腾讯开源C++后台框架——Flare

xiaowangzhixiao
2,204 阅读3分钟

这是我参与8月更文挑战的第12天，活动详情查看：8月更文挑战

腾讯广告 是腾讯公司最重要的业务之一，其后台大量采用 C++ 开发。

Flare 是腾讯广告吸收先前服务框架和业界开源项目及最新研究成果开发的现代化的后台服务开发框架，旨在提供针对目前主流软硬件环境下的易用、高性能、平稳的服务开发能力。

Flare 项目开始于 2019 年，目前广泛应用于腾讯广告的众多后台服务，拥有数以万计的运行实例，在实际生产系统上经受了足够的考验。

2021 年 5 月，flare框架正式对外开源，地址为github.com/Tencent/fla…。

特点

  • 现代 C++ 设计风格，广泛采用了 C++11/14/17/2a 的新的语法特性和标准库
  • 提供了 M:N 的线程模型的微线程实现Fiber，方便业务开发人员以便利的同步调用语法编写高性能的异步调用代码
  • 支持基于消息的流式 RPC支持
  • 除了 RPC 外，还提供了一系列便利的基础库，比如字符串、时间日期、编码处理、压缩、加密解密、配置、HTTP 客户端等，方便快速上手开发业务代码
  • 提供了灵活的扩充机制。方便支持多种协议、服务发现、负载均衡、监控告警、调用追踪等
  • 针对现代体系结构做了大量的优化。比如 NUMA 感知的调度组和对象池、零拷贝缓冲区等
  • 高质量的代码。严格遵守 Google C++ 代码规范，测试覆盖率达 80%
  • 完善的文档和示例以及调试支持，方便快速上手

开始使用

Flare 是开箱即用的，已经自带了所需的第三方库，因此通常不需要额外安装依赖库。只需要在 Linux 下，拉取代码，即可使用。

thirdparty/下面的压缩包通过Git LFS存储，因此在拉取代码之前您需要确保git-lfs已经正确的安装了。

构建

使用[blade](<https://github.com/chen3feng/blade-build>)进行日常开发。

  • 编译：./blade build ...，
  • 测试：./blade test ...。

之后就可以参考入门导引中的介绍，搭建一个简单的RPC服务了。

测试

为了改善编写单测的体验，flare提供了一些用于编写单测的工具。

这包括但不限于：

示例

flare提供了一些使用示例以供参考，下面是一个简单的转发服务（同时包含RPC客户端及服务端的使用）。

#include "gflags/gflags.h"

#include "flare/example/rpc/echo_service.flare.pb.h"
#include "flare/example/rpc/relay_service.flare.pb.h"
#include "flare/fiber/this_fiber.h"
#include "flare/init.h"
#include "flare/rpc/rpc_channel.h"
#include "flare/rpc/rpc_client_controller.h"
#include "flare/rpc/rpc_server_controller.h"
#include "flare/rpc/server.h"

using namespace std::literals;

DEFINE_string(ip, "127.0.0.1", "IP address to listen on.");
DEFINE_int32(port, 5569, "Port to listen on.");
DEFINE_string(forward_to, "flare://127.0.0.1:5567",
              "Target IP to forward requests to.");

namespace example {

class RelayServiceImpl : public SyncRelayService {
 public:
  void Relay(const RelayRequest& request, RelayResponse* response,
             flare::RpcServerController* ctlr) override {
    flare::RpcClientController our_ctlr;
    EchoRequest echo_req;
    echo_req.set_body(request.body());
    if (auto result = stub_.Echo(echo_req, &our_ctlr)) {
      response->set_body(result->body());
    } else {
      ctlr->SetFailed(result.error().code(), result.error().message());
    }
  }

 private:
  EchoService_SyncStub stub_{FLAGS_forward_to};
};

int Entry(int argc, char** argv) {
  flare::Server server{flare::Server::Options{.service_name = "relay_server"}};

  server.AddProtocol("flare");
  server.AddService(std::make_unique<RelayServiceImpl>());
  server.ListenOn(flare::EndpointFromIpv4(FLAGS_ip, FLAGS_port));
  FLARE_CHECK(server.Start());

  flare::WaitForQuitSignal();
  return 0;
}

}  // namespace example

int main(int argc, char** argv) {
  return flare::Start(argc, argv, example::Entry);
}

Flare内部基于M:N的用户态线程实现，因此通过Flare同步的请求外界服务、使用Flare内置的各种客户端的同步接口均不会导致性能问题。如果有更复杂的并发或异步等需求可以参考我们的文档。

另外，示例中*.flare.pb.h通过我们的Protocol Buffers插件生成。这样生成的接口相对于Protocol Buffers生成的cc_generic_services而言，更易使用。

avatar
文章
阅读
粉丝