关于解决python线上问题的几种有效技术

背景

     项目组开发的游戏客户端使用的脚本是python，服务器也是python。之所以选择python，主要还是基于开发效率的考虑，毕竟这是脚本语言天生的优势；其次就是有很多库，不用自己再造轮子了。可能使用过python的同学都会认为python比较耗，运行效率不高，一个简单的赋值语句就包含了多个对象的生成和释放。但其实现在服务器的性能非常好，通常性能都是过剩的，所以python在服务器上高效地跑是完全没问题的；至于客户端，性能的瓶颈主要还是在引擎层，在一帧中最多也就20%的时间在执行脚本，超过太多说明逻辑写的有问题或者可以分摊到多帧去执行。本文主要介绍下在使用python脚本的情况下解决线上问题的几种有效技术，其它语言应该也有类似的技术，特别是脚本语言，这里只是做个抛砖引玉~~

热更新（hotfix）

     这种技术主要是针对情况比较紧急，并且bug是脚本逻辑错误导致的。如客户端逻辑写的有问题导致出现exception，使得玩家某个玩法不能玩，或者是服务端某个代码逻辑写的有问题。这种技术实现的主要思路是（以热更新客户端为例）：服务器将修正的代码发送到客户端，客户端动态执行这段代码来修复bug。用python来实现这个其实非常简单，只需要在客户端内嵌的python虚拟机中动态编译服务端发过来的代码，并执行这段代码就行了。例如：现在客户端有下面一段的代码，这段代码是有错误的。

1 #模块test
2 
3 def not_has_a(x):
4     return hasattr(x, 'a')

      本来上面代码是希望x对象没有a属性后返回True，但现在情况正好反过来了。现在我们需要写一段代码来修正这个问题，也就是写一段代码给python虚拟机执行，动态修改test模块中not_has_a函数的定义。这个在python中很好实现的，因为python中函数也是一个对象，模块中只是根据函数名来索引对应的函数对象的，所以我们只需要重新定义一个新的not_has_a函数对象，将模块中根据not_has_a函数名索引的对象指向新定义的函数对象就行。具体代码如下：

1 import test
2 
3 def not_has_a(x)
4     return not hasattr(x, 'a')
5 
6 setattr(test, 'not_has_a', not_has_a)

      最后就是让python虚拟机执行上面的代码。首先服务端会把上面代码的字符串发送给客户端，客户端接收到代码后编译这段字符串，然后执行就可以了，具体代码如下：

1 def hotfix(self, hotfix_content):
2     compiled_code = compile(hotfix_content, 'hotfix', 'exec')
3     import __main__
4     exec compiled_code in __main__.__dict__

日志系统（logging）

      如果产品上线出现问题，最快定位、发现和解决问题的有效方法就是查看日志，所以日志系统应该也必须是线上系统的组成部分之一。python在代码中输出日志很简单，使用logging模块就行，不需要自己再超轮子了，获取模块日志器代码如下：

 1 def get_logger (moduleName):
 2     logger = logging.getLogger(moduleName)
 3     logger.setLevel(logging.DEBUG)
 4     ch = logging.StreamHandler()
 5     ch.setLevel(logging.DEBUG)
 6     formatter = logging.Formatter(
 7                         "%(asctime)s - %(name)s - %(levelname)s - %(message)s")
 8     ch.setFormatter(formatter)
 9     logger.addHandler(ch)
10     return logger

有了模块日志器，我们就可以通过日志器在代码中输出日志信息了。例如打印一些trace信息：

 1 logger = get_logger('test')
 2 try:
 3     1 / 0
 4 except:
 5     import  traceback
 6     logger.error(traceback.format_exc())
 7 logger.info('info')
 8 logger.debug('debug')
 9 logger.warning('warning')
10 logger.error('error')
11 logger.critical('critical')

远程连接（telnet）

      虽然有了上面的日志系统后，遇到线上问题我们可以很快的定位问题，但可能有时候只有这些信息还不够，我们还想查看出问题的地方涉及的类或者模块的一些变量的信息。虽然也可以通过日志的方式进行查看，但每次输出log都要把相关的变量值都输出一来会导致log信息增多，影响系统性能；二来大部分时间这些变量的信息是没用的，只有出现了问题才需要。python提供了code.InteractiveConsole类，它的功能类似于python的命令行交互解释器，可以将一段python代码字符串push到code.InteractiveConsole类实例中，code.InteractiveConsole类实例会让python虚拟机去执行这段代码，并返回执行结果。为了做到类似于python命令行交互解释器那样直接以命令行方式运行，很方便，不需要运行特殊的客户端，我们使用telnet来连接python虚拟机，通过telnet将输入的python代码发送给code.InteractiveConsole类实例。这种方法需要在系统初始化的时候启动一个类似telnet服务，用来监听telnet客户端的连接，并将客户端发过来的python代码push到code.InteractiveConsole类实例中去执行。有了这个功能后，通过telnet就可以连接上python虚拟机了，通过导入模块可以很容易的获得模块全局变量的内容。如果需要获取类实例中变量的内容，可以通过将类实例存放在模块的全局变量中的方式来获取。除了可以查看变量内容，还可以修改变量的内容，调用某些函数等，这在debug一些功能的时候非常的方便。

objgraph

      相较于传统C、C++语言，Python语言不存在真正的内存泄漏问题，依靠引用计数机制及标记-清除算法，Python中的gc模块可以很好地为代码编写者管理内存。但每次gc需要遍历所有对象进行标记-清除操作，找到存在循环引用的应该被释放的对象。这个过程是非常耗时的，所以如果频繁的gc，将会导致客户端发过来的请求长时间无法得到响应，这是不能容忍的。python的垃圾回收机制是标记-清除算法加分代策略，在这个主体机制下，我们能够控制的东西不多，主要是对分代策略中的几个参数进行控制。《python源码剖析》对于分代策略的描述是：将系统中的所有内存块根据其存活时间划分为不同的集合，每一个集合就称为一个“代”，垃圾收集的频率随着“代”的级别的增大而减小。新对象被加入最年轻的一代（0代），当对象在一次垃圾收集过程中存活下来时，将被移往更老的一代，更老一代的收集频率相对较低。本代是否应该进行垃圾回收由一个阈值控制，这个通过python提供的gc.set_threshold(threshold0,[, threshold1[, threshold2]])来进行设置，threshold0代表新建对象与销毁对象的差值上限，threshold1和threshold2均代表上一代运行多少次垃圾收集算法之后，自己这一代则进行垃圾回收。Python对于threshold的默认配置是(700, 10, 10)，即第0代最多700个对象，第1代最多7000个，第2代在第一次进行回收时对象最多有70000个。可以通过这个接口将阈值设置大点减少gc次数，但也不能设置太大，这样会消耗比较多的内存，并且一次gc所消耗的时间也会更长。即使把阈值设置的比较大，如果代码中存在不停的产生循环引用对象的话，依然会频繁触发gc。为了降低gc次数，我们就需要找到产生循环引用的代码，手动解掉这些循环引用。查循环引用一个很好的工具就是objgraph，里头有很多工具函数，比如show_most_common_types，可以看到实例最多的那些类，大部分情况下只需要看一眼就知道哪些类实例次数不正常了。还可以show_growth，看类型的增长速度。例如下面进行了10000次循环，每次循环都会创建A和B的实例，并且它们互相引用，最后通过show_most_common_types可以看到A和B的实例个数为10000。

 1 class A(object):
 2    def __init__(self):
 3       self.other = None
 4 
 5    def set_other(self, other):
 6       self.other = other
 7 
 8 class B(object):
 9    def __init__(self, other):
10       self.other = other
11 
12 if __name__ == '__main__':
13    gc.disable()
14    for i in xrange(10000):
15       a = A()
16       b = B(a)
17       a.set_other(b)
18    print objgraph.most_common_types(50)

strace和gdb神器

      对于在linux做开发的人来说，对strace和gdb肯定不陌生，因为我们经常需要用到它们，不管程序处于线上还是开发阶段。当程序的行为与我们的逻辑不符合的时候（写代码肯定会遇到~~），特别是一些静态语言，如c/c++，出了问题很麻烦。打log？，需要重新编译运行，如果是线上程序基本行不通。即使是脚本语言，如果脚本导致虚拟机层出现问题，基本很难排除定位问题。这时候可以使用strace来跟踪程序的系统调用，大致估计程序的行为。例如当你的程序阻塞在某个IO上时，但不知道具体阻塞在哪个IO的时候，可以通过strace很明确的看到程序发送的系统调用信息，获取IO对应的fd，然后通过lsof查看这个程序的所有fd信息，就可以定位到具体阻塞在哪个IO上了。gdb神器更不用说了，debug的利器，即使是线上的程序，也可以通过attach的方式进行debug，设置断点，查看变量，堆栈等信息。

总结

      上面的这些技术仅仅是个思想，正如开头说的，只是个抛砖引玉，不仅限于python语言，其实还有很多其它的实用的线上技术，欢迎知道的补充哈~~~。