage.dll"; /// <summary>
/// 监视器连接Id
/// </summary>
static string monitorConnectionId; /// <summary>
/// 调度器
/// </summary>
IDispatcher dispatcher; /// <summary>
/// 在线词典
/// </summary>
static ConcurrentDictionary<string, Guid> aliveDictionary; /// <summary>
///
/// </summary>
static IOdb db; /// <summary>
/// 完成任务
/// </summary>
/// <param name="jobResult"></param>
public void Finished(Contracts.Messages.JobResultDto jobResult)
{
lock (db)
{
var members = db.AsQueryable<MemberDo>();
var member = members.SingleOrDefault(m => m.Id == Guid.Parse(jobResult.Id));
if (member != null)
{
member.UpdateStatisticsInfo(jobResult.ProcessedTime);
db.Store(member);
if (!string.IsNullOrWhiteSpace(monitorConnectionId))
{
Clients.Client(monitorConnectionId).UpdateMemberStatisticsInfo(new Contracts.Messages.MemberStatisticsInfoDto() { Id = member.Id.ToString(), AverageProcessedTime = member.AverageProcessedTime });
}
}
}
Clients.Caller.RunJob(dispatcher.GetJobId());
} /// <summary>
/// 加入
/// </summary>
void Join()
{
object ip = string.Empty;
var isMonitor = Context.Request.QueryString["ClientRole"] == "Monitor";
Context.Request.Environment.TryGetValue("server.RemoteIpAddress", out ip);
lock (db)
{
var members = db.AsQueryable<MemberDo>();
var member = members.SingleOrDefault(m => m.Ip == ip.ToString() && m.IsMonitor == isMonitor);
if (member != null)
{
member.MemberStatusType = MemberStatusTypeEnum.Connectioned;
}
else
{
member = new MemberDo(ip.ToString(), isMonitor);
if (isMonitor)
{
monitorConnectionId = Context.ConnectionId;
}
}
db.Store(member); aliveDictionary.TryAdd(Context.ConnectionId, member.Id);
if (!isMonitor)
{
if (!string.IsNullOrWhiteSpace(monitorConnectionId))
{
Clients.Client(monitorConnectionId).MemberJoin(member.Id);
}
Clients.Caller.GetId(member.Id.ToString());
Clients.Caller.RunJob(dispatcher.GetJobId());
}
}
} /// <summary>
/// 离开
/// </summary>
void Leave()
{
var id = Guid.Empty;
aliveDictionary.TryRemove(Context.ConnectionId, out id);
lock (db)
{
var members = db.AsQueryable<MemberDo>();
var member = members.SingleOrDefault(m => m.Id == id);
if (member != null)
{
member.MemberStatusType = MemberStatusTypeEnum.Disconnectioned;
db.Store(member);
if (member.IsMonitor)
{
monitorConnectionId = string.Empty;
}
else if (!string.IsNullOrWhiteSpace(monitorConnectionId))
{
Clients.Client(monitorConnectionId).MemberLeave(id);
}
}
}
} public override Task OnConnected()
{
Console.WriteLine(Context.ConnectionId+":Connected");
Join();
return base.OnConnected();
} public override Task OnDisconnected()
{
Console.WriteLine(Context.ConnectionId + ":Disconnected");
Leave();
return base.OnDisconnected();
} public override Task OnReconnected()
{
Console.WriteLine(Context.ConnectionId + ":Reconnected");
return base.OnReconnected();
}
}
ClusterHub承载着2种客户端角色的交互,计算节点和监控。
这边采用了一个轻量级的基于C#开发的无引擎对象数据库来存储客户端信息。
先说重载的部分:
OnConnected - 当有客户端连接的时候,执行Join方法。
OnDisconnected - 当有客户端离线的时候,执行Leave方法。
然后是私有方法:
Join - 根据QueryString来区分客户端类型是计算节点还是监视器,如果是计算节点,就直接通知监视器有成员加入,然后通过IDispatcher来获取任务Id,通知计算节点开始执行任务。
Leave - 计算节点离线的时候通知监视器。
公开方法:
Finished - 计算节点完成任务后就调用该方法,Hub将计算的一些统计信息更新到本地存储,同时通知监视器更新计算结果。
私有变量:
IDispatcher– 任务调度器接口,由外部组件来负责具体的实现。
计算节点
计算节点有两个行为:
GetId - 获取节点身份。
RunJob - 执行任务。
/// <summary>
/// 集群客户端
/// </summary>
public class ClusterClient
{
/// <summary>
///
/// </summary>
/// <param name="jobProvider"></param>
public ClusterClient(IJobProvider jobProvider)
{
this.jobProvider = jobProvider;
url = ConfigurationManager.AppSettings["HubAddress"];
var queryStrings = new Dictionary<string, string>();
queryStrings.Add("ClientRole", "Normal");
connection = new HubConnection(url, queryStrings);
hubProxy = connection.CreateHubProxy(typeof(IClusterHub).GetCustomAttributes(typeof(DescriptionAttribute), false).OfType<DescriptionAttribute>().First().Description);
InitClientEvents();
connection.Start().Wait();
} string url; HubConnection connection; IHubProxy hubProxy; IJobProvider jobProvider; string id; /// <summary>
///
/// </summary>
void InitClientEvents()
{
hubProxy.On("GetId", (id) => GetId(id));
hubProxy.On("RunJob", (jobId) => RunJob(jobId));
} /// <summary>
/// 执行任务
/// </summary>
/// <param name="id"></param>
void GetId(string id)
{
this.id = id;
} /// <summary>
/// 执行任务
/// </summary>
/// <param name="jobId"></param>
void RunJob(string jobId)
{
var startTime = DateTime.Now;
jobProvider.Invoke(jobId);
var stopTime = DateTime.Now;
hubProxy.Invoke("Finished", new JobResultDto() { Id = id, JobId = jobId, ProcessedTime = (stopTime - startTime).TotalMilliseconds });
}
}
客户端的实现很简单,核心就是通过构造函数注入任务提供接口,由接口通过任务Id来执行任务。
监视器
监视器具有三个公开行为:
MemberJoin - 计算节点加入
MemberLeave - 计算节点离线
UpdateMemberStatisticsInfo - 更新节点统计信息
/// <reference path="jquery-2.1.1.js" />
/// <reference path="jquery.signalR-2.1.0.js" />
(function ($) { var members = []; var methods = {
reloadList: function () {
var list = "";
$.each(members, function (i, n) {
list += "<li id='member_" + n.Id + "'>[" + n.Id + "]:AverageProcessedTime " + n.AverageProcessedTime + " Milliseconds</li>";
});
$('#members').html(list);
}
} var hubs = {
clusterHub: $.connection.clusterHub,
init: function () {
$.connection.hub.logging = true;
$.connection.hub.url = 'http://192.168.1.124:10086/signalr';
$.connection.hub.qs = { "ClientRole": "Monitor" }
$.connection.hub.start().done(function () { });
}
} var cluster = {
on: {
updateMemberStatisticsInfo: function (data) {
$.each(members, function (i, n) {
if (n.Id == data.Id) {
n.AverageProcessedTime = data.AverageProcessedTime;
return;
}
});
methods.reloadList();
},
memberJoin: function (id) {
members.push({ "Id": id, "AverageProcessedTime": 0 });
methods.reloadList();
},
memberLeave: function (id) {
members = $.grep(members, function (n) { return n.Id != id });
methods.reloadList();
}
}
} $(function () {
hubs.clusterHub.client.UpdateMemberStatisticsInfo = cluster.on.updateMemberStatisticsInfo;
hubs.clusterHub.client.MemberJoin = cluster.on.memberJoin;
hubs.clusterHub.client.MemberLeave = cluster.on.memberLeave;
hubs.init();
});
})(jQuery);
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>集群监视器</title>
</head>
<body>
<div>
<ul id="members"></ul>
</div>
<script src="scripts/jquery-2.1.1.min.js"></script>
<script src="scripts/jquery.signalR-2.1.0.min.js"></script>
<script src="http://192.168.1.124:10086/signalr/hubs"></script>
<script src="scripts/core.js"></script>
</body>
</html>
监视器用real-time的Web平台实现,一共注册三个方法的实现。
最终效果
Hub端启动后,先启动监视器,然后在不同的机器上启动计算端,图上是2个计算节点,监视器上也显示着2个节点,每个节点执行一个JobId后,监视器上就会刷新结果。
进一步思考和扩展
简易集群组件就到这儿了,本篇演示的是一个思路,可以在这个基础上深度扩展成文章开头所描述的那样,高性能高可用的基于SignalR的集群组件。欢迎各位有兴趣的同学进行讨论和拍砖。
转载请注明出处:http://www.cnblogs.com/royding/p/3811169.html
最新文章
- Python模块之常用模块,反射以及正则表达式
- Redis命令拾遗四——集合类型(命令补充)
- 处理Xcode 警告
- Nodejs进阶:基于express+multer的文件上传
- Why one-norm is an agreeable alternative for zero-norm?
- POJ 1410	 Intersection --几何,线段相交
- java根据本地Ip获取mac地址
- java实现cmd的copy功能
- 团队作业6——展示博客(Alpha)
- cesium编程入门(七)3D Tiles,模型旋转
- SQL to Java code for Elasticsearch
- Andriod studio 打包aar
- python图片转为base64
- 51nod 1443 路径和树(最短路树)
- 方差+标准差+四分位数+z-score公式
- 2017CS231n学习笔记——计算机视觉的概述
- ProcessHacker可编译版本
- cvsnt报错:Administrator: Switch to user failed due to configuration error. Contact your System Administrator
- 图之Dijkstra算法
- jquery插件实现鼠标经过图片右侧显示大图的效果(类似淘宝)