FFLIB框架是为简化分布式/多进程并发而生的。它起始于本人尝试解决工作中经常遇到的问题如消息定义、异步、多线程、单元测试、性能优化等。基本介绍可以看这里:
其中之所以特意采用了Broker模式,是吸收了MPI和Erlang的思想。
FFLIB 目前处于alpha阶段,一些有用的功能还需继续添加。但是FFLIB一开始就是为了解决实际问题而生。Broker 即可以以独立进程运行,也可以集成到某个特定的进程中启动。除了这些,FFLIB中使用epoll实现的网络层也极具参考价值。网上有一些关于epoll ET 和 LT的讨论,关于哪种方式更简单,本人的答案是ET。ET模式下epoll 就是一个完全状态机。开发者只需实现FD的read、write、error 三种状态即可。
我进一步挖掘FFLIB的功能。写一篇FFLIB的Tutorial。创建更多的FFLIB使用示例,以此来深入探讨FFLIB的意义。在游戏开发中,或者一些分布式的环境中,有许多大家熟悉的模式。,本文挑选了如下作为FFLIB示例:
Request/Reply
点对点通讯
阻塞通讯
多播通讯
Map/Reduce
在FFLIB中所有的消息都是Request和Reply一一对应的,默认情况下工作在异步模式。假设如下场景,Flash连入GatewayServer并发送Login消息包,GatewaServer 解析用户名密码,调用LoginServer 验证。
首先定义msg:
LoginServer中如此定义接口:
在GatewayServer中调用上面接口:
如上所示, async_call 可以通过binder_t模板函数为回调函绑定参数。
大部分时候我们期望Reply被异步处理,但有时Reply 必须被首先处理后才能触发后续操作,一般这种情况发生在程序初始化之时。假设如下场景,SceneServer启动时必须从SuperServer中获取配置,然后才能执行加载场景数据等后续初始化操作。
首先定义通信的msg:
如上所示, msg 序列化自动支持map。
SuperServer 中定义返回配置的接口:
SceneServer 可以如此实现同步Request/Reply:
异步Request/Reply 已经能够解决大部分问题了,但是有时处理Push模式时稍显吃了。我们知道消息推算有Push 和Poll两种方式。了解二者:
上面提到的Request/Reply 非常适合poll模式,以上一个获取配置为例,SuperServer由于定义接口的时候只需知道callback,并不知道SceneServer的具体连接。,所以SuperServer不能向SceneServer Push消息。在FFLIB中并没有限定某个节点必须是Client或只能是Service,实际上可以兼有二者的角色。SceneServer 也可以提供接口供SuperServer调用,这就符合了Push的语义。假设如下场景,GatewayServer需要在用户登入时调用通知SessionServer,而某一时刻SessionServer也可能呢通知GatewayServer 强制某用户下线。二者互为client和service。大家必须知道,在FFLIB中实现两个节点的通信只需知道对方的服务名称即可,Broker 在此时实现解耦的作用非常明显,若要增加对其他节点的通信,只需通过服务名称async_call即可。
定义通信的msg:
GatewayServer 通知SessionServer 用户上线,并提供强制用户下线的接口:
SessionServer 提供用户上线接口,可能会调用GatewayServer 的接口强制用户下线。
和点对点通信一样,要实现多播,只需要知道目标的服务名称。特别提一点的是,FFLIB中有服务组的概念。比如启动了多个场景服务器SceneServer,除了数据不同,二者接口完全相同,有可能只是相同进程的不同实例。在FFLIB框架中把这些服务归为一个服务组,然后再为每个实例分配索引id。
假设如下场景,SuperServer 中要实现一个GM接口,通知所有SceneServer 重新加载配置。
SceneServer 提供重新载入配置接口:
在SuperServer 中如此实现多播(跟准确是广播,大同小异):
在游戏中使用Map/reduce 的情形并不多见,本人找到网上最常见的Map/reduce 实例 WordCount。情形如下:有一些文本字符串,统计每个字符出现的次数。
Map操作,将文本分为多个子文本,分发给多个Worker 进程进行统计
Reduce 操作,将多组worker 进程计算的结果汇总
Worker:为文本统计各个字符出现的次数
定义通信消息:
定义woker的接口:
模拟Map/reduce 操作:
总结:
FFLIB 使进程间通信更容易
示例代码目录:example/tutorial