新興的編程語(yǔ)言中，Rust以高性能、內(nèi)存安全為賣點(diǎn)在編程世界里廣受好評(píng)。除了比較繁瑣的語(yǔ)法，難于理解的變量所有權(quán)和生命周期，入門門檻比較高以外基本上沒有其他的缺點(diǎn)了?，F(xiàn)在處于編程語(yǔ)言百家爭(zhēng)鳴的時(shí)代，如何選擇合適的語(yǔ)言以及在合理時(shí)間解決問題成了一門學(xué)問。本文我們介紹一個(gè)案例為了解決瓶頸將將服務(wù)從Node.js遷移到Rust從而解決實(shí)際問題節(jié)省生產(chǎn)成本。過程中深入探討了導(dǎo)致需要更改語(yǔ)言的一些細(xì)節(jié)，以及該過程中如何決策的，希望能給予大家一些啟發(fā)。

概述

案例涉及的是一個(gè)企業(yè)的業(yè)務(wù)監(jiān)控系統(tǒng)，該系統(tǒng)用來以幫助開發(fā)人員監(jiān)控業(yè)務(wù)API。當(dāng)客戶的應(yīng)用程序調(diào)用API時(shí)，會(huì)向系統(tǒng)發(fā)送日志，系統(tǒng)對(duì)發(fā)送的日志中進(jìn)行監(jiān)控和分析。

系統(tǒng)數(shù)據(jù)流為平均每分鐘處理30k 的API調(diào)用。每個(gè)客戶都會(huì)進(jìn)行很多個(gè)API的調(diào)用。系統(tǒng)的處理分為兩個(gè)關(guān)鍵部分：日志提取和日志處理。

起初的系統(tǒng)中是通過Node.js構(gòu)建提取服務(wù)。Node.js接收日志，與elixir服務(wù)進(jìn)行通信檢查用戶的訪問權(quán)限，用Redis檢查速率限制，然后將日志發(fā)送到CloudWatch。CloudWatch部署了觸發(fā)器，觸發(fā)事件通知數(shù)據(jù)處理程序處理。

系統(tǒng)提取有關(guān)API調(diào)用的信息，包括從用戶應(yīng)用程序發(fā)送的每個(gè)調(diào)用的有效負(fù)載(請(qǐng)求和響應(yīng))。這些文件的大小被限制為1MB，但是仍然涉及大量的數(shù)據(jù)需要處理。處理程序以異步的形式發(fā)送和處理所有內(nèi)容，目標(biāo)是使信息盡快提供給最終用戶。

所有內(nèi)容都托管在亞馬遜云AWS Fargate上，并對(duì)其設(shè)置為在4000 req/min閾值觸發(fā)自動(dòng)縮放。

整個(gè)流程都運(yùn)行的很好，但是費(fèi)用卻非常昂貴。由于AWS是按照CloudWatch存儲(chǔ)的使用來收費(fèi)的，存儲(chǔ)的越多，需要支付的費(fèi)用就越多。

為了解決費(fèi)用的問題，于是就有一個(gè)救援計(jì)劃。

Kinesis救援和災(zāi)難

為了解決昂貴的CloudWatch存儲(chǔ)費(fèi)用問題，在將日志傳送到CloudWatch之前，使用了Kinesis Firehose前置處理。Kinesis Firehose可能熟悉少，但是知道kafka的人可能多，那么Kinesis Firehose就是AWS云中的Kafka。使用Kinesis Firehose前置處理，可以用可靠的方式將數(shù)據(jù)流傳遞到多個(gè)目的地。只需對(duì)日志處理程序進(jìn)行很少的更新，就可以從CloudWatch和Kinesis Firehose提取日志。通過該架構(gòu)的更改，可以將日成本下降到之前的千分之六。

新架構(gòu)中系統(tǒng)將日志數(shù)據(jù)通過Kinesis傳遞到s3中，從而觸發(fā)日志處理程序。新架構(gòu)運(yùn)行后，一切都o(jì)k。但是過幾天出現(xiàn)了異常。。。監(jiān)控儀表板上的一些異常情況。系統(tǒng)在收集垃圾，很多垃圾!

垃圾回收(GC)是某些編程語(yǔ)言自動(dòng)釋放不再使用內(nèi)存的一種方式。發(fā)生這種情況時(shí)，程序?qū)?huì)暫停。這稱為GC暫停。對(duì)內(nèi)存進(jìn)行的寫操作越多，需要進(jìn)行的垃圾回收就越多，因此暫停時(shí)間會(huì)增加。對(duì)于系統(tǒng)服務(wù)，這些暫停的速度越來越快，足以導(dǎo)致服務(wù)器重新啟動(dòng)并給CPU造成壓力。發(fā)生這種情況時(shí)，它看起來就像是服務(wù)器已關(guān)閉(因?yàn)樗鼤簳r(shí)處于關(guān)閉狀態(tài))，并且在客戶端會(huì)有大量的5xx錯(cuò)誤，而代理所嘗試提取的日志中大約有6%出現(xiàn)了這個(gè)錯(cuò)誤。

下面圖顯示了垃圾回收的暫停時(shí)間和暫停頻率：

在某些情況下，暫停時(shí)間超過了4秒(如左圖所示)，并且每分鐘最多有400次暫停(如右圖所示)。

經(jīng)過更多研究分析后，似乎成為AWS Javascript SDK中內(nèi)存泄漏的導(dǎo)致的該問題的發(fā)生。嘗試將資源分配增加到極限，例如減小縮放閾值到1000 req/min自動(dòng)縮放，但是沒有問題仍沒有解決。

可能的解決方案

由于不能能使用上面的kninesis方案，因此需要新的解決方案來解決問題?？蛇x的方案有以下幾種。

Elixir

如前的架構(gòu)介紹，系統(tǒng)使用Elixir服務(wù)檢查客戶訪問權(quán)限。該服務(wù)是私有的，只能從虛擬私有云(VPC)中訪問。由于從未遇到過該服務(wù)的任何可擴(kuò)展性問題，并且大多數(shù)邏輯已經(jīng)存在。所以可選擇簡(jiǎn)單地從該服務(wù)中將日志發(fā)送到Kinesis，而跳過Node.js服務(wù)層。這是一個(gè)值得嘗試的方案。

做了一番改進(jìn)后，系統(tǒng)進(jìn)行了測(cè)試。效果會(huì)好一點(diǎn)，但仍然不是很佳。系統(tǒng)的基準(zhǔn)測(cè)試表明，GC垃圾收集的水平仍然很高，并且在使用日志時(shí)仍會(huì)有5xx的日志返回給用戶。

Golang

系統(tǒng)也考慮到Golang。這是一個(gè)很好的選擇方案，但是，畢竟Golang也是一種垃圾收集語(yǔ)言。雖然可能可以實(shí)現(xiàn)比上述更高效，但隨著規(guī)模的擴(kuò)展，很可能還會(huì)遇到類似的問題?？紤]到這些限制，系統(tǒng)需要一個(gè)更好的選擇。

以Rust為核心進(jìn)行重新架構(gòu)

在系統(tǒng)最初的實(shí)現(xiàn)和備份中，核心問題都是相同的：垃圾回收。解決方案是使用一種具有內(nèi)存管理更好的并且沒有垃圾回收的語(yǔ)言。那么可選擇的語(yǔ)言就到了Rust。

Rust

Rust不是垃圾收集的語(yǔ)言。Rust依賴于稱為變量生命周期和所有權(quán)的概念。所有權(quán)是Rust的最獨(dú)特功能，它使Rust無需垃圾收集器即可保證內(nèi)存安全。

所有權(quán)是一個(gè)經(jīng)常使Rust難以學(xué)習(xí)和編寫的概念，但又使它非常適合像這個(gè)項(xiàng)目遇到的情況。Rust中的每個(gè)值都有一個(gè)所有者變量，因此在內(nèi)存中有一個(gè)分配點(diǎn)。一旦該變量超出范圍，內(nèi)存將會(huì)立即釋放。

由于提取日志所需的代碼很小，應(yīng)該非常值得嘗試。為了對(duì)此進(jìn)行測(cè)試，通過問題的瓶頸：向Kinesis發(fā)送大量數(shù)據(jù)。第一個(gè)基準(zhǔn)測(cè)試非常成功。

所以Rust最終成了救世主，最后決定將原型充實(shí)并在生產(chǎn)系統(tǒng)的部署。

在這些實(shí)驗(yàn)過程中，并沒有直接使用Rust直接替換原始的Node.js服務(wù)，而是重構(gòu)了日志提取的大部分架構(gòu)。新服務(wù)的核心是通過Envoy代理，在其中Rust應(yīng)用程序作為輔助工具。

新架構(gòu)流程

當(dāng)用戶應(yīng)用程序中Agent將日志數(shù)據(jù)發(fā)送到系統(tǒng)時(shí)，它將首先進(jìn)入Envoy代理。Envoy查看請(qǐng)求并與Redis通信以檢查速率限制，授權(quán)詳細(xì)信息和使用配額之類的內(nèi)容。接下來，與Envoy一起運(yùn)行的Rust應(yīng)用程序準(zhǔn)備日志數(shù)據(jù)，并將其通過Kinesis傳遞到s3存儲(chǔ)桶中進(jìn)行存儲(chǔ)。然后，S3觸發(fā)​​日志處理程序處理，Elastic Search開始對(duì)其進(jìn)行索引。這樣，最終用戶就可以訪問儀表板中的數(shù)據(jù)。

性能和資源對(duì)比

新架構(gòu)中使用了更少(更小)的服務(wù)器，但是可以處理更多數(shù)據(jù)，而不會(huì)出現(xiàn)任何之前的gc 5xx問題。

對(duì)比新舊架構(gòu)的服務(wù)延遲。在舊的Node.js架構(gòu)下服務(wù)的延遲數(shù)如下圖，可以看到平均響應(yīng)時(shí)間接近1700ms的峰值：

通過Rust服務(wù)的實(shí)施，新架構(gòu)中，即使在最高峰期間，延遲也降至90ms以下，平均響應(yīng)時(shí)間保持在40ms以下。

舊架構(gòu)下Node.js應(yīng)用程序在任何給定時(shí)間都會(huì)使用約1.5GB的內(nèi)存，CPU的負(fù)載約為150%。

新架構(gòu)下Rust服務(wù)使用了大約100MB的內(nèi)存，而僅占用了2.5%的CPU負(fù)載。

結(jié)論

大多數(shù)初創(chuàng)公司都一樣，會(huì)遭遇業(yè)務(wù)迸發(fā)的階段。這時(shí)候當(dāng)初最好的解決方案并非永遠(yuǎn)都不再是最好的解決方案了。

該案例中的Node.js的架構(gòu)就是這種情況。它使企業(yè)能夠前進(jìn)，但是隨著業(yè)務(wù)的飛速成長(zhǎng)，最終業(yè)務(wù)超過了它。這時(shí)簡(jiǎn)單的資源縮放會(huì)帶來昂貴的不可接受的成本。這時(shí)候就需要優(yōu)化基礎(chǔ)架構(gòu)，以滿足新的需求。本案例中，雖然僅用Rust替換Node.js就完成了架構(gòu)的升級(jí)和優(yōu)化，并完美解決了業(yè)務(wù)瓶頸。