使用jetty做为server提供多线程文件下载

hwl198212

背景
　　最近在做的一个项目，两个java进程之间会涉及一个大数据量的传递过程，基本都是图片文件，(做了压缩后还是会比较大，最大的有超过600MB)。其次这两个java进程是在跨机房，比如中国和美国机房，网络待框也就几百kB。
　　这就是本文的项目背景

分析
　　1.  600MB的文件，都是A进程运行时根据需要生成的(下载需要的图片文件)。所以无法预先处理，而且公司总图片文件都是以TB计算，所以全量同步的方案也不靠谱
　　2.  从A进程到B进程的数据传递，首先想到用socket进行传递，但单socket的数据同步无法满足需求，多线程数据传递会涉及数据的切片和数据的合并等，代码相对会比较复杂
　　老的项目实现：

• A先临时保存文件到一指定目录
  
• A进程机器上启动一个http服务(比如nginx,lighttpd)
  
• B进程外部调用一个多线程下载客户端，下载数据到一临时目录
  
• B进程等下载完成后，再操纵临时目录的数据
  

项目的工程代码都是以java，引入了多线程服务和下载客户端之后，增加了项目的部署和维护成本。所以在项目重构时，想的一个办法是用嵌入式的jetty，去替换nginx提供http服务。

过程
　　涉及到多线程下载和断点续载，首先得了解一个Http协议的内容。
　　Byte Ranges: 文档http://www.w3.org/Protocols/rfc2616/rfc2616-sec14.html#sec14.35.1
　　大致的内容，可以在Http的Header头中进行添加，可以指定文件下载byte的start和end的位置，几个例子：

bytes=100-499  
bytes=-300
bytes=100-
bytes=1-2,2-3,6-,-2
　　最后，通过tcpdump进行数据抓包分析，多线程下载客户端的Http协议的内容。基本的思路是根据线程数，计算出每个线程的bytes-range，然后每个线程发起一个独立的请求。后端每个处理线程单独处理bytes-range的数据下载。
　　至于断点续传，其实也相对比较简单了。就是记录好分出去的每个bytes-range成功与否，失败的重新再做，已经做完的可以直接跳过。
　　抓取的Http协议内容：

GET /source.tar.gz HTTP/1.1
User-Agent: aria2/1.13.0
Accept: */*
Host: 10.20.156.49:8080
Pragma: no-cache
Cache-Control: no-cache
Range: bytes=258998272-387973119
java版的多线程下载支持
　　一提到做java版的多线程下载，首先就会想到jetty和tomcat。tomcat只能以外部server的方式进行启动，和nginx没有太多的区别。
　　最后我选择了jetty，并在项目中做为嵌入式进行启动，提供http多线程下载服务。
　　按照前面的分析，要做多线程下载，无非就是要实现一个bytes-range的处理。还好我用的jetty版本(7.0.1)已经解析了bytes-range，具体解析类：InclusiveByteRange
　　再仔细翻了下它的代码，发现jetty已经默认提供了一个servlet支持多线程下载，就是DefaultServlet，甚喜。
　　最后，按照我项目的需求适当的裁剪了一些代码，最后完成了：DownloadServlet，具体代码见附件。
　　类中使用了java版的sendfile，推荐看一下:http://stackoverflow.com/questions/1605332/java-nio-filechannel-versus-fileoutputstream-performance-usefulness
　　


将jetty引入做为嵌入式启动的步骤
　　1. 引入相关的jar

<dependency>
<groupId>com.alibaba.external</groupId>
<artifactId>server.jetty.jetty-servlet</artifactId>
<version>${jetty_verion}</version>
</dependency>
<dependency>
<groupId>com.alibaba.external</groupId>
<artifactId>server.jetty.jetty-xml</artifactId>
<version>${jetty_verion}</version>
</dependency>
<dependency>
<groupId>com.alibaba.external</groupId>
<artifactId>server.jetty.jetty-server</artifactId>
<version>${jetty_verion}</version>
</dependency>
　　2.  配置jetty.xml (我选择了xml的配置方式，但没有使用war包，我只需要一个Http服务功能即可)

<Configure id="Server" class="org.eclipse.jetty.server.Server">
<!-- =========================================================== -->
<!-- Server Thread Pool                                          -->
<!-- =========================================================== -->
<Set name="ThreadPool">
<!-- Default queued blocking threadpool -->
<New class="org.eclipse.jetty.util.thread.QueuedThreadPool">
<Set name="minThreads">10</Set>
<Set name="maxThreads">250</Set>
</New>
</Set>
<!-- =========================================================== -->
<!-- Set connectors                                              -->
<!-- =========================================================== -->
<!-- -->
<Call name="addConnector">
<Arg>
<New class="org.eclipse.jetty.server.bio.SocketConnector">
<Set name="port"><Property name="jetty.bio.port" default="8080"/></Set>
<Set name="forwarded">true</Set>
<Set name="forwardedHostHeader">ignore</Set>
<Set name="forwardedServerHeader">ignore</Set>
<Set name="acceptQueueSize">256</Set>
<Set name="statsOn">false</Set>
<Set name="maxIdleTime">600000</Set>
<Set name="lowResourcesMaxIdleTime">5000</Set>
<Set name="requestHeaderSize">8192</Set>
<Set name="responseHeaderSize">8192</Set>
</New>
</Arg>
</Call>
<!--
<Call name="addConnector">
<Arg>
<New class="org.eclipse.jetty.server.nio.SelectChannelConnector">
<Set name="host"><Property name="jetty.host" /></Set>
<Set name="port"><Property name="jetty.port" default="8080"/></Set>
<Set name="forwarded">true</Set>
<Set name="forwardedHostHeader">ignore</Set>
<Set name="forwardedServerHeader">ignore</Set>
<Set name="maxIdleTime">600000</Set>
<Set name="Acceptors">2</Set>
<Set name="acceptQueueSize">256</Set>
<Set name="statsOn">false</Set>
<Set name="confidentialPort">8443</Set>
<Set name="lowResourcesConnections">2000</Set>
<Set name="lowResourcesMaxIdleTime">5000</Set>
<Set name="requestHeaderSize">8192</Set>
<Set name="responseHeaderSize">8192</Set>
</New>
</Arg>
</Call>
-->
<!-- =========================================================== -->
<!-- Set handler Collection Structure                            -->
<!-- =========================================================== -->
<Set name="handler">
<New id="Handlers" class="org.eclipse.jetty.server.handler.HandlerCollection">
<Set name="handlers">
<Array type="org.eclipse.jetty.server.Handler">
<Item>
<New id="ServletHandler" class="org.eclipse.jetty.servlet.ServletContextHandler">
<Set name="contextPath">/</Set>
<Call name="addServlet">
<Arg>com.alibaba.otter.task.biz.common.jetty.DownloadServlet</Arg>
<Arg>/*</Arg>
</Call>
<Get name="initParams">
<Put name="org.eclipse.jetty.servlet.Default.resourceBase">/tmp/</Put>
<Put name="org.eclipse.jetty.servlet.Default.gzip">false</Put>
</Get>
</New>
</Item>
</Array>
</Set>
</New>
</Set>
<!-- =========================================================== -->
<!-- extra options                                               -->
<!-- =========================================================== -->
<Set name="stopAtShutdown">true</Set>
<Set name="sendServerVersion">false</Set>
<Set name="sendDateHeader">true</Set>
<Set name="gracefulShutdown">1000</Set>
</Configure>
　　说明： 主要的配置见handler，配置了对应的DownloadServlet
　　3. 启动入口 (使用了xml配置后就灰常的简洁了)

Resource jetty_xml = Resource.newSystemResource("jetty/jetty.xml");
XmlConfiguration configuration = new XmlConfiguration(jetty_xml.getInputStream());
Server server = (Server) configuration.configure();
server.start();
　　测试
　　最后选择了几个多线程下载的客户端进行了测试，我这里选择了aria2c(http://aria2.sourceforge.net/)  和 axel(http://www.axel.com/uk2/)
　　aria2c测试
　　参数：

--no-conf -x 10 -s 10 -j 10 --timeout=600 --max-tries=5 --stop=1800 --allow-overwrite=true --enable-http-keep-alive=true --log-level=warn
　　下载1.1GB的文件:
　　apache : 28s
　　nginx  : 27s
　　jetty   : 27s




axel测试

参数：

-n 10 -a -v  

　　下载1.1GB的文件: 
　　apache : 87s
   nginx  : 87s
　　jetty : 88s

总结
　　并没有做非常详尽的性能测试，不过从几次跑的结果来看，基本上也有数了。

• jetty实现的servlet性能基本和nginx,apache下载接近。而且测试过程中瓶颈已经不在应用本身，基本都在网络带宽上了，我是百MB网卡，基本可以满负荷运转。
  
• jetty的nio和bio版本，nio在context switch切换上会相对比较多(因为有大量的READ/WRITE事件响应，线程切换反而不如bio来得少)，建议部署bio模式
  
• 多线程下载aria2c工具的确不错，推荐使用
  

后续，会尝试使用java写一个多线程的客户端，如果性能还ok的话，可以直接替换aria2c，到时候就是一些jar包，没有了外部软件的依赖，部署和维护也会相对比较简单。