Netty源码分析系列文章已接近尾声，本文再来分析Netty中两个常见组件：FastThreadLoca与HashedWheelTimer。
源码分析基于Netty 4.1.52
FastThreadLocal
FastThreadLocal比较简单。
FastThreadLocal和FastThreadLocalThread是配套使用的。
FastThreadLocalThread继承了Thread，FastThreadLocalThread#threadLocalMap 是一个InternalThreadLocalMap，该InternalThreadLocalMap对象只能用于当前线程。
InternalThreadLocalMap#indexedVariables是一个数组，存放了当前线程所有FastThreadLocal对应的值。
而每个FastThreadLocal都有一个index，用于定位InternalThreadLocalMap#indexedVariables。
FastThreadLocal#get
public final V get() {
// #1
InternalThreadLocalMap threadLocalMap = InternalThreadLocalMap.get();
// #2
Object v = threadLocalMap.indexedVariable(index);
if (v != InternalThreadLocalMap.UNSET) {
return (V) v;
}
// #3
return initialize(threadLocalMap);
}
#1 获取该线程的InternalThreadLocalMap
如果是FastThreadLocalThread，直接获取FastThreadLocalThread#threadLocalMap。
否则，从UnpaddedInternalThreadLocalMap.slowThreadLocalMap获取该线程InternalThreadLocalMap。
注意，UnpaddedInternalThreadLocalMap.slowThreadLocalMap是一个ThreadLocal，这里实际回退到使用ThreadLocal了。
#2 每个FastThreadLocal都有一个index。
通过该index，获取InternalThreadLocalMap#indexedVariables中存放的值
#3 找不到值，通过initialize方法构建新对象。
可以看到，FastThreadLocal中连hash算法都不用，通过下标获取对应的值，复杂度为log(1)，自然很快啦。
HashedWheelTimer
HashedWheelTimer是Netty提供的时间轮调度器。
时间轮是一种充分利用线程资源进行批量化任务调度的调度模型，能够高效的管理各种延时任务。
简单说，就是将延时任务存放到一个环形队列中，并通过执行线程定时执行该队列的任务。
例如，
环形队列上有60个格子，
执行线程每秒移动一个格子，则环形队列每轮可存放1分钟内的任务。
现在有两个定时任务
task1，32秒后执行
task2，2分25秒后执行
而执行线程当前位于第6格子
则task1放到32+6=38格，轮数为0
task2放到25+6=31个，轮数为2
执行线程将执行当前格子轮数为0的任务，并将其他任务轮数减1。
缺点，时间轮调度器的时间精度不高。
因为时间轮算法的精度取决于执行线程移动速度。
例如上面例子中执行线程每秒移动一个格子，则调度精度小于一秒的任务就无法准时调用。
HashedWheelTimer关键字段
// 任务执行器，负责执行任务
Worker worker = new Worker();
// 任务执行线程
Thread workerThread;
// HashedWheelTimer状态， 0 - init, 1 - started, 2 - shut down
int workerState;
// 时间轮队列，使用数组实现
HashedWheelBucket[] wheel;
// 暂存新增的任务
Queue<HashedWheelTimeout> timeouts = PlatformDependent.newMpscQueue();
// 已取消任务
Queue<HashedWheelTimeout> cancelledTimeouts = PlatformDependent.newMpscQueue();
添加延迟任务 HashedWheelTimer#newTimeout
public Timeout newTimeout(TimerTask task, long delay, TimeUnit unit) {
...
// #1
start();
// #2
long deadline = System.nanoTime() + unit.toNanos(delay) - startTime;
...
HashedWheelTimeout timeout = new HashedWheelTimeout(this, task, deadline);
timeouts.add(timeout);
return timeout;
}
#1 如果HashedWheelTimer未启动，则启动该HashedWheelTimer
HashedWheelTimer#start方法负责是启动workerThread线程
#2 startTime是HashedWheelTimer启动时间
deadline是相对HashedWheelTimer启动的延迟时间
构建HashedWheelTimeout，添加到HashedWheelTimer#timeouts
时间轮运行 Worker#run
public void run() {
...
// #1
startTimeInitialized.countDown();
do {
// #2
final long deadline = waitForNextTick();
if (deadline > 0) {
// #3
int idx = (int) (tick & mask);
processCancelledTasks();
HashedWheelBucket bucket = wheel[idx];
// #4
transferTimeoutsToBuckets();
// #5
bucket.expireTimeouts(deadline);
// #6
tick++;
}
} while (WORKER_STATE_UPDATER.get(HashedWheelTimer.this) == WORKER_STATE_STARTED);
// #7
...
}
#1 HashedWheelTimer#start方法阻塞HashedWheelTimer线程直到Worker启动完成，这里解除HashedWheelTimer线程阻塞。
#2 计算下一格子开始执行的时间，然后sleep到下次格子开始执行时间
#2 tick是从HashedWheelTimer启动后移动的总格子数，这里获取tick对应的格子索引。
由于Long类型足够大，这里并不考虑溢出问题。
#4 将HashedWheelTimer#timeouts的任务迁移到对应的格子中
#5 处理已到期任务
#6 移动到下一个格子
#7 这里是HashedWheelTimer#stop后的逻辑处理，取消任务，停止时间轮
迁移任务 Worker#transferTimeoutsToBuckets
private void transferTimeoutsToBuckets() {
// #1
for (int i = 0; i < 100000; i++) {
HashedWheelTimeout timeout = timeouts.poll();
if (timeout == null) {
// all processed
break;
}
if (timeout.state() == HashedWheelTimeout.ST_CANCELLED) {
continue;
}
// #2
long calculated = timeout.deadline / tickDuration;
// #3
timeout.remainingRounds = (calculated - tick) / wheel.length;
// #4
final long ticks = Math.max(calculated, tick); // Ensure we don't schedule for past.
// #5
int stopIndex = (int) (ticks & mask);
HashedWheelBucket bucket = wheel[stopIndex];
bucket.addTimeout(timeout);
}
}
#1 注意，每次只迁移100000个任务，以免阻塞线程
#2 任务延迟时间/每格时间数， 得到该任务需延迟的总格子移动数
#3 (总格子移动数 - 已移动格子数)/每轮格子数，得到轮数
#4 如果任务在timeouts队列放得太久导致已经过了执行时间，则使用当前tick， 也就是放到当前bucket，以便尽快执行该任务
#5 计算tick对应格子索引，放到对应的格子位置
执行到期任务 HashedWheelBucket#expireTimeouts
public void expireTimeouts(long deadline) {
HashedWheelTimeout timeout = head;
while (timeout != null) {
HashedWheelTimeout next = timeout.next;
// #1
if (timeout.remainingRounds <= 0) {
// #2
next = remove(timeout);
if (timeout.deadline <= deadline) {
// #3
timeout.expire();
} else {
throw new IllegalStateException(String.format(
"timeout.deadline (%d) > deadline (%d)", timeout.deadline, deadline));
}
} else if (timeout.isCancelled()) {
next = remove(timeout);
} else {
// #4
timeout.remainingRounds --;
}
timeout = next;
}
}
#1 选择轮数小于等于0的任务
#2 移除任务
#3 修改状态为过期，并执行任务
#4 其他任务轮数减1
ScheduledExecutorService使用堆(DelayedWorkQueue)维护任务，新增任务复杂度为O(logN)。
而 HashedWheelTimer 新增任务复杂度为O(1)，所以在任务非常多时， HashedWheelTimer 可以表现出它的优势。
但是任务较少甚至没有任务时，HashedWheelTimer的执行线程都需要不断移动，也会造成性能消耗。
注意，HashedWheelTimer使用同一个线程调用和执行任务，如果某些任务执行时间过久，则影响后续定时任务执行。当然，我们也可以考虑在任务中另起线程执行逻辑。
另外，如果任务过多，也会导致任务长期滞留在HashedWheelTimer#timeouts中而不能及时执行。
如果您觉得本文不错，欢迎关注我的微信公众号，系列文章持续更新中。您的关注是我坚持的动力！
