《静儿的服务治理私房菜》网络模型的分类和职业规划思考

简介: 《静儿的服务治理私房菜》网络模型的分类和职业规划思考

1.3 网络编程模型与服务治理


  服务治理和服务划分密不可分。服务之间既然进行了划分,那么服务之间就要进行通信。当今服务整个链路中最耗时的不是链路节点本身,而是节点间的通信。理解网络编程模型可以更好的进行服务治理。


  网络编程模型的选择与服务治理关心的性能指标,各种参数的配置,维护的上下游之间是怎样的关系都密切相关。


  1.3.1 网络模型的分类


  偶尔自己炖个汤,一条活鱼分成几个部分,头部用来炖汤。将鸡切块配上豆腐,冬瓜等时蔬入锅葱姜一起先炒后加水炖,只放水豆豉,不放其他调料。将鱼头放入笊篱中,入锅一起炖,千滚豆腐万滚鱼,炖到鱼头烂入锅中,将笊篱中剩下的鱼骨拿出即可。


  世界上最遥远的距离是鱼与飞鸟的距离,一个翱翔天际,一个却深潜海底。我却偏偏想让它们在一起。


  大家可能直觉的认为服务治理是一个更为宏观的概念,与网络模型的概念,和鱼和飞鸟一样风马牛不相及。其实服务治理很大方面是要处理服务与服务的衔接和通信。了解网络编程模型对服务治理有重大意义。


  在Java支持异步I/O之前的很长一段时间里,高性能服务端开发领域一直被C++和C长期占据。


  先来看看UNIX网络编程对I/O模型的分类,UNIX提供了5种I/O模型。


  1. 阻塞I/O模型


  最常用的I/O模型就是阻塞I/O模型,缺省情形下,所有文件操作都是阻塞的。我们以套接字接口为例来讲解此模型:在进程空间中调用recvfrom,其系统调用直到数据包到达且被复制到应用进程的缓冲区中或者发生错误时才返回,在此期间一直会等待,进程在从调用recefrom开始到它返回的整段时间内都是被阻塞的,因此被称为阻塞I/O模型。


  2. 非阻塞I/O模型


  recvfrom从应用层到内核时,如果该缓冲区没有数据的话,就直接返回一个EWOULDBLOCK错误,一般都对非阻塞I/O模型进行轮询检查这个状态,看内核是不是有数据到来。


  3. I/O复用模型


  Linux提供select/poll,进程通过将一个或多个fd传递给select或poll系统调用,阻塞在select操作上,这样select/poll可以帮我们侦测多个fd是否处于就绪状态。select/poll是顺序扫描fd是否就绪,而且支持数量有限,因此它的使用受到了一些制约。Linux还提供了一个epoll系统调用,epoll使用基于事件驱动方式代替顺序扫描,因此性能更高。当有fd就绪时,立即回调函数rollback。


  4. 信号驱动I/O模型


  首先开启套接口信号驱动I/O功能,并通过系统调用sigaction执行一个信号处理函数(此系统调用立即返回,进程继续工作,它是非阻塞的)。当数据准备就绪时,就为该进程生成一个SIGIO信号,通过信号回调通知应用程序调用recvfrom来读取数据,并通知主循环函数处理数据。


  5. 异步I/O


  告知内核启动某个操作,并让内核在整个操作完成后(包括将数据从内核复制到用户自己的缓冲区)通知我们。这种模型与信号驱动模型的主要区别是:信号驱动I/O由内核通知我们何时可以开始一个I/O操作;异步I/O模型由内核通知我们I/O操作何时已经完成。


  再来整理一下这五种网络编程模型。


1112728-20170927212837778-649145531.png


根据不同的业务场景和技术发展水平,选择合适的网络编程模型。模型的不同,会涉及性能不同的网络闪断、客户端重复接入,客户端安全认证,消息编解码查看,半包读写等情况。生产环境中发生问题,往往会导致跨节点的服务调用中断,严重的可能会导致整个集群环境都不可用,这些都是服务治理要考虑的问题。


相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
食物识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
食物识别系统采用TensorFlow的ResNet50模型,训练了包含11类食物的数据集,生成高精度H5模型。系统整合Django框架,提供网页平台,用户可上传图片进行食物识别。效果图片展示成功识别各类食物。[查看演示视频、代码及安装指南](https://www.yuque.com/ziwu/yygu3z/yhd6a7vai4o9iuys?singleDoc#)。项目利用深度学习的卷积神经网络(CNN),其局部感受野和权重共享机制适于图像识别,广泛应用于医疗图像分析等领域。示例代码展示了一个使用TensorFlow训练的简单CNN模型,用于MNIST手写数字识别。
14 3
|
4天前
|
机器学习/深度学习 JSON PyTorch
图神经网络入门示例:使用PyTorch Geometric 进行节点分类
本文介绍了如何使用PyTorch处理同构图数据进行节点分类。首先,数据集来自Facebook Large Page-Page Network,包含22,470个页面,分为四类,具有不同大小的特征向量。为训练神经网络,需创建PyTorch Data对象,涉及读取CSV和JSON文件,处理不一致的特征向量大小并进行归一化。接着,加载边数据以构建图。通过`Data`对象创建同构图,之后数据被分为70%训练集和30%测试集。训练了两种模型:MLP和GCN。GCN在测试集上实现了80%的准确率,优于MLP的46%,展示了利用图信息的优势。
10 1
|
5天前
|
机器学习/深度学习 数据可视化 PyTorch
使用Python实现深度学习模型:生成对抗网络(GAN)
使用Python实现深度学习模型:生成对抗网络(GAN)
20 3
|
6天前
|
Linux 开发工具
【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)
【项目--Hi3559A】如何在Hi3559A上运行自己的yolov3模型(修改类别、网络结构)
9 0
|
6天前
|
机器学习/深度学习 自然语言处理 网络安全
【pkuseg】由于网络策略组织下载请求,因此直接在github中下载细分领域模型medicine
【pkuseg】由于网络策略组织下载请求,因此直接在github中下载细分领域模型medicine
7 1
|
6天前
|
机器学习/深度学习 并行计算 算法
MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断
MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断
|
6天前
|
机器学习/深度学习 数据可视化 算法
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
|
6天前
|
机器学习/深度学习 数据可视化 数据挖掘
R语言神经网络模型金融应用预测上证指数时间序列可视化
R语言神经网络模型金融应用预测上证指数时间序列可视化
|
6天前
|
机器学习/深度学习 数据可视化 算法
SPSS Modeler决策树和神经网络模型对淘宝店铺服装销量数据预测可视化|数据分享
SPSS Modeler决策树和神经网络模型对淘宝店铺服装销量数据预测可视化|数据分享
|
6天前
|
监控 网络协议 安全
计算机网络概述及 参考模型
计算机网络概述及 参考模型

热门文章

最新文章