從 0 到 1 搭建技術中臺之報警平臺實踐:匹配器演進
本文介紹伴魚內部服務報警平臺中匹配器模塊的演進,及其利用 Lex 和 Yacc 同類工具構建 DSL 編譯器的過程。
背景
報警平臺是伴魚內部各端、應用、基礎設施等 服務異常狀態信息的集散中心 。整體流程如下圖所示:
信息源將信息投遞給報警平臺,後者將這些信息最終通過郵件、即時消息、電話呼叫的形式 路由 給理應關心它的人。總體而言,路由的需求可以分爲以下幾種:
- 路由給服務的負責人及其團隊
- 路由給服務依賴方人員及其團隊
- 路由給所有值班人員所在的即時消息羣
爲了滿足這樣的需求,報警平臺採用樹狀結構組織路由信息,如下圖所示:
每個節點是一個路由節點,節點上可以掛載不同的規則,如抑制規則、通知規則;也可以存放不同的配置信息,如觸發報警的閾值,以及相關負責人及其團隊的聯繫方式。
根路由是所有異常信息的必經之路,經過這裏的信息會路由給所有值班人員;一級子路由節點是所有的服務,經過這裏的信息會路由給該服務的負責人及其團隊;如果有其它團隊想要訂閱某服務的異常消息,如 Service A 團隊想要了解 Service B 的崩潰 (panic) 信息,則可以在 Service B 節點下創建子路由 Service B Panic ,並在上面配置 Service A 團隊的聯繫方式,從而達到訂閱目的。
那麼如何判斷一條報警信息將經過哪些路由節點,一條規則是否起作用?這就需要引入本文的主角: 匹配器 (matcher) ,每個路由、每條規則上都會掛載一個匹配器,當它成功匹配到報警信息時,路由和規則就會生效。一條典型的報警信息會有許多信息,我們不妨將它看作是任意數量的鍵值對,如:
複製代碼
{ "title":"Web 服務 ServiceB 崩潰報警 ", "source":"192.168.0.1", "error_type":"panic", "project_name":"ServiceB", "project_source":"web", "details":"(call stack)", //... }
我們可以試着寫出路由節點 ServiceB 及 Service B Panic 的匹配器:
- ServiceB :project_source 爲 web 且 project_name 爲 ServiceB
- Service B Panic :project_source 爲 web,且 project_name 爲 Service B,且 error_type 爲 panic
報警平臺的用戶需要親自配置部分路由和規則,能否定製一套簡單、易上手的 DSL?如:
複製代碼
project_source="web"AND project_name ="ServiceB"
這樣即使用戶不是工程師,看過幾個例子後也能熟練地書寫匹配表達式。
匹配表達式定義
匹配器表達式由原始表達式和複合表達式構成。原始表達式是最小的匹配器,有 完全匹配 和 正則匹配 兩種:
複製代碼
# 完全匹配 project_source="web" # 正則匹配 details=~"duplicate key when insert"
原始表達式的左手邊是報警信息的標籤,不帶雙引號;原始表達式的右手邊是匹配文本,帶雙引號。不同的原始表達式可通過二元關係運算,AND (且) 和 OR (或) ,組合成複合表達式如:
複製代碼
project_source="web"AND project_name ="ServiceB"OR"error_type"="panic"
類似於乘除之於加減,AND 的優先級大於 OR,如果要改變優先級,可通過增加括號來實現,如:
複製代碼
project_source="web"AND (project_name ="ServiceB"OR"error_type"="panic")
編譯過程
一個完整的編譯過程大致分三階段:
- 前端:驗證源碼的語法和語義,並解析成中間表述 (Immediate Representation, IR)
- 中端:針對 IR 作一些與目標 CPU 架構無關的優化
- 後端:針對目標 CPU 架構優化並生成可執行的機器指令
我們也可以將匹配器表達式理解成一門語言,但我們只需要將它轉化成合理的內存數據結構即可,因此這裏只涉及到完整編譯過程的前端:
- 詞法分析 (Lexical Analysis):將完整的語句拆成詞語和標點符號
- 語法分析 (Syntax Analysis):根據語法規範,將詞語和標點符合組合成抽象語法樹 (AST)
- 語義分析 (Semantic Analysis):向語法樹中添加語義信息,完成校驗變量類型等各種語義檢查
- 生成中間表述 (IR Generation):轉化成合理的內存數據結構
以下就是匹配表達式的 IR:
複製代碼
typePrimitiveMatcherstruct{ Labelstring Textstring IsRegexpbool re *regexp.Regexp } typeMatcherstruct{ PrimitiveMatcher *PrimitiveMatcher IsCompoundbool Operator MatcherOperator Operands []*Matcher }
其中 Matcher 既可以是原始匹配器 (表達式) 也可以是複合匹配器 (表達式)。
下面分別介紹報警平臺匹配器編譯器的兩個版本實現,Matcher Compiler V1 (MCV1) 和 Matcher Compiler V2 (MCV2)。
Matcher Compiler V1
在實現 MCV1 時我們並未從編譯的角度看待這個模塊,而只是單純地想實現從表達式到 IR 的轉化。憑藉工程師的本能,MCV1 將編譯的前端處理過程分成 3 步:
複製代碼
err = m.parseToken() iferr !=nil{ return } err = m.toElements() iferr !=nil{ return } returnm.buildMatcher()
parseToken
parseToken
將原始表達式轉化成一個詞語數組,是詞法分析的雛形,其整體過程如下:
複製代碼
fori, c := m.expr { hasLeftDoubleQuote :=false switchc { case'(': //... case')': //... case'=': //... case'~' //... default: //... } }
parseToken
需要許多狀態,如:
- 是否在括號內
- 是否在引號內
- 遇到
~
要考慮是否會和上一個字符共同組成=~
由於狀態較多,要同時考慮各種狀態及其之間的轉化過程,使得 parseToken
足夠健壯,過程燒腦且容易出錯。
toElements
toElements
遍歷詞語數組,構建其中的原始表達式,可以看作理解成是語法分析和語義分析的一部分,其整體過程如下:
複製代碼
fori, word :=rangem.words { switchstrings.ToLower(word) { case"=": leftWord, rightWord, _ := m.tryFetchBothSideWord(i) m.addElement(m.buildPrimitiveMatcher(leftWord, rightWord,false)) case"=~": leftWord, rightWord, _ := m.tryFetchBothSideWord(i) m.addElement(m.buildPrimitiveMatcher(leftWord, rightWord,true)) // deal with more cases default: // ... }
這部分邏輯比較簡單,遇到 =
或者 =~
時看一下前後的詞語,看是否能構成原始表達式。
buildMatcher
buildMatcher
遍歷 elements 數組,構建最終的樹狀複合表達式,其實就是中綴表達式的計算過程,是棧的典型 應用場景 ,利用操作符棧和操作數棧即可實現,其整體過程如下:
複製代碼
var( valueStack Stack opStack Stack ) fori, element :=rangem.elements { switche := element; { casee =="(": opStack.Push("(") casee ==")": forop := opStack.Pop(); op !="("{ rhs, lhs := valueStack.Pop(), valueStack.Pop() // apply } // operators caseisOp(e): currOp = e forprevOp := opStack.Peek(); precedence[currOp] <= precedence[prevOp] { opStack.Pop() rhs, lhs := valueStack.Pop(), valueStack.Pop() // apply prevOp } opStack.Push(currOp) default: valueStack.Push(e) } } // deal with the rest valueStack and opStack
MCV1 小結
MCV1 是憑藉工程師本能構建的一個模塊,優勢就在於可以迅速地搭建原型,驗證想法。從代碼健壯性角度看, parseToken
的狀態管理比較脆弱;從可讀性角度看,無法從邏輯中直接看出其所支持的語法,爲後期維護造成障礙;從可擴展性角度看, buildMatcher
目前只支持中綴表達式,如果有語法變化將整體邏輯產生較大影響;從效率角度看,編譯一次表達式需要 3 次遍歷,如果將 toElements
與 buildMatcher
邏輯合併可以優化到 2 次。
Matcher Compiler V2
爲了解決上述問題,我們想到了 Lex 和 Yacc。Lex 是 lexical analyzer generator,能夠幫助我們生成詞法分析器 (lexical analyzer);Yacc 是 parser generator,能夠幫助我們生成解析器 (parser),完成語法分析。Lex 和 Yacc 是 Unix 系統的原生工具,Linux 與 MacOS 平臺也都自帶這兩個工具。既然已經有前人爲我們栽樹,我們爲什麼不趁機乘涼?
Lex & Yacc
Lex 和 Yacc 的協作過程如下圖所示:
開發者將構詞規則和一些定製化邏輯 (C Code) 定義到 lex.l
文件中,利用 lex
命令生成詞法分析器;將語法規則和一些定製化邏輯定義到 parser.y
文件中,利用 yacc
命令生成解析器。詞法分析器的 yylex
方法將輸入文本轉化成 token,投餵給 yyparse
,後者根據語法和定製化邏輯將 token 流轉化成最終的目標數據結構,即 IR。
Example:Calculator
以一個支持加減運算的計算機爲例,先定義語法規則:
複製代碼
// parser.y %token NUMBER %% // 括號中的 $$ 表示語法左手邊 (LHS) 的值 // 括號中的 $1、$2、$3 表示語法右手邊 (RHS) 的值 statement: expression {printf("= %d\n", $1); } ; expression: NUMBER'+'NUMBER { $$ = $1+ $3; } | NUMBER'-'NUMBER { $$ = $1- $3; } | NUMBER { $$ = $1; } ;
第一行的 token
定義語法中的數據類型,由於單個字符本身沒有歧義,在 Lex 和 Yacc 無需特別定義單字符 token,如 +
和 -
,因此在這裏我們只需要數字 NUMBER
。在第一個 %%
之後,定義了計算器的語法,含義非常直白,可讀性強。
然後再定義構詞規則:
複製代碼
// lex.l %{ #include"y.tab.h" externintyylval; %} %% [0-9]+ { yylval = atoi(yytext);returnNUMBER; } [ \t] ; \nreturn0; .returnyytext[0]; %%
在兩個 %%
中間的就是構詞規則:
- 符合正則表達式
[0-9]+
就是數字類型的詞語,其對應的值爲atoi(yytext)
- 符合正則表達式
[ \t]
的不處理,即忽略空格和製表符 - 符合正則表達式
\n
的返回 0,即用換行符標識文本結束位置 - 符合正則表達式
.
的返回文本本身,即所有非數字的字符直接返回,這裏實際上指的就是+
和-
。
接下來只需要用 lex
和 yacc
命令生成詞法分析器和解析器,然後運行即可:
複製代碼
#MacOS $lex lex.l $yacc -d parser.y $gcc y.tab.c lex.yy.c -ly -ll -o calculator $./calculator >128 + 128 >= 256
對比分析
從代碼健壯性角度上看, lex
生成的詞法分析器已經經受時間的檢驗,開發者大可相信其代碼的健壯性;從可讀性角度看,構詞規則和語法規則定義簡短,通俗易懂;從可擴展性角度看,任何可以通過上下文無關文法 (context-free grammar) 表達的語法都能支持;從效率角度看, yylex
與 yyparse
可以流式地處理文本, yyparse
從 yylex
獲取詞語,即時地根據語法規則組合成 IR,這種做法使得編譯前端的工作只需要 1 次遍歷便可完成。但 lex
和 yacc
爲了支持更復雜的場景,其生成的代碼也會更復雜,這也是效率與通用性權衡的表現。
Nex & Goyacc
報警平臺使用 Go 語言編碼,直接使用 lex
和 yacc
需要引入 cgo
,這也使得二者的使用門檻變高。好在 Go 官方提供了 goyacc
,方便我們在 parser.y
中引入用 Go 語言編寫的定製化邏輯;斯坦福的一位博士 Ben Lynn 開源了它的 nex
項目,作爲用 Go 語言原生開發的詞法分析器生成器,能與 goyacc
兼容,形成類似 lex
和 yacc
一般的搭檔。接下來我們將利用 nex
和 goyacc
來實現匹配器編譯器。
與計算器的例子類似,我們先看語法規則中定義的數據類型:
複製代碼
%union{ strstring expr *MatchExpr pexpr *PrimitiveExpr } %token LABEL VALUE %token REG_EQ AND OR %type<expr> expr %type<pexpr> pexpr %type<str> LABEL VALUE %type<str> REG_EQ AND OR
其中,語法中的數據類型包括:
-
LABEL
:原子表達式的 LHS -
VALUE
:原子表達式的 RHS -
REG_EQ
、AND
、OR
分別爲正則匹配,且和或
此外我們還定義了原始表達式 pexpr
和複合表達式 expr
供定義語法規則時引用。由於語法中有多種關係運算符,它們的優先級不同,因此我們還需要定義運算符的優先級:
複製代碼
%left OR %left AND %left'('')'
left
表示先從運算符的 LHS 開始計算,三者的優先級關係是 OR < AND < '(' == ')'
,非常直觀。最後進入我們的語法規則:
複製代碼
// 匹配器表達式可以是空字符串,也可以是一個合法的表達式 matcher: { setResult(yylex, &Matcher{}) } | expr { setResult(yylex, $1) } // 表達式可能以下之一: // 複合表達式:expr AND expr // 複合表達式:expr OR expr // 原始表達式:pexpr // 括號表達式:(expr) expr: expr AND expr { $$ = &Matcher{IsCompound:true, Operator:$2, Operands:[]*Matcher{$1,$3}} } | expr OR expr { $$ = &Matcher{IsCompound:true, Operator:$2, Operands:[]*Matcher{$1,$3}} } | pexpr { $$ = &Matcher{IsCompound:false, PrimitiveMatcher:$1} } |'('expr')' { $$ = $2} // 原始表達式要麼是 LABEL = VALUE, 要麼是 LABEL =~ VALUE pexpr: LABEL'='VALUE { $$ = &PrimitiveMatcher{Label:$1, Text:$3, IsRegex:false} } | LABEL REG_EQ VALUE { $$ = &PrimitiveMatcher{Label:$1, Text:$3, IsRegex:true} }
每條語法規則的含義已經標明在註釋中,在每條語法規則之後,是 Go 語言編碼的簡單邏輯,告訴解析器在不同情況下如何拼裝 IR。搞定語法後,我們就可以定義構詞規則:
複製代碼
/[aA][nN][dD]/ { lval.str ="AND";returnAND } /[oO][rR]/ { lval.str ="OR";returnOR } /=~/ {returnREG_EQ } /=/ {returnint(yylex.Text()[0]) } /\(/ {returnint(yylex.Text()[0]) } /\)/ {returnint(yylex.Text()[0]) } /[A-Za-z][A-Za-z0-9_]*/ { lval.str = yylex.Text();returnLABEL } /".*"/ { lval.str = yylex.Text()[1:len(yylex.Text())-1];returnVALUE } /[ \t\r\n]+/ {/* white spaces ignored */} // packagec
- 大小寫無關的字符串 “AND” 返回類型
AND
;“OR” 返回類型OR
- “=~”、"="、"("、")" 直接返回相應的數據類型
- 正則表達式
/[A-Za-z][A-Za-z0-9_]*/
匹配的是原始表達式中的LABEL
- 正則表達式
/".*"/
匹配的是原始表達式中的VALUE
- 正則表達式
/[ \t\r\n]+/
匹配的是空格字符,即忽略所有類型的空格
最後使用 nex
和 goyacc
就可以生成詞法分析器和解析器:
複製代碼
$nex nex.l $goyacc -o parser.go parser.y
然後再把二者串起來即可:
複製代碼
// 忽略細節處理 funcCompile(ctx context.Context, in io.Reader)(m *Matcher, err error){ lr := NewLexer(in) yyParse(lr) iflr.parseResult ==nil{ err = SyntaxError return } m = lr.parseResult.(*Matcher) return }
Rob Pike Style Lexer
完成上面的工作,本可以告一段落,但有一個問題還困擾着我們:”爲什麼 Go 只推出了 yacc
的移植版本,而不順便推出 lex
的移植版本?“ 幾經周折找到了 Rob Pike 2011 年的一次演講: “Lexical Scanning in Go”。在演講中他認爲 ” lex
生成的代碼太多,過於複雜,用 Go 語言實現一個並非難事,且 Go 的 channel 能方便地實現 lex
和 yacc
的流水線協作。“ 儘管這種觀點也是在爲 Go 站臺,我們還是決定試一試他提出的 lexical scanning 方案。
詞法分析的過程,就是從輸入字符流起點掃描至終點的線性過程,在掃描期間,詞法分析器需要正確地判斷自己所處的狀態,以起點爲例,剛開始掃描,可能進入 LABEL
狀態,也可能進入 (
狀態:
複製代碼
labela="a"AND (labelb="b"ORlabelc="c") ↑ 在 LABEL 中 (labela="a") ORlabelb="b" ↑ 在'('中
掃描完 VALUE
後,可能進入 結束
狀態,也可能進入 )
狀態或 關係運算符
狀態:
複製代碼
labela="a"AND (labelb="b"ORlabelc="c") ↑ 進入 [關係運算符] 狀態 (labela="a") ↑ 進入 ')' 狀態 labela="a" ↑ 進入 [結束] 狀態
不難看出,這實際上就是一個狀態機,詳細的狀態轉移過程如下圖所示:
複製代碼
# start: [開始]; leftParen: '('; label: [標籤]; eq: [匹配符]; value: [文本]; # rightParen: ')'; binaryOp: [關係運算符]; end: [結束] +------------+ |rightParen|-------------+ +------------+| ^ || ||| +----------------------+ |----------------+| |v|v| |+-----------+ +-------+ +----+ +------------+ +-----+| ||start|-->|label|-->|eq|-->|value|-->|end|| |+-----------+ +-------+ +----+ +------------+ +-----+| ||^|| ||||| |v|v| |+-----------+|+------------+| +- |leftParen|+---------------------|binaryOp|<------------+ +-----------+ +------------+ ^| +------------------------------------------+
接下來就需要讓這個狀態機動起來:
複製代碼
typelexerstruct{ namestring// used only for error reports. inputstring// the string being scanned. startint// start position of this item. posint// current position in the input. widthint// width of last rune read from input. itemschanitem// channel of scanned items. } // stateFn represents the state of the scanner // as a function that returns the next state. typestateFnfunc(*lexer)stateFn func(l *lexer)run(){ forstate := lexStart; state !=nil; { state = state(l) } close(l.items) }
其中 stateFn
就是狀態轉移方程,約定當 stateFn == nil
時,狀態機停止,即 nil
就是結束狀態的轉移方程。接下來只需要定義各個狀態轉移方程即可:
複製代碼
funclexStart(l *lexer)stateFn{} funclexLabel(l *lexer)stateFn{} funclexLeftParen(l *lexer)stateFn{} funclexRightParen(l *lexer)stateFn{} funclexEq(l *lexer)stateFn{} funclexValue(l *lexer)stateFn{} funclexBinaryOp(l *lexer)stateFn{}
每當狀態即將轉移時, stateFn
內部就會將在本狀態中掃描到的詞語傳給 item channel
,這個 channel 就是 lexer 與 parser 之間通信的媒介。
值得一提的是,Go 的模板引擎 template,就是按照上述方式構建的,感興趣可以閱讀 源碼 。
參考文獻
- Compilers: Principles, Techniques, and Tools, the dragon book
- GeeksforGeeks: Expression Evaluation Problem
- Lex & Yacc, website , book
- Lexical Scanning in Go by Rob Pike , video , slides , go blog
- Go Template, source code