4.Aeron数据发送与接收

回顾

上一篇文章主要带大家一起阅读了添加发布者与添加订阅者命令的执行过程,今天就继续带大家从demo入手,分析发布者发布数据以及订阅者接收数据相关流程

Demo

ini 复制代码
public static void main(String[] args)
{
    final String channel = "aeron:ipc";
    final String message = "my message";
    final IdleStrategy idle = new SleepingIdleStrategy();
    final UnsafeBuffer unsafeBuffer = new UnsafeBuffer(ByteBuffer.allocate(256));
    try (MediaDriver driver = MediaDriver.launch();
        Aeron aeron = Aeron.connect();
        Subscription sub = aeron.addSubscription(channel, 10);
        Publication pub = aeron.addPublication(channel, 10))
    {
        while (!pub.isConnected())
        {
            idle.idle(); // 简单理解为阻塞即可
        }
        unsafeBuffer.putStringAscii(0, message);
        System.out.println("sending:" + message);
        while (pub.offer(unsafeBuffer) < 0) // 发布数据
        {
            idle.idle();
        }
        FragmentHandler handler = (buffer, offset, length, header) ->
            System.out.println("received:" + buffer.getStringAscii(offset));
        while (sub.poll(handler, 1) <= 0) // 接受数据
        {
            idle.idle();
        }
    }
}

pub数据

上面就是发布者发布数据的流程,可以看到,最终是把数据写入到底层的termBuffer里,那么数据是在哪里被真正发送出去的呢?

不知道大家是否还记得分析MediaDriver的时候曾提过Reciver线程与Sender线程,故名思义,一个负责接受数据,一个负责发送数据。

查看send线程执行流程如下:

可以看到Sender线程会遍历当前所有的newWorkPublication,调用起send方法进行数据发送,底层其实是调用nio的相关api进行数据发送。

poll数据

poll数据的流程看起来比较简单,其实就是不断的从对应的buffer里获取数据,然后调用自定义的FragmentHandler进行数据的解析,那对应的buffer里的数据是从哪里获取的呢?答案当然是MediaDriver里的Receiver线程做的,其处理流程如下:

可以看到底层其实也是通过nio的相关方法进行数据获取。

小结

本篇文章主要带大家一起阅读了下Aeron的数据发送和接收相关流程,aeron的内部很多机制,都是基于发布与订阅功能实现的,因此,理解相关流程还是很重要的,后面将会为大家代码AeronArchive与replay相关的流程分析。

相关推荐
还有多久拿退休金2 分钟前
AI 写了代码,谁替你"试毒"?
前端·架构·ai编程
mCell6 分钟前
别给烂代码写注释——重写它
agent·代码规范·源码阅读
Slice_cy2 小时前
Docker 体系化完整知识框架(从构建到运行到编排)
架构
hbugs0012 小时前
PNETLab vs EVE-NG Pro 流量洞察功能底层架构技术白皮书
网络·架构·eve-ng·bpf·流量洞察
冷de猫3 小时前
AI API 网关的四层架构与代码实现:以 Aegisy 为例
人工智能·架构·大模型·ai编程·ai网关·api代理·多模型接入
我是大卫3 小时前
【图】React源码解析-从底层数据结构、调度器、闭包原理到源码设计模式,深挖useState的全部核心机制
react.js·源码
未来之窗软件服务3 小时前
基层诉求直达和缓解高层压力高效沟通智能建议架构—东方仙盟
架构·仙盟创梦ide·东方仙盟·阿雪技术观
记忆停留w4 小时前
Celery+Redis 分布式异步任务队列工程落地业务逻辑
大数据·人工智能·redis·分布式·缓存·架构·wpf
3630458414 小时前
KlineChartQuant Tooltip 高频交互 200FPS 性能优化完整复盘
前端·架构
大煊AI编程4 小时前
做 AI Agent 时,我终于搞懂了 Tracker 的真正作用
架构