Openfire集群源码分析
如果用户量增加后为了解决吞吐量问题，需要引入集群，在openfire中提供了集群的支持，另外也实现了两个集群插件：hazelcast和clustering。为了了解情况集群的工作原理，我就沿着openfire的源代码进行了分析，也是一次学习的过程。
首先理解集群的一些简单概念
集群的目的是让多个实例像一个实例一样运行，这样就可以通过增长实例来增长计算能力。也就是所谓的分布式计算问题，这其中最为关注的一个特性就是——CAP理论，也就是所谓的一致性、可用性、分区容错性。集群中最核心解决的问题就是CAP。
CAP综合理解就是我上面写的，多个实例像一个实例一样运行。
所以所谓集群就是把一些数据共享或者同步到不同的实例上，这样系统使用同样的算法，取的结果当然应该是相同啦。所以一些数据库的主从复制，缓存数据集群都是类似这种解决方法。只是代码实现质量和处理规模的问题。
有了这个基础我们再来看看openfire是怎么解决这个问题的。
openfire的集群设计
1、哪些需要进行集群间的同步
对于openfire而言，有这几方面的数据需要进行保证集群间的同步：数据库存的数据、缓存数据、session。貌似就这些吧？
数据库
因为对于openfire来说基本上是透明的，所以这块就交给数据库本身来实现。
缓存数据
缓存是存在内存里的，所以这部分是要同步的
session
session在openfire并不需要所有实例同步，但是需要做用户路由缓存，否则发消息时找不到对应的会话。由此用户路由还是要同步的。
2、缓存的设计
缓存接口
openfire里对缓存的数据容器提供了一个包装接口，这个接口提供了缓存数据的基本方法，用于统一数据操作。
publicinterfaceCacheextendsjava.util.Map
如果不开启集群时缓存的默认缓存容器类是：publicclassDefaultCache，实际上DefaultCache就是用一个Hashmap来存数据的。
缓存工厂类
为了保证缓存是可以扩展的，提供了一个工厂类：
publicclassCacheFactory
CacheFactory类中会管理所有的缓存容器，如下代码：
复制代码
/
Returnsthenamedcache,creatingitasnecessary.
@paramnamethenameofthecachetocreate.
@returnthenamedcache,creatingitasnecessary.
/
@SuppressWarnings("unchecked")
publicstaticsynchronizedTcreateCache(Stringname){
Tcache=(T)caches.get(name);
if(cache!=null){
returncache;
}
cache=(T)cacheFactoryStrategy.createCache(name);
log.info("Createdcache["+cacheFactoryStrategy.getClass().getName()+"]for"+name);
returnwrapCache(cache,name);
}
复制代码
上面代码中会通过缓存工厂策略对象来创建一个缓存容器，最后warpCache方法会将此容器放入到caches中。
缓存工厂类的策略
在CacheFactory中默认是使用一个DefaultLocalCacheStrategy来完成缓存创建的。另外还提供了在集群条件下的缓存策略接入。也就是通过实例化不同的策略来切换缓存管理方案。比如后面要提到的hazelcast就是通过这个来替换了本地缓存策略的。从接口的设计上来看，openfire的缓存策略也就是为了集群与非集群的实现。
3、集群的设计
在openfire中的集群主要包括：集群管理、数据同步管理、集群计算任务。
集群管理者
在openfire中主要是一个类来实现：ClusterManager，在ClusterManager中实现了集群实例的加入、退出管理，因为没有使用主从结构，所以ClusterManager实现了一个无中心管理，不知道我理解的对不对。因为只要当前实实例启用了集群，ClusterManager就会主动的加载集群管理并与其他的集群进行同步。
startup
startup是启动集群的方法，代码：
publicstaticsynchronizedvoidstartup(){
if(isClusteringEnabled()&&!isClusteringStarted()){
initEventDispatcher();
CacheFactory.startClustering();
}
}
首先要判断是否开启了集群并且当前集群实例未运行时才去启动。
先是初始化了事件分发器，用于处理集群的同步事情。
然后就是调用CacheFactory的startClustering来运行集群。在startClustering方法中主要是这几个事情：
会使用集群的缓存工厂策略来启动，同时使自己加入到集群中。
开启一个线程用于同步缓存的状态
在前面startup中的initEventDispatcher方法，在这里会注册一个分发线程监听到集群事件，收到事件后会执行joinedCluster或者leftCluster的操作，joinedCluster就是加入到集群中的意思。
在joinedCluster时会将本地的缓存容器都转换为集群缓存。由此便完成了集群的初始化并加入到集群中了。
shutdown
shutdown相对简单点就是退出集群，并且将缓存工厂恢复为本地缓存。
同步管理
上面主要是讲了如何管理集群，接着比较重要的就是如何在集群间同步数据呢？这部分主要是看具体的分布式计算系统的实现了，从openfire来说就是将数据放到集群缓存中，然后通过集群组件来完成的，比如使用hazelcast。
因为使用缓存来解决，所以在CacheFactory中才会有这些么多关于集群的处理代码，特别是对于缓存策略的切换，以及集群任务处理都在CacheFactory作为接口方法向外公开。这样也把集群的实现透明了。
集群计算任务
在这之前一直没有提到集群中的计算问题，因为既然有了集群是不是可以利用集群的优势进行一些并行计算呢？这部分我倒没有太过确定，只是看到相关的代码所以简单列一下。
在CacheFactory类中有几个方法：doClusterTask、doSynchronousClusterTask，这两个都是overload方法，参数有所不同而已。这几个方法就是用于执行一些计算任务的。就看一下doClusterTask：
publicstaticvoiddoClusterTask(finalClusterTasktask){
cacheFactoryStrategy.doClusterTask(task);
}
这里有个限定就是必须是ClusterTask派生的类才行，看看它的定义：
publicinterfaceClusterTaskextendsRunnable,Externalizable{
VgetResult();
}
主要是为了异步执行和序列化，异步是因为不能阻塞，而序列化当然就是为了能在集群中传送。
再看CacheFactory的doClusterTask方法可以发现，它只不过是代理了缓存策略工厂的doClusterTask，具体的实现还是要看集群实现的。
看一看hazelcast的实现简单理解openfire集群
在openfire中有集群的插件实现，这里就以hazelcast为例子简单的做一下分析与学习。
缓存策略工厂类（ClusteredCacheFactory）
ClusteredCacheFactory实现了CacheFactoryStrategy，代码如下：
publicclassClusteredCacheFactoryimplementsCacheFactoryStrategy{
首先是startCluster方法用于启动集群，主要完成几件事情：
设置缓存序列化工具类，ClusterExternalizableUtil。这个是用于集群间数据复制时的序列化工具
设置远程session定位器，RemoteSessionLocator，因为session不同步，所以它主要是用于多实例间的session读取
设置远程包路由器ClusterPacketRouter，这样就可以在集群中发送消息了
加载Hazelcast的实例设置NodeID，以及设置ClusterListener
在前面说起集群启动时提到了缓存切换，那具体实现时是如何做的呢？
因为集群启动后就要是CacheFactory.joinedCluster方法来加入集群的。看一下加入的代码：
复制代码
/
NotificationmessageindicatingthatthisJVMhasjoinedacluster.
/
@SuppressWarnings("unchecked")
publicstaticsynchronizedvoidjoinedCluster(){
cacheFactoryStrategy=clusteredCacheFactoryStrategy;
//Loopthroughlocalcachesandswitchthemtoclusteredcache(copycontent)
for(Cachecache:getAllCaches()){
//skiplocal-onlycaches
if(localOnly.contains(cache.getName()))continue;
CacheWrappercacheWrapper=((CacheWrapper)cache);
CacheclusteredCache=cacheFactoryStrategy.createCache(cacheWrapper.getName());
clusteredCache.www.wang027.computAll(cache);
cacheWrapper.setWrappedCache(clusteredCache);
}
clusteringStarting=false;
clusteringStarted=true;
log.info("Clusteringstarted;cachemigrationcomplete");
}
复制代码
这里可以看到会读取所有的缓存容器并一个个的使用Wrapper包装一下，然后用同样的缓存名称去createCache一个新的Cache，这步使用的是切换后的集群缓存策略工厂，也就是说会使用ClusteredCacheFactory去创建新的缓存容器。最后再将cache写入到新的clusteredCache里，这样就完成了缓存的切换。
当然这里还是要看一下ClusteredCacheFactory的createCache实现：
复制代码
publicCachecreateCache(Stringname){
//Checkifclusterisbeingstartedup
while(state==State.starting){
//Waituntilclusterisfullystarted(orfailed)
try{
Thread.sleep(250);
}
catch(InterruptedExceptione){
//Ignore
}
}
if(state==State.stopped){
thrownewIllegalStateException("Cannotcreateclusteredcachewhennotinacluster");
}
returnnewClusteredCache(name,hazelcast.getMap(name));
}
复制代码
这里使用的是ClusteredCache，而且最重要的是传入的第二个map参数换成了hazelcast的了，这样之后再访问这个缓存容器时已经不再是原先的本地Cache了，已经是hazelcast的map对象。hazelcast会自动对map的数据进行同步管理，这也就完成了缓存同步的功能。
集群计算
那就看hazelcast的实现吧，在ClusteredCacheFactory中doClusterTask举个例子吧：
复制代码
publicvoiddoClusterTask(finalClusterTasktask){
if(cluster==null){return;}
Setmembers=newHashSet();
Membercurrent=cluster.www.baiyuewang.netgetLocalMember();
for(Membermember:cluster.getMembers()){
if(!member.getUuid().equals(current.getUuid())){
members.add(member);
}
}
if(members.size()>0){
//Asynchronouslyexecutethetaskontheotherclustermembers
logger.debug("ExecutingasynchronousMultiTask:"+task.getClass().getName());
hazelcast.getExecutorService(HAZELCAST_EXECUTOR_SERVICE_NAME).submitToMembers(
newCallableTask |
|
