之前一直在用qiniu的存储服务，生成图片的缩略图，模糊图，视频的webp，现在需要把存储移到s3上，那么这些图片，视频处理就要自己动手写了，本文梳理一下大致的思路。
分析需求
先看一下qiniu的接口是如何处理图片的，例如先截取视频第一秒的图片，再把图片缩略，最后存储到一个新的key，命令可以这么写 vframe/jpg/offset/1|imagemogr2/thumbnail/400x|saveas/xxx, 可以看到三个操作之间用 | 符号分割，类似unix 的 pipe 操作。
上面的操作算作一个cmd, 一次api请求可以同时处理多个cmd，cmd之间用分号分割, 处理完毕后，在回调中把处理结果返回，例如
分解需求
这个程序大致需要这么几个部分:
一个http接口，接受任务，接受后把任务扔到队列，返回一个job id。 worker异步处理任务，worker的个数 和 每个worker 并行的处理的个数 能够配置，worker有重试机制。
从 job payload 中解析出需要做的任务，解析出每个cmd, 最好能并行执行每一个 cmd, 记录每一个cmd的结果
每个cmd中有多个 operation, 并且用 pipe 连接，前一个operaion的输出是后一个operation的输入
可以把 1 和 2，3 分开来看，1 比较独立，之前写过一个worker的模型，参考的是这篇文章 handling 1 million requests per minute with go，比较详细，是用 go channel 作为queue的，我加了一个 beanstalk 作为 queue的 providor。还有一点改进是，文章中只提供了worker数量的设置，我再加了一个参数，设定每个worker可以并行执行的协程数。所以下面主要讲讲3， 2的解决办法
pipe
可以参考这个库 pipe, 用法如下：
output, err := pipe.combinedoutput(p)
if err != nil {
fmt.printf("%v\n", err)
}
buf := bytes.newbuffer(output)
img, _ := imaging.decode(buf)
imaging.save(img, "test_a.png")
还是比较方便的，建一个 cmd struct, 利用正则匹配一下每个 operation 的参数，放入一个 []op slice, 最后执行，struct和方法如下：
type op interface {
getpipe() pipe.pipe
}
type resizeop struct {
width, height int
}
func (c resizeop) getpipe() pipe.pipe {
return resize(c.width, c.height)
}
//使用方法
cmdstr := `file/test.png|thumbnail/x300|blur/20x8`
cmd := cmd{cmdstr, "test_b.png", nil, nil}
cmd.parse()
cmd.doops()
sync.waitgroup
单个cmd处理解决后，就是多个cmd的并行问题，没啥好想的，直接用 sync.waitgroup 就可以完美解决。一步一步来，我们先看看这个struct的使用方法：
results := handlecmds(cmds)
fmt.println(len(results)) // 10000
}
func docmd(cmd string) string {
return fmt.sprintf("cmd=%s", cmd)
}
func handlecmds(cmds []string) (results []string) {
fmt.println(len(cmds)) //10000
var count uint64
group := sync.waitgroup{}
lock := sync.mutex{}
for _, item := range cmds {
// 计数加一
group.add(1)
go func(cmd string) {
result := docmd(cmd)
atomic.adduint64(&count, 1)
lock.lock()
results = append(results, result)
lock.unlock()
// 计数减一
group.done()
}(item)
}
// 阻塞
group.wait()
fmt.printf("count=%d \n", count) // 10000
return
}
group本质大概是一个计数器，计数 > 0时, group.wait() 会阻塞，直到 计数 == 0. 这里还有一点要注意，就是 results = append(results, result) 的操作是线程不安全的，清楚这里 results 是共享的，需要加锁来保证同步，否则最后 len(results) 不为 10000。
我们建一个benchcmd， 来存放 cmds. 如下：
func (b *benchcmd) docmds() {
for _, item := range b.cmds {
b.waitgroup.add(1)
go func(cmd cmd) {
cmd.parse()
err := cmd.doops()
b.lock.lock()
b.errs = append(b.errs, err)
b.lock.unlock()
b.waitgroup.done()
}(item)
}
b.waitgroup.wait()
}
最后的调用就像这样：
cmds = append(cmds, cmd_a)
cmds = append(cmds, cmd_b)
cmds = append(cmds, cmd_c)
bench := benchcmd{
cmds: cmds,
waitgroup: sync.waitgroup{},
lock: sync.mutex{},
}
bench.docmds()
fmt.println(bench.errs)
这只是一个初级的实验，思考还不够全面，并且只是模仿api，qiniu应该不是这么做的，耦合更低，可能各个cmd都有各自处理的集群，那pipe这个库就暂时没法解决了，目前的局限在于 每个cmd必须都在一个进程中。
如对本文有疑问， 点击进行留言回复！！
我要评论
网友评论