每次大促都是考验各电商架构的最好时机，然而一般电商大促时，我们可能更关注系统架构如何降级如何限流等经典手段。这次换个视角，中间件在《京东技术解密》一书中被京东喻为大促通天塔，而京东作为中国互联网电商主角之一，我们看看中间件技术如何撑起京东每一场大促的。

\\

2016年12月2日-3日，ArchSummit全球架构师峰会将在北京国际会议中心举行。本次大会设置了《电商专题：系统架构如何应对业务爆发式增长》和《阿里双11技术架构突破》专题来深入解读双11等大促背后的技术故事，其中邀请了京东商城中间件负责人何小锋老师前来分享《京东核心中间件是如何支撑业务快速发展》，我们借此机会采访了何小锋老师，他为我们带来有关中间件的演进思路，希望可以为大家带来启发，如果读者想了解更多京东中间件的技术细节，欢迎报名参加ArchSummit北京站并与何小锋老师进一步交流。

\\

受访嘉宾介绍：

\\

何小锋，京东商城中间件负责人，拥有18年的研发经验，喜欢技术，追求卓越。2011年加入京东，目前在京东商城负责中间件技术部门。入职京东后，担任了京东两届架构委员会常委，先后带领团队自主研发高性能的消息平台，落地基于Docker的国内最大的弹性云。在京东期间支持过多次的618和双11大促，见证了京东的技术演进过程，在弹性计算、中间件、大并发分布式系统等方面积累了丰富的实战经验。

\\

InfoQ：您拥有18年的研发经验，能否介绍这段时间自己的程序员经历？是否面临过几次关键选择？

\\

\

何小锋：18年，一直没有脱离Coding，积累了很多的系统架构经验，在2011年加入京东，被京东面临的技术挑战所吸引。整个coding生涯中有过2次关键选择：

\\

1. \\t

   从传统的电子政务行业转到互联网行业；

   \\t\\t

2. \\t

   选择了京东，给自己一个挑战发挥的平台。

   \\t\

由于自己很喜欢技术，而且喜欢中间件、高并发分布式和弹性计算这三大领域本身带来的技术挑战，目前这些技术已经是公司的核心支撑系统，是京东抗大流量的关键。

\\

另外这几大领域需要掌握软件、操作系统、硬件和网络等多方面的知识才能更上一层楼，并且有很多需要专研的地方，需要长时间的专注才能做好。

\

\\

InfoQ：中间件技术部门承担了怎样的任务和职责？落地基于Docker的弹性云给部门带来怎样的影响？

\\

\

何小锋：中间件技术部门承担中间件研发和运维支持工作，确保现有系统稳定，持续优化满足业务需求，跟进业界技术发展，孵化新的中间件产品解决业务问题。

\\

目前京东中间件最核心的3大产品如下：

\\

1. \\t

   JSF，自主研发高性能分布式的RPC微服务框架，是京东服务化、开放化的技术标准；

   \\t\\t

2. \\t

   JIMDB，自主研发高性能分布式的缓存，基于Docker架构，具有弹性伸缩、快速故障迁移等能力；

   \\t\\t

3. \\t

   JMQ，自主研发的高性能分布式的消息队列

   \\t\

弹性云落地对中间件研发架构有很大的促进，JIMDB基于Docker实现弹性伸缩能力。另外中间件还要适应容器的环境，如准确获取CPU数量便于控制线程数，避免频繁的线程切换。流量均匀也是后续要改善的方向，容器的规格小，前后申请不一致，物理机硬件配置不一样，造成每个实例的承载能力不一样，需要中间件能自动负载均匀。

\

\\

InfoQ：目前京东微服务框架JSF调用规模在日常和大促时分别处于什么量级，JSF的主要核心部件如何实现高可用？

\\

\

何小锋：JSF日常调用在千亿规模，大促期间会翻2-5倍。

\\

\\

实现高可用方面，以注册中心为例，注册中心以异步持久化到数据库中，通过本地全量缓存来提升性能，节点直接通过事件总线同步，可以做到横向扩容。如果数据库宕机，可以通过缓存继续提供读取服务。

\\

另外每个机房都会部署若干节点，客户端通过目录服务优先拿到本机房的注册中心节点列表，后续通过定时更新注册中心列表。

\\

当服务有变化的时候，注册中心回调客户端，推送变化给客户端，客户端会在内存中缓存一份服务地址，在本地会存储一些备份文件。如果注册中心连接不上，客户端可以依赖本地缓存继续调用。

\\

监控中心提供的是JSF服务，数据直接通过ES存储。

\\

实现高可用过程中为了深挖单实例性能，我们做了优化序列化协议，传输数据进行压缩，并且通过RingBuffer进行组提交，采用NIO/EPOLL，优化线程模型，提升并发能力。

\

\\

InfoQ：JSF目前是否还存在瓶颈？

\\

\

何小锋：JSF到目前已经很成熟，性能、稳定性和易用性都很高。

\\

JSF提供了强大的服务治理功能，包括常见的分组、上下线、黑白名单、路由等，也做到了例如动态分组、同机房优先、配置下发、调用限流、授权调用等等功能，并且开放了部分服务治理API，供开发者自行调用。

\\

JSF未来会持续在治理和监控上进行改进，完善分布式跟踪，便于快速定位问题。另外HTTP网关会通过支持HTTP/2协议来优化性能。

\

\\

InfoQ：目前京东消息中间件从开源软件的JQ、ActiveMQ发展到自研的JMQ，能否简述这段演进过程？基于怎样的判断和背景会开始对下一代的筹备？

\\

\

何小锋：JQ严格意义上来说还算不上一个消息中间件，它基于数据库实现，当时的用户也比较少。

\\

随着公司SOA化工作开展，迫切需要成熟的高可用消息中间件来支持，我们采用开源的ActiveMQ来作为第一代分布式消息平台。在其基础上做了一系列的平台化改造，包括应用治理、监控报警、分布式客户端、归档、重试、存储复制，我们对这些功能也进行了优化和更新。

\\

随着业务量的快速增长，它的性能成了很大的瓶颈，存储逻辑复杂，消息积压后对性能影响很大，已经很难进行优化。通过积累的研发和运营经验，我们决定自助研发JMQ。JMQ在存储、网络通信、消息处理、数据复制等方面进行了很大的优化改进。另外在升级的过程中，考虑了兼容性，例如JMQ兼容AMQ客户端协议，做到了平滑过渡。

\\

为什么没有一步到位？每一代消息中间件都是基于业务的发展需要的，京东这些年发展之快，业务又有其不确定性，所以我们在这过程中也是不断的探索，不断的重构。

\\

至于何时开始下一代消息中间件的筹备，我们会主要基于高可用、性能和自动化运维瓶颈等方面考量。JMQ我们目前正在做兼容Kafka协议，大幅提升自动化运维能力，减少备战工作。

\

\\

InfoQ：以您的判断来看，互联网企业是否会逐渐摆脱开源软件的依赖，走向自主研发以获得彻底的掌控力？

\\

\

何小锋：这个是根据业务发展的需要的，成熟稳定的开源系统还会持续支撑，满足不了需求的开源软件会逐步被自研替换。我的建议是控制好收益，加强内外交流，最后要回馈开源社区。

\

\\

InfoQ：JMQ在大促时能处理多少的写入、投递高峰？后端消费不稳定的情况下如何保证消息投放稳定？

\\

\

何小锋：JMQ在大促时单个分片同步复制和刷到磁盘，能达到写入1K消息，TPS可以超过4万每秒。针对日志等场景，通过配置异步复制和刷盘还可以大幅度提升性能。我们预计整个平台，双11当天消息投递量会达到千亿规模。

\\

消费者采用拉模型，处理速度完全由消费者控制，如果处理速度慢，消息会保留在服务端，保留时间为2天。由于大促的需要，每个系统都会进行大流量压测军演，不会存在2天都消费不了的消息。

\\

JMQ的存储模型，消息积压在服务端，对写入和消费性能没有影响。积压了会给用户进行报警，如果存储空间不够了，会停用当前实例的写入，进行扩容。

\

\\

InfoQ：能否谈谈在大促期间中间件团队所做的工作？在接下来的大促会做哪些准备和调整？以前的大促遇到过哪些问题以及应对方案？

\\

\

何小锋：中间件会成立专门的项目来推荐大促的备战工作，主要包括如下几块工作

\\

1. \\t

   系统梳理工作：整理现有部署架构，核心客户，每日巡检；

   \\t\\t

2. \\t

   部署扩容：资源评估、核心客户扩容、容灾部署；

   \\t\\t

3. \\t

   应急预案：整理和评估应急预案；

   \\t\\t

4. \\t

   压测演练：模拟故障演练，性能压测；

   \\t\\t

5. \\t

   对发现的问题就改进优化；

   \\t\\t

6. \\t

   24小时值班监控

   \\t\

每次大促发现的问题都会作为后续研发改进的需求，例如AMQ性能不好，后续自研JMQ。

\\

面对以后的大促，我们会大幅提升自动化运维来满足大促的需求，包括弹性扩容，更丰富的监控报警，更迅速可控的故障切换、自动化容灾、核心客户物理隔离等等。

\\

另外随着业务的发展，如何更好地支持业务海量数据缓存需求，我们也在规划新版的JIMDB。

\

\\

InfoQ：能否简单概述自动扩容缩容中数据迁移的技术原理？中间件实现快速故障切换和弹性伸缩能力的难点在哪里，最后如何解决的？

\\

\

何小锋：JIMDB提供基于Docker的弹性伸缩能力。目前JIMDB一个分片有2G内存数据，当需要迁移时，节点会先把已有的数据按照一定的规则全量复制一份到新的shard上，在全量复制过程中会有增量的数据产生，这部分数据另外保存一份到指定的缓冲区中，当全量复制完成后马上同步缓冲区中的数据，当缓存区中需要同步的数据比较少时，会阻塞待分裂节点的写入直到增量数据也同步完成。

\\

快速故障切换和弹性伸缩能力的难点主要如下：

\\

1.准确及时的故障定位，包括软件宕机、网络、硬件等方面的故障。我们通过Agent秒级采集监控数据，对新出现的故障通过录入关键词来自动学习，宕机/网络不通则采用多个决策者投票决定。

\\

2.资源的合理调度，包括容灾，确保资源调度均匀、并发控制，核心业务做到隔离，相关的具体实践有：

\\

• \\t

  应用接入的时候要完善信息，能识别是否是核心业务，是否需要隔离，业务的吞吐量需求等等;

  \\t\\t

• \\t

  通过资源标签来匹配满足业务的资源;

  \\t\\t

• \\t

  通过识别机房、机架信息来满足容灾的需求;

  \\t\\t

• \\t

  通过资源乐观锁来实现对相同资源的并发控制;

  \\t\

\\

InfoQ：感谢何小锋老师接受我们的采访，期待您在ArchSummit全球架构师峰会分享的《京东核心中间件是如何支撑业务快速发展》。

\\

感谢冬雨对本文的审校。

\\

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号：InfoQChina）关注我们。