Tornado自定义分布式session框架

 

1、session框架处理请求执行的流程：

一、服务器端生成随机的cookie字符串

二、浏览器发送请求，服务器将cookie返回给浏览器。

三、服务器在生成一个字典。字典的key为cookie，value为另外一个小字典。小字典就是为用户设置的字典

四、用户再次访问时，发送cookie到服务器端。服务器端收到cookie后，再去字典里查看一下其对应的值是否正确。

2、必备知识点

在Tornado的源码执行流程里，全部咱们自定义的请求方法里都会继承一个基类：tornado.web.RequestHandler。这个类里有一个扩展点def initialize()。在tornado执行处理请求方法以前会先执行这里的方法。因此，咱们能够利用此扩展点来实现session框架。

 

在对session操做时，须要面向对象特殊成员的一个知识点：

#!/usr/bin/env python # -*- coding:utf-8 -*-
 
class Foo(object): def __getitem__(self, key): print  '__getitem__',key def __setitem__(self, key, value): print '__setitem__',key,value def __delitem__(self, key): print '__delitem__',key obj = Foo() result = obj['k1'] #obj['k2'] = 'wupeiqi' #del obj['k1']

面向对象特殊成员

经过这个方法，咱们就能够对session进行查找、建立、删除的操做。

3、代码实现

#!/usr/bin/env python # -*- coding:utf-8 -*-

import tornado.ioloop import tornado.web from hashlib import sha1 import os, time session_container = {} create_session_id = lambda: sha1('%s%s' % (os.urandom(16), time.time())).hexdigest() class Session(object): session_id = "__sessionId__"

    def __init__(self, request): session_value = request.get_cookie(Session.session_id)  # 根据自定义的值获取到客户端请求的cookie
        if not session_value:  # 若是没有说明是第一次请求，须要生成一个随机字符串看成cookie
            self._id = create_session_id() else: self._id = session_value request.set_cookie(Session.session_id, self._id) # ？？？？？

    def __getitem__(self, key): return session_container[self._id][key] def __setitem__(self, key, value): # user = chenchap pwd = 123.com
        if session_container.has_key(self._id): session_container[self._id][key] = value else: session_container[self._id] = {key: value} def __delitem__(self, key): del session_container[self._id][key] class BaseHandler(tornado.web.RequestHandler): def initialize(self): self.my_session = Session(self) class MainHandler(BaseHandler): def get(self): print self.my_session['c_user'] print self.my_session['c_card'] self.write('index') class LoginHandler(BaseHandler): def get(self): self.render('login.html', **{'status': ''}) def post(self, *args, **kwargs): username = self.get_argument('name') password = self.get_argument('pwd') if username == 'wupeiqi' and password == '123': self.my_session['c_user'] = 'chenchao' self.my_session['c_card'] = '123.com' self.redirect('/index') else: self.render('login.html', **{'status': '用户名或密码错误'}) settings = { 'template_path': 'template', 'static_path': 'static', 'static_url_prefix': '/static/', 'cookie_secret': 'aiuasdhflashjdfoiuashdfiuh', 'login_url': '/login' } application = tornado.web.Application([ (r"/index", MainHandler), (r"/login", LoginHandler), ], **settings) if __name__ == "__main__": application.listen(8888) tornado.ioloop.IOLoop.instance().start()

session_farm

4、分布式实现

 

在前面的程序代码中，咱们用的一个字典session_container = {}，来存放客户端session相关的信息。这样作的缺点就是数据容易丢失。基于这个缺点，咱们就能够把字典存放的方式改成拿专门的服务器来存放这些数据。如：redis、memcache等。可是若是只拿一台服务器来作这件事又会出现其余的缺点，如：宕机、负载太高等。因此，咱们要在找出一个办法解决这个不足。

如上图所示，咱们要实现多台机器同时运行来存放用户的session数据，首先生成一个哈希环。在这个环上存在几台机器的IP和权重。

当服务器对用户生成了新的cookie字符串时，咱们获得这个字符串，通过一致性哈希算法得出一个值。而后与机器所设置的权重作对比，就能够肯定要把这个用户的session信息放到哪一台服务器上。以后用户在次请求时，服务器就会根据用户发来的cookie通过计算后得知去哪一台服务器查找已经保存的session信息。

#!/usr/bin/env python #coding:utf-8

import sys import math from bisect import bisect if sys.version_info >= (2, 5): import hashlib md5_constructor = hashlib.md5 else: import md5 md5_constructor = md5.new class HashRing(object): """一致性哈希"""
    
    def __init__(self, nodes): ''' 初始化 nodes : 初始化的节点，其中包含节点以及节点对应的权重 默认每个节点有32个虚拟节点 对于权重，经过多建立虚拟节点来实现 如：nodes = [ {'host':'127.0.0.1:8000','weight':1}, {'host':'127.0.0.1:8001','weight':2}, {'host':'127.0.0.1:8002','weight':1}, ] ''' self.ring = dict() self._sorted_keys = [] self.total_weight = 0 self.__generate_circle(nodes) def __generate_circle(self,nodes): for node_info in nodes: self.total_weight += node_info.get('weight', 1)  # 计算出总的权重
            
        for node_info in nodes: weight = node_info.get('weight',1)   # 获取每一个节点的权重
            node = node_info.get('host',None)    # 获取每一个节点的host
 virtual_node_count = math.floor((32*len(nodes)*weight) / self.total_weight) for i in xrange(0,int(virtual_node_count)): key = self.gen_key_thirty_two( '%s-%s' % (node, i) ) if self._sorted_keys.__contains__(key): raise Exception('该节点已经存在.') self.ring[key] = node self._sorted_keys.append(key) def add_node(self,node): ''' 新建节点 node : 要添加的节点，格式为：{'host':'127.0.0.1:8002','weight':1}，其中第一个元素表示节点，第二个元素表示该节点的权重。 ''' node = node.get('host',None) if not node: raise Exception('节点的地址不能为空.') weight = node.get('weight',1) self.total_weight += weight nodes_count = len(self._sorted_keys) + 1 virtual_node_count = math.floor((32 * nodes_count * weight) / self.total_weight) for i in xrange(0,int(virtual_node_count)): key = self.gen_key_thirty_two( '%s-%s' % (node, i) ) if self._sorted_keys.__contains__(key): raise Exception('该节点已经存在.') self.ring[key] = node self._sorted_keys.append(key) def remove_node(self,node): ''' 移除节点 node : 要移除的节点 '127.0.0.1:8000' '''
        for key,value in self.ring.items(): if value == node: del self.ring[key] self._sorted_keys.remove(key) def get_node(self,string_key): '''获取 string_key 所在的节点''' pos = self.get_node_pos(string_key) if pos is None: return None return self.ring[self._sorted_keys[pos]].split(':') def get_node_pos(self,string_key): '''获取 string_key 所在的节点的索引'''
        if not self.ring: return None key = self.gen_key_thirty_two(string_key) nodes = self._sorted_keys pos = bisect(nodes, key)          # 根据一个列表和加密的字符串计算出一个数值

        return pos def gen_key_thirty_two(self, key): m = md5_constructor()   # md5加密
 m.update(key) return long(m.hexdigest(), 16) def gen_key_sixteen(self, key): b_key = self.__hash_digest(key) return self.__hash_val(b_key, lambda x: x) def __hash_val(self, b_key, entry_fn): return (( b_key[entry_fn(3)] << 24)|(b_key[entry_fn(2)] << 16)|(b_key[entry_fn(1)] << 8)| b_key[entry_fn(0)] ) def __hash_digest(self, key): m = md5_constructor() m.update(key) return map(ord, m.digest()) nodes = [ {'host':'127.0.0.1:8000','weight':15}, {'host':'127.0.0.1:8001','weight':20}, {'host':'127.0.0.1:8002','weight':10}, ] ring = HashRing(nodes) result = ring.get_node('sdgsdg1s56g156gge56rgerg4') print result

一致性哈希

 咱们能够经过设置每台机器的权重大小，来设计每台机器所承担的压力和重要性。

 

so.一开始的那段代码能够这么修改：

from hashlib import sha1 import os, time create_session_id = lambda: sha1('%s%s' % (os.urandom(16), time.time())).hexdigest() class Session(object): session_id = "__sessionId__"

    def __init__(self, request): session_value = request.get_cookie(Session.session_id) if not session_value: self._id = create_session_id() else: self._id = session_value request.set_cookie(Session.session_id, self._id) def __getitem__(self, key): # 根据 self._id ，在一致性哈西中找到其对应的服务器IP
        # 找到相对应的redis服务器，如： r = redis.StrictRedis(host='localhost', port=6379, db=0)
        # 使用python redis api 连接
        # 获取数据，即：
        # return self._redis.hget(self._id, name)

    def __setitem__(self, key, value): # 根据 self._id ，在一致性哈西中找到其对应的服务器IP
        # 使用python redis api 连接
        # 设置session
        # self._redis.hset(self._id, name, value)


    def __delitem__(self, key): # 根据 self._id 找到相对应的redis服务器
        # 使用python redis api 连接
        # 删除，即：
        return self._redis.hdel(self._id, name)

session