欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

使用Golang简单实现七牛图片处理API

程序员文章站 2022-07-05 08:52:09
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...

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

复制代码 代码如下:

{
    "id": "xxxxx",
    "pipeline": "xxx",
    "code": 0,
    "desc": "the fop was completed successfully",
    "reqid": "xtsaafnxubr5j10u",
    "inputbucket": "xxx",
    "inputkey": "xxxxx",
    "items": [
        {
            "cmd": "vframe/jpg/offset/1|imagemogr2/thumbnail/400x|saveas/zmftzs1wcml2yxrlom1vbwvudc9jb3zlci9zbmfwl3zpzgvvl2m5yzdjzjq5ltu3ngqtngzjms1izdfkltrkyjzkmzlkzwy1ni8wlza=",
            "code": 0,
            "desc": "the fop was completed successfully",
            "hash": "fhdn6v8ei4vw4xjgalsfxutvmeiv",
            "key": "xx",
            "returnold": 0
        },
        {
            "cmd": "vframe/jpg/offset/1|imagemogr2/thumbnail/400x|imagemogr2/blur/45x8|saveas/zmftzs1wcml2yxrlom1vbwvudc9jb3zlci9zbmfwl3zpzgvvl2m5yzdjzjq5ltu3ngqtngzjms1izdfkltrkyjzkmzlkzwy1ni8wlzbfymx1cg==",
            "code": 0,
            "desc": "the fop was completed successfully",
            "hash": "fgnirzrcsa7tzx1xvsb_4d5tiak3",
            "key": "xxx",
            "returnold": 0
        }
    ]
}

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:

复制代码 代码如下:

p := pipe.line(
    pipe.readfile("test.png"),
    resize(300, 300),
    blur(0.5),
)

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:

复制代码 代码如下:

type cmd struct {
    cmd    string
    saveas string
    ops    []op
    err    error
}

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:

复制代码 代码如下:

func main() {
    cmds := []string{}
    for i := 0; i < 10000; i++ {
        cmds = append(cmds, fmt.sprintf("cmd-%d", i))
    }

    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:

复制代码 代码如下:

type benchcmd struct {
    cmds      []cmd
    waitgroup sync.waitgroup
    errs      []error
    lock      sync.mutex
}

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:

复制代码 代码如下:

var cmds []cmd
cmd_a := cmd{`file/test.png|thumbnail/x300|blur/20x8`, "test_a.png", nil, nil}
cmd_b := cmd{`file/test.png|thumbnail/500x1000|blur/20x108`, "test_b.png", nil, nil}
cmd_c := cmd{`file/test.png|thumbnail/300x300`, "test_c.png", nil, nil}

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。