开源C语言库Melon：用户态动态追踪与控制反馈
前言
本文根据开源C语言库Melon的最新特性，讲述使用该库做用户态动态追踪，以及根据追踪内容进行计算，并将结果用于反馈给程序，同时对程序的处理流程进行影响。
说到动态追踪，大家可能第一印象是bpf、dtrace、systemtap等等，但是本文介绍的动态追踪不依赖于这些内容。Melon中提供的功能更加倾向于让程序在用户态内完成对自身的动态追踪，而不依赖于内核态，也不依赖于uprobe和usdt等内容。
关于 Melon 库，这是一个开源的 C 语言库，它具有：开箱即用、无第三方依赖、安装部署简单、中英文文档齐全等优势。
Github: https://github.com/Water-Melon/Melon
原理
简单来说，Melon库的动态追踪也是在程序中加入跟踪点。只是在Melon中，一个应用程序被划分为两个层面（但都运行在同一个进程中）：
- C代码层
- Melang脚本代码层
两个代码层面可以运行在同一线程，也可以运行在不同线程中，但需要运行于同一进程下。
换言之：跟踪点信息会在C层被抛出，传入给指定的脚本任务，然后脚本任务接收信息并进行处理。
这么看，似乎和在程序中记录日志，然后额外写一个程序来读取日志进行处理没有什么区别，那么这么做的好处是什么呢？
优势：
- 不需要对日志的格式进行解析，即可直接拿到对应类型的数据
- 脚本侧运算后可进行远程传输或者入库（脚本库函数保证）
- 即使在同一线程下，脚本任务执行也不会长期中断C层逻辑，脚本和C逻辑是自动分时处理的
- 利用脚本侧的反馈机制，可以将运算结果传回C层，让C代码层的执行逻辑根据结果进行变更，例如：服务降级
示例
下面来看一个非常简单的例子：
#include <stdio.h>
#include "mln_log.h"
#include "mln_core.h"
#include "mln_trace.h"
#include "mln_conf.h"
#include "mln_event.h"int timeout = 100;static void timeout_handler(mln_event_t *ev, void *data)
{mln_trace("sir", "Hello", getpid(), 3.1);mln_event_timer_set(ev, timeout, NULL, timeout_handler);
}static int recv_handler(mln_lang_ctx_t *ctx, mln_lang_val_t *val)
{timeout += val->data.i;return 0;
}int main(int argc, char *argv[])
{mln_event_t *ev;struct mln_core_attr cattr;cattr.argc = argc;cattr.argv = argv;cattr.global_init = NULL;cattr.main_thread = NULL;cattr.master_process = NULL;cattr.worker_process = NULL;if (mln_core_init(&cattr) < 0) {fprintf(stderr, "Melon init failed.\n");return -1;}if ((ev = mln_event_new()) == NULL) {mln_log(error, "event new error\n");return -1;}if (mln_trace_init(ev, mln_trace_path()) < 0) {mln_log(error, "trace init error\n");return -1;}mln_trace_recv_handler_set(recv_handler);mln_event_timer_set(ev, 1000, NULL, timeout_handler);mln_event_dispatch(ev);return 0;
}
简单来描述下程序流程：
- 对Melon库进行全局初始化（
mln_core_init) - 初始化事件对象
- 初始化跟踪脚本
- 设置用于处理脚本层发来数据的函数
- 设置超时事件
- 事件分发，超时事件会被触发
在超时处理函数timeout_handler中，我们利用mln_trace向脚本任务发送了三个不同类型的数据，然后继续设置超时事件。
超时时长是一个全局变量timeout，初始为100，即100毫秒。
当脚本层发来数据时，这里我们约定脚本层一定发来的是一个整数，那么在接收函数recv_handler中，我们将这一数值与timeout进行累加，作为随后的超时时长。
由此，可以猜测，程序中每秒向脚本层投递的数据量会越来越少。
下面给出脚本层代码：
sys = Import('sys');
if (MASTER)sys.print('master process');
elsesys.print('worker process');Pipe('subscribe');
while (1) {ret = Pipe('recv');if (ret) {for (i = 0; i < sys.size(ret); ++i) {sys.print(ret[i]);}Pipe('send', 100);} fisys.msleep(1000);
}
Pipe('unsubscribe');
简单描述下脚本层逻辑就是，每秒钟从C层接收一批数据，然后向终端输出，且在输出后，向C层发送一个整数100。
下面来看下程序运行结果：
...
[Hello, 72173, 3.100000, ]
[Hello, 72173, 3.100000, ]
[Hello, 72173, 3.100000, ]
...
会看到很多上述输出，但是读者若自己运行则会发现，每秒钟的输出行数会越来越少，这与我们的程序逻辑是相符合的。
结语
从这一例子中，我们可以看到，我们既可以在脚本侧做跟踪统计，也可以向C层施加影响。而最关键的三点是：
- C层中不需要增加额外的统计变量和结构
- C层与脚本层在代码管理层面上是分离的，互不干扰
- 两个层面的代码运行在同一个线程下
为了简化演示代码，上面的例子中没有给出在脚本层做网络通信和数据入库，但这些功能Melang脚本全部支持，感兴趣的读者可以参考Melang官网。
最后，对于Melon库感兴趣的读者可以访问其Github仓库获取更多信息。
感谢阅读！