微博推荐计算层解决方案：lab_common_so框架

作者：wbrecom

1 背景

在微博推荐的体系架构中，计算层是一个中间层，主要承担排序的工作，是整体架构的重要的组成部分。计算层的核心是lab_common_so框架，它是一个C/C++语言编写的高效计算服务。

微博推荐在早期的发展过程中，承接了大量的业务，在这段时期内，根据需求不断总结和归纳，诞生了基于apache + mod_python的common_recom_framework(以下简称CRF)，该框架具有如下特性：

1. 透明化的数据获取：使用统一的函数获取数据，而不用关心数据的存储格式;
2. 统一的接口形态：所有业务的对外接口，形式上保持一致;
3. 规范化的业务流程：业务只需要按照固定的模板编写即可，开发极为迅速;
4. 插件式的业务开发：业务的增加，修改都是热插拔式，互不影响。

CRF的诞生，使得开发人员，不必为多个业务维护多套代码，降低了维护成本。同时，开发人员只需要在框架之上做一些二次开发工作，极大地提高了开发效率。

随着微博推荐业务的高速发展，业务的访问量越来越大，业务逻辑变得越复杂，比如CTR预估模型的引入。我们发现CRF已经有点力不从心了，主要体现在以下三个方面：

1. CTR预估模型会耗费较大的计算量，是CPU密集型的，而python在这方面的处理效率不那么让人满意，耗时很难降低;
2. 预估模型整体的逻辑较为复杂，使得代码比较臃肿，业务迭代效率大大降低;
3. apache是以阻塞式的多进程的方式来工作的，当套接字的I/O阻塞时，进程会挂起，一旦连接数增加，apache不得不生成更多的进程来响应请求。而更多的进程，意味着进程间切换的开销增加，也就是说，当业务访问量较大时，apache处理不过来。

为解决上述问题，我们决定把CPU密集型的复杂计算抽取出来，使用高效的C++服务来完成，这样就减轻了CRF的计算压力。同时，这种做法也可以让CRF更加专注于策略，代码看起来更加清爽，迭代速度会更快，能够解决问题(1)和问题(2)。于是，lab_common_so框架应运而生。

对于问题(3)，经过一段时间的探索，我们演化出了recom_unite_front(以下简称RUF)框架。这是一个基于openresty开发的二次框架，它比CRF更为轻量，使用了异步非阻塞的事件模型，很好的解决了问题(3)。

下图 1展示了CRF框架的发展。可以看到，CRF向上轻量化为RUF，具有更快的迭代速度，更强的并行处理的能力。CRF向下稳定化为lab_common_so，具有更高的计算效率，用于处理复杂的业务逻辑。

lab_common_so是CRF的发展和延续，因此它从一开始，就天然的具有CRF的几个特性，并在其基础之上，新增了如下特性：

1. 数据本地化：一些小规模的数据，可以加载到共享内存中，减少访问网络数据的开销;
2. 非中断式的资源更新：共享内存中的数据，可以实时更新，而不影响业务;
3. 可配置的算法支持：算法的调用，可通过配置文件来指定，避免修改代码;

基于以上特性，lab_common_so的可以用于但不限于如下场景：

1. 高效的实时在线计算服务
2. 并发式的离线计算服务
3. 数据存储代理算法模型训练

接下来的章节，将详细剖析lab_common_so的框架。

2 框架整体设计

本节介绍lab_common_so的整体设计以及框架处理流程。

2.1 框架整体构成

lab_common_so框架整体可以使用图 2来描述。

关于各部分的设计细节，由后续章节“3 框架类设计”叙述。

2.2 服务启动

图 3展示了lab_common_so的启动流程。

程序首先读入一个配置文件，确定服务运行所需要的基本参数，包括日志级别，线程数目，套接字的相关属性等。

然后程序根据读入的基本参数，开始执行初始化。这个过程主要是将一些本地数据，加载到内存中。

第三步，创建指定数目的线程，并对每个线程进行初始化。线程的初始化工作包括db_company和work_company。

最后，绑定指定的服务端口，开始监听。服务的端口有两个：一个是查询端口，服务通过监听这个端口，来响应各业务请求。一个是控制端口，服务通过监听这个端口，来响应命令类的请求，比如更新共享数据，更新业务等。

当服务端接收到查询请求之后，开始处理。图 4展示了查询服务的处理流程。

第一步：服务端接受到请求。请求使用的是woo协议，这是我们内部研发的一个协议，见“3.1 woo协议”。

第二步：服务的某一个空闲线程，对接受到的请求进行处理。线程使用work_company对象的work_core函数，解析出请求中的参数。

第三步：根据上个步骤提取的参数，使用work_interface_factory对象，获取业务处理类，然后调用业务处理类的work_core函数进行处理。

第四步：在业务处理类中，通过db_interface获取远程数据，通过global_db_interface获取本地数据，通过algorithm_core函数执行算法。

第五步：将执行完的结果，拼装成接口指定格式(一般使用json)返回。

类似地，当服务端接收到控制请求后，开始处理。

图 5以更新全局数据为例，展示了控制服务的处理流程。

第一步：服务端接受woo协议的请求。

第二步：服务端解析请求，以确定该如何响应。这里响应的是更新全局数据的命令。

第三步：服务端会新建一个global_db_company，并将新的数据加载入内存。

第四步：对于每个线程，使用新的global_db_company去初始化。

第五步：当所有线程都更新完毕后，交换新旧指针。

第六步，睡眠一段时间，以确保旧的资源无人使用。然后释放旧指针指向的内存。

3 框架类设计

这一节将详细讲述lab_common_so框架的类设计。框架的UML类图，如图 6所示。

对于每个线程，包含一个WorkCompany类对象的指针和一个DbCompany类对象的指针，前者用于管理业务资源，后者用于管理数据资源。

因此，我们将可以简单的将所有的类分为两种类别：一种是业务类，包括“2.1 框架整体构成”中的业务部分和算法部分;一种是数据类，包括“2.1 框架整体构成”中的全局数据部分和远程数据部分。

接下来，将对业务和算法这两个类别，分述各类的设计。

业务类主要包含四个类，分别是WorkCompany，WorkInterfaceFactory，WorkInterface和AlgorithmInterface。分述如下：

3.1.1 WorkCompany

WorkCompany类中包含了WorkIntefaceFactory类对象的指针和work_core函数。这个类是业务类的最高层。

当服务的某个线程接受到请求以后，首先调用WorkCompany类的work_core函数，对传入的请求参数进行解析，然后调用WorkCompany类的WorkIntefaceFactory类对象的指针，获取指定的WorkInteface类对象进行业务处理。

3.1.2 WorkInterfaceFactory

顾名思义，这是一个工厂类，用于对多个WorkInterface进行管理。

该类包含的map，记录了业务名称与业务处理类的对应关系，这样，我们就可以通过传入参数中的指定字段，调用get_interface函数，获取对应的业务处理类了。

业务名称与业务处理类的对应关系，是通过配置文件work_config.ini指定的。当需要新增业务时，我们无需更新框架代码，而是更新配置文件的即可。

3.1.3 WorkInterface

这是每个业务处理类的抽象基类。所有的业务处理类，都需要继承该类，并实现该类的work_core函数。work_core函数是所有业务处理类的入口函数。

此外，在WorkInterface中，还维护了一个VEC_PAIR_MAP_ALG结构，记录了每个算法处理类与算法名称的对应关系，这一对应关系，也是通过配置文件指定的。在业务处理类中，可以根据这一对应关系，调用指定的算法处理函数。

3.1.4 AlgorithmInterface

这是每个算法处理类的抽象基类。所有的算法处理类，都需要继承该类，并实现该类的algorithm_core函数。其设计和WorkInterface相似。

3.2 数据类设计

在lab_common_so中，db_company管理了两类数据分。一类是静态全局数据，这类数据被加载在共享内存中，所有的线程共享，其相关类包括GlobalDbCompany，GlobalDbInterfaceFactory和GlobalDbInterface。另一类是远程数据，支持多种数据库，比如redis，memcache等，其相关类包括DbInterfaceFactory和DbInterface。

3.2.1 db_company

每个db_company的对象，包含了一个global_db_company，同时还记录了db_interface映射关系。

其中global_db_company管理了全局数据资源，db_interface映射关系记录了db_id以及db_name和db_interface的对应关系，在访问数据时，根据配置文件中的DB_ID字段或者DB_NAME字段，就可以获取对应的db_interface类对象的指针。

3.2.2 GlobalDbCompany

该类包含了一个map，记录了全局数据库名称和全局数据库的对应关系，这个对应关系，同样是通过配置文件指定的。load_config函数的作用即是读取配置文件，生成对应关系。给定指定的数据库名称，就可通过get_global_db_interface获取全局数据库对象。

update_global_db_interface函数则是用于响应全局数据更新命令。

3.2.3 GlobalDbInterfaceFactory

该类只包含了一个函数，get_global_db_interface函数。这个函数和GlobalDbCompany中的同名函数的不同之处在于，该函数是根据指定的数据库类型，构建全局数据库对象。因此，该函数仅在GlobalDbCompany中的load_config函数中被调用。

3.2.4 GlobalDbInterface

该类是每个全局数据类的抽象基类。在此基础上，可以派生出多种数据类型。

is_exist函数用于确定指定数据是否在数据库中，load_db_config函数用于将读取静态数据，载入到内存中。

3.2.5 DbInterfaceFactory

该类的设计和GlobalDbInterfaceFactory一样。

3.2.6 DbInterface

该类是远程数据的抽象基类。在此基础上，可以派生出多种数据存储格式。

很多远程数据库如redis、memcache等，都支持批量获取多个key的value值，因此我们将mget函数设计成为纯虚函数，必须实现。

3.3 总结

可以看到，无论是业务类还是算法类，无论是全局数据类还是远程数据类，我们的设计思路都是一致，都采用了工厂模式。

我们通过继承的方式提供了统一的接口，这样在使用之时，对数据的访问是透明化的。

我们通过工厂模式，隐藏了类的创建细节，从而使得程序具有更高的扩展性。

4 框架基础

本节将描述在lab_common_so框架中的一些基础的定义。

4.1 woo协议

woo是一个轻型通讯框架，其通讯协议及日志系统比较完善。

woo的服务端由C/C++语言编写，客户端则提供了基于C/C++，PHP以及Python等多种语言版本。

woo协议采用了基于epoll的I/O通信模型，具有较好的I/O处理能力。还提供了对多线程的支持。

由于协议结构简单，通信轻量化，在微博推荐内部，使用的较为广泛。

4.2 GlobalDb类型

该类型用于支持全局静态数据的载入及获取。数据多以文件形式挂在本地磁盘，在框架启动时加载入内存，全局唯一，所有线程共享。

GlobalDbInterface是所有全局静态数据读取类的基类，提供了一个is_exist通用函数接口用于查询指定key是否在数据库中。该类的某些派生类还提供了get_value和mget_value等特定函数接口。

目前支持如下类型：

__gnu_cxx::hash_set

__gnu_cxx::hash_map<uint64_t, uint32_t=””>

MapDb(自研)

4.3 Db类型

该类型用于支持远程数据的获取。

DbInterface是所有远程数据读取类的基类，目前派生出了四种类型：

1. redis：提供对远程redis数据库的访问
2. woo：提供对基于woo协议服务的访问
3. openAPI：提供对http服务的访问
4. MC：提供对远程memcache数据库的访问

目前提供了四个通用函数接口：

1. get(uint64_t n_key)：根据整型key访问数据库
2. s_get(char* p_str_key)：根据字符串key访问数据库
3. mget(uint64_t n_keys[])：根据多个整型key访问数据库
4. s_mget(char* p_str_keys[])：根据多个字符串key访问数据库

此外，还提供了一个get_multi_db函数，可对多种数据请求，并行访问不同数据库。

4.4 Work类型

该类型是业务类，提供给用户进行二次开发。

框架对业务执行了so化，使得业务可以快速上线迭代，并能让服务支持多个业务。

我们定义了统一的接口格式，在基类work_interface中提供了统一的接口函数work_core。

对于输入的请求串，必须是json格式的，例如{“api”:”example”, “cmd”:”query”, “body”:”welcome!”}。其中api是必需的，以此来获取指定的业务，并将请求中的其它参数传递给业务。对于输出格式，没有进行限制。

4.5 Algorithm类型

该类型是算法类，提供给用户进行二次开发。

框架对算法执行了so化，使得算法库可以迅速上线，并能让多个业务使用多个算法库。

我们定义了统一的接口格式，在基类algorithm_interface中提供了统一的接口函数algorithm_core。

4.6 服务类型

框架可编译成两个可执行文件，分别为lab_common_main和lab_common_svr。

lab_common_main程序是离线处理程序，执行完请求之后会退出。

lab_common_svr程序是在线服务程序，持续监听端口，接收请求并处理。

目前在线程序提供两种服务，一种是查询服务，一种是控制服务。

5 lab_common_so框架的演进

早期的计算层框架，名为lab_common，是一个具有实验性质的通用框架，它是lab_common_so框架的雏形。我们首先使用这个框架开发了几个业务，性能超出预期。

在lab_common框架的使用过程中，我们发现这个框架有一个很大的缺点：业务逻辑的每一次变动，都需要重新编译代码，生成新的服务程序。发布到线上则需要重启服务，期间所有的业务都会暂停。也就是说，lab_common框架并没有将业务做到热插拔，实际还是损失了CRF的特性。尽管计算层的业务趋于稳定，但是每一次改动都会导致服务中断，这是不可接受的。

于是，我们对框架进行了升级。我们将每一个业务代码，都编译成so文件，框架通过读取配置文件，打开指定业务的so文件。当我们修改一个业务，或者新增一个业务时，只需要单独编译业务代码，将生成的新的so文件，发送到线上，然后发送更新配置文件的命令，即可实现动态加载。在整个更新过程中，服务无需终止，其它业务不受影响，可以继续对外提供服务。这样，我们就成功的使框架具备了热插拔的特性。因为我们将业务so化了，所以，我们将框架的名称修改为lab_common_so。

之后，lab_common_so框架由于其易用性与稳定性，开始在团队内部被广泛使用。随着越来越多的业务使用该框架开发，我们逐渐发现了一些功能及细节上的问题。对此，我们一一做了扩充支持与修复，比如支持多线程获取数据，支持多个算法调用，支持多种格式的数据获取等等。

如今，已有十多个使用lab_common_so框架开发的业务，在线上稳定运行，每天流量数以亿计。

从最早的lab_common框架诞生，到当前lab_common_so框架在线上稳定运行，已经过去了一年半的时间。微博推荐团队的各个成员，都参与到了这个框架的设计与演进中。因此，当前的lab_common_so框架，是大家群策群力的结果。

当然，框架本身还有不足，比如：

(1)db_interface类可以写的更抽象一些;

(2)HTTP访问目前仅支持GET方式;

(3)db_interface类也可以像work_interface类一样so化

(4)多线程获取数据有一定的局限性

这些都是以后框架演进过程中需要解决的问题。

6 总结

本篇文章简单地介绍了lab_common_so框架，主要从框架的起源，发展，设计方面进行描述，力图让读者对本框架整体有一个初步的了解。

lab_common_so框架已经开源，具体的实现细节，可以从https://github.com/wbrecom/lab_common_so上获取。开源项目中也包含了一份较为详细的框架的使用说明文档。

End.

转载请注明来自36大数据（36dsj.com)：36大数据 » 微博推荐计算层解决方案：lab_common_so框架