[开发测试]Stratovirt-Hydropper源码分析之monitor模块

前言

hydropper是一个基于pytest的轻量级测试框架，在其基础上封装了虚拟化的相关测试原子，用于stratovirt的黑盒测试。当前hydropper已经提供了一些测试用例，可以帮助开发人员发现和定位stratovirt的问题。
monitor模块完成的任务是创建子进程用于对虚拟机的监控。截止写稿日期，openEuler社区的Hydropper源码内已经提供了三个监控文件，本文将会针对三个文件进行源码分析。
此外，Stratovirt的内存监控能力还远远不及完整一说，还有许多功能等待开发者的完善。欢迎加入到openEuler开源社区，成为我们的一员。

monitor_info.py分析

该文件中包含了一个类：

class MonitorInfo(threading.Thread)

可见，类MonitorInfo继承于threading库中的Thread类

· init

• monitor_type：监控器类型，也可被解释为监控器名称（在监控器种类尚不齐全的当下）
• monitor_cycle：监控器间隔时间，若实际监控用时较短也可被称为监控周期
• monitor_level：监控等级
• _state：监控线程状态。常用属性值有init、stop、running。
• state_lock：状态锁。为了让线程并发合理进行。常用属性值有locked、unlocked
• _enable：使能。激活和停用虚拟机。为布尔型变量
• e_queue：事件队列，用于处理监控检测到的事件

· enable&disable

分别将_enable属性置为True/False

· set_state

尝试改变状态时，用with进行检测，如果state_lock是locked，则报错；如果是unlocked，则将状态进行更新

· run

1. 将状态设置为running
2. 如果状态不是stop，就按间隔时间睡眠。（sleep前应该有要做的工作，只是没有写出）

· check

检查虚拟机运行是否正常

· enqueue

1. 通过参数生成一个事项字典，其中包括了监视器类型monitor_type、事项等级level、错误信息errmsg
2. 尝试将事项以非阻塞的形式放入事项队列
3. 如果队列已满，报错相应内容

mem_usage_info.py分析

该文件包含了一个专门用于检测内存使用的类：

class MemoryUsageExceededInfo(monitor_info.MonitorInfo)

可见，该类继承于MonitorInfo类

· init

• 默认最大内存为4M

1. 设置监视器类型为内存使用，周期设置为10s，继承父类
2. 设置pid、最大内存、客户机内存限制

· update_pid

更新监控线程的pid

· check

    def check(self):
        """
        Check memory usage exceeded or not(overwrite to the monitorinfo)

        Returns:
            (bool, level, err_msg)
        """
        exceeded = False
        level = "info"
        err_msg = ""
        pmap_cmd = "pmap -xq {}".format(self._pid)
        mem_total = 0
        try:
            pmap_out = run(pmap_cmd, shell=True, check=True,
                           stdout=PIPE).stdout.decode('utf-8').split("\n")
        except CalledProcessError:
            return exceeded
        for line in pmap_out:
            tokens = line.split()
            if not tokens:
                break
            try:
                total_size = int(tokens[1])
                rss = int(tokens[2])
            except ValueError:
                continue
            if total_size > self.guest_memory_limit:
                # this is the guest memory region
                continue
            mem_total += rss

        logging.debug("mem_total:%s", mem_total)

        if mem_total >= self.max_memory:
            exceeded = True
            level = "error"
            err_msg = "memory usage is %s, it's greater than %s" % (mem_total, self.max_memory)

        return exceeded, level, err_msg

1. 初始化信息和命令
2. 输入命令行，获取对应pid的进程内存使用情况
3. 对获取到的内容进行处理，得到进程内存使用总量
4. 如果计算得到的数大于等于规定的最大使用量，则返回报错信息

monitor_thread.py分析

该文件包含了一个专门用于线程检测的类：

class MonitorThread(threading.Thread)
	items = dict()

可见，该类继承于Thread类，并且创建了一个监控器项字典

· init

1. 继承父类
2. 初始化状态锁保证进程同步
3. 初始化状态为init

· set_state

如果状态锁为unlocked状态，将状态修改

· stop

通过set_state函数将状态设置为stop

· add_item

1. 向监控器项字典中添加监控，key为监控器类型，value为监控器名称
2. 运行该监控器，返回真

· del_item

1. 将监控器线程关闭，阻塞其线程
2. 如果该监控器存在于监控器项字典，则将其删除
3. 如果删除动作后监控器依旧处于激活状态，则写debug级日志，返回假
4. 否则写debug级日志，返回真

· run

1. 将状态设置为running
2. 当状态不为stop时一直循环：从事件队列获取到内容，用event_handler函数来处理；如果为空，则do nothing

· event_handler

1. 如果事件类型存在于监控器项字典中，则
2. 如果字典中对应类型有event_handler属性，则获得其属性值处理当前事件
3. 否则如果事件等级为fatal或者error，写error级日志