Node.js 在携程的落地和最佳实践

本篇主要介绍在携程，Node.js 技术栈是如何实现从 0 到 1 进行技术落地的，以及在不断磨合的过程中，总结出来的最佳实践。

 

在携程 Node.js 应用根据用户群，主要分两个方向：

 

• DA（数据聚合服务）和服务端渲染是服务于外部用户的，目标是提升用户体验。当然，DA 和服务端渲染同时也提升了开发效率，例如前端开发人员可以更加灵活的整合数据，例如同构给开发人员省去了大量重复的开发工作量；
• 公司桌面工具（例如内部 IM 等）是服务于内部员工的，一般是用 Electron，开发维护成本低，产品迭代快。

 

一、Node.js 工程化

 

基于上述三个场景，目前携程有一套 Node.js 的工程化方案。工程化的方案并不是一成不变的， 在任何阶段遇到了实际问题， 都会更新甚至推翻一些步骤，为的就是更好的服务于整个应用开发的生命周期。

 

工程化涵盖五大部分：开发、构建、测试、发布和运维。

 

1.1 开发

1）脚手架

 

有三个类型的脚手架：Web Application、DA Service 和 Desktop Tools。这三种类型的脚手架会服务于上述提到的三种场景。

 

这三种脚手架有共同点：标准化的 Docker 日志，预置统一的中间件。但同时他们也是有差异的，例如 Desktop Tools 和 Web Application 的应用模型不一样，Desktop 有 UI 层，那么 UI 层和应用层上的应用日志和用户行为如何关联，方便后续的排障；DA Service 需要将应用的健康状况周期性上报给治理中心、熔断机制等等，这些框架层面的差异，脚手架会集成进去，做业务开发同学可以不用关心这些基础设施的接入。

 

2）核心中间件

 

核心中间件主要是做基础设施的建设。目前有 20 多个中间件，主要的中间件如下：

 

图 1 核心中间件介绍

• 存储服务，主要应用于长期的固化存储，例如静态资源。主要提供的是 Ceph 客户端。
• 业务服务，主要应用于 DA 场景，提供 SOA Client 和 SOA Service。SOA Client 用来获取数据，需要重点关注的是读取性能和容错处理；SOAService 用来提供对外的聚合服务，需要重点关注的是稳定性和响应性能。
• 监控服务，涵盖所有的应用，提供三个维度的监控：Tracing、Metrics 和 Logging。具体的介绍请参看下方”运维”部分。
• 公共服务，主要包括配置中心，ABTest 的客户端、数据访问层等。
• 缓存服务，主要用于配置信息的缓存、应用数据的缓存。提供 Redis 客户端和共享内存两个中间件。

 

1.2 构建

1）Docker 镜像

 

Node.js 的版本更新频率很快，每 6 个月会发布一个大版本的升级，期间会陆续出很多小版本。如果为每个版本都做一个镜像，会带来极高的开发和运维成本。基于更新频率，我们目前选取 2 个固定版本，在 Node.js 版本更替的时候，可以保证一个稳定的镜像。

 

2）安装依赖包

 

为了提升开发效率，在构建时安装依赖包需要保证速度快。如果中间件中用到一部分 C++ 模块，那么在安装时会做实时编译，这样会导致耗时长，甚至会因为环境问题编译失败。所以我们会将用到 C++ 模块的中间件做一下预编译，为 windows、linux 和 mac 这三个平台分别编译出 2 个固定版本的预编译包。

 

3）依赖包扫描

 

扫描的目的主要解决几个问题：

 

• 应用中不同的包如果引用了同一个子包，但是子包的版本不一致，就会导致应用中装了多个版本同一个包，会引发 bug；
• 中间件缺乏治理能力。通过扫描依赖包，能够做到中间件统一收口。一旦要升级，可以很快的通知到开发做快速升级。例如第三方依赖包有安全问题，可以在构建环节就提醒开发人员升级版本。

 

1.3 测试

目前测试环节包括单元测试、集成测试、压力测试和自动化测试。自动化测试主要针对 Service 和 UI 两方面测试。UI 自动化测试使用的是 Puppteer。每次代码更新，会走一遍自动化测试流程，保证代码质量。

 

1.4 发布

1）携程云和公有云

 

每个云的部署环境、网络、位置等差异，会带来应用访问差异，例如访问异常，网络延迟等。这些差异需要在基础设施层面抹平，避免放在应用逻辑层面处理。

 

2）应用一体化发布

 

一体化发布也可以理解为一键发布。一条发布指令包含了应用核心框架、静态资源、配置的同时发布，而不需要开发人员思考什么步骤需要发什么资源。这样不仅可以提升效率，还能有效的控制发布回滚。

 

3）私有 npm 包发布

 

私有包的发布和 GIT 做高度集成。原因是：第一可以通过 git 做快速的发布；第二有历史可查，方便的查看到每个版本发布的时间、人员；第三有权限控制，避免发生生产级别故障。

 

1.5 运维

 

运维是整个环节中最重要也是最容易被忽略的环节。一个应用上线只是开始，真正要关注的一定是运维指标。

 

1）日志监控

 

三种维度的监控：tracing、logging 和 metric。

 

图 2 三种维度的监控

 

Tracing 提供的是整个请求过程中的数据，例如请求信息（头部、地址）、响应信息（状态码，响应体）、请求耗时、调用链等信息。

 

Logging 提供的是在请求处理过程中，每一个具体的事件埋点，这些埋点相对是分散的。可以是记录普通的日志，也可以是记录抛出的错误。

 

Metric 提供的是聚合数据。最大的特征是可聚合的，它展现的是一个时间跨度中的某个维度的指标。一般用来记录量化的指标，例如访问量、性能等数据。

 

2）应用排障

 

一般我们排查问题的时候，会先通过 Metric 的聚合指标发掘出异常，然后追踪到某一批有异常的 Tracing，可以查看到调用链、耗时等具体情况，也可以跟踪到某一个请求，查看里面的事件埋点。

 

也有其他方式的排障，例如下图中展示，可以在线直接通过一个特殊的地址访问到的一张火焰图，可以非常快速地去排障。当有用户说这个页面出现问题，打开这个页面排障，可以定位到底那个对应的地方出现问题。

 

图 3 火焰图

 

二、Node.js 最佳实践

2.1 部署模型

 

图 4 部署模型

 

Node.js 应用部署在 Docker 上，采用 Nginx+PM2 的模式。

 

2.2 问题一：多进程通信

 

多进程通信主要用于数据交换，最常见的有 2 种场景：

 

1）提供 SequenceId：在单台机器需要提供唯一的并且按时间序列排列的 ID。

2）提供远端配置信息：当获取远端配置信息时，需要考虑多进程的共享分发。

 

图 5 多进程通信 V1.0

 

在第一版本设计中，我们采用的是 IPC 机制进行多进程的通信。Master 作为一个中转站，当 Slave 有消息分发时，通知给 Master，再由 Master 分发给各 Slave，从而达到进程之间通信的效果。

 

但是上线之后发现，这样的机制会遇到几个问题：数据量必须控制好体积；数据的同步会有延迟；Master 必须时刻在线，一旦 Master 进程挂掉，就需要等待重启再重连。

 

基于这些问题，我们重新设计了第二个版本：

 

图 6 多进程通信 V2.0

 

在第二个版本的设计中，我们使用了共享内存（shared memory）。举一个场景为例，当需要获取某个配置的时候，先将这块内存锁定，尝试从内存中获取数据。

 

如果判断数据存在且在有效期内，那么解锁并从内存中读取数据返回，否则从服务端获取数据，当服务端有数据返回时，将数据和有效期更新到内存中，解锁并从内存中读取数据返回。通过共享内存的机制，可以非常轻量级且高效的实现多进程之间的数据共享。

 

2.3 问题二：监控什么内容

图 7 监控指标

 

Nginx 会监控整个 Docker 上所有应用的情况：

 

• CPU util：CPU 总的使用率。
• CPU throttle count&time：CPU 被限制的次数和 CPU 使用率被限制的总时间。这两个指标的上升一般表示应用有 CPU 密集型操作，需要检查一下是否有大量的计算等操作。
• Mem RSS used：这个指标上升一般显示应用内存泄漏的问题。
• HTTP imcoming&outgoging：http request 的数量变化趋势。如果有错误响应或者超过了告警的阈值，则会在趋势图中显示。
• Connection reset：这个指标如果上升，表示应用出现了大量的拒绝请求，例如是服务器的并发数超过了原本的承载量等原因。

 

Nginx 中监控的是整个 Docker 的情况，但是我们更需要的是监控应用的指标。应用一般采用 PM2 cluster –i max 模式启动，最大化利用 CPU。

 

• Heartbeat（心跳信息）

 

每个 slave 一分钟发送一次 Heartbeat（心跳信息）给到 CAT 数据中心。一般来说，如果 Heartbeat 告警的话，需要立刻查看一下错误日志，是不是有异常错误导致进程已经退出了。

 

Heartbeat 主要包括 CPU、Memory、网络信息等。这些信息和上述提到的 Nginx 信息不是一个维度的。这个更细节的关注了应用的情况，而不是整个 Docker 的情况。如果需要分析应用细节的问题，是需要查看这里的 Heartbeat 信息。

 

• 性能情况

一般来说，中间件会处理应用常规的性能日志记录。包括：

1）每一个响应的请求耗时（服务端逻辑处理耗时，不包括网络耗时）。

2）每一个 Transaction 的耗时。一个 Transaction 可以简单理解为一个有功能意义的代码片段。

3）跨应用调用的请求耗时。

 

• 错误 / 告警信息

 

错误告警信息是应用中需要重点关注的，包括：

1）应用逻辑出错，例如处理 JSON 数据出错等。

2）HTTP 请求出错，会记录状态码、请求地址、返回内容。

3）应用中使用了不同版本的同一个包，会报一条告警信息通知开发工程师。

 

• 详细数据日志

 

详细数据日志一般有开发工程师针对应用的逻辑埋点，而非中间件统一处理。这些日志会包括返回数据的记录，具体运行在哪一段 transaction 中。这些日志一般是故障发生时，用来复盘时的辅助手段。

 

2.4 问题三：全链路监控

 

全链路监控指的是端到端的监控，监控的是一系列的调用链情况。

 

图 8 Tracing 模型

在介绍全链路模型之前，首先介绍 Tracing 模型（图 8）。Tracing 模型是一个树状结构的模型。以一个场景为例，当用户发起一个请求，这个请求的处理中有三段逻辑（authentication、soa request 和 data aggregation）。

 

在整个请求体外层会有一个 Transaction#1，记录请求响应等信息。每一个逻辑段会对应一个 Transaction#2，Transaction#2 的父节点是 Transaction#1。

Transaction#2 中可以有多个 Logging 信息，根据类型可以分为 Event/Error/Log，也可以包含 Metric 信息。这些 Logging 和 Metric 都有父节点，是 Transacation#2。按照这样的结构可以将一整个 request 的过程的监控信息记录下来。

 

要做全链路监控，就是需要将每个 request 和调用链做关联。

 

在过程中遇到的最核心的问题是，如何将上下文进行关联。第一个版本使用的是 domain 的模块，使用 domain 的 add api 将上下文信息记录下来，使用 run api 运行逻辑代码块。第二个正在测试中的版本是使用 async_hook 的模块，引入了生命周期的概念，通过 executionAsyncId 和 ttriggerAsyncId 可以追踪每个函数体。

 

图 9 页面请求模型

通过上图的页面请求模型可以将每个请求做关联，从而达到全链路监控的效果。

 

三、总结

 

• Node.js 工程化需要结合业务，反复磨合；
• 设计好运维指标，做好 Tracing/Logging/Metric 的结合；
• 密切关注上线之后的监控指标，防止内存泄漏；
• 发掘出 Node.js 技术栈的差异，有针对性的解决问题；

 

不要盲目相信同一个技术栈，合适才是最好的。

 

作者介绍：

 

潘斐斐，Trip.com 高级研发经理。2008 年加入携程，目前工作内容为 Node.js 框架平台整体构建、产品性能优化和创新型项目研发。本文来自在 2019 携程技术峰会上的分享。

 

 

 

作者：潘斐斐

来源：InfoQ