go控制goroutine数量 go中控制goroutine数量的方法
liz 人气:0前言
goroutine被无限制的大量创建,造成的后果就不啰嗦了,主要讨论几种如何控制goroutine的方法
控制goroutine的数量
通过channel+sync
var ( // channel长度 poolCount = 5 // 复用的goroutine数量 goroutineCount = 10 ) func pool() { jobsChan := make(chan int, poolCount) // workers var wg sync.WaitGroup for i := 0; i < goroutineCount; i++ { wg.Add(1) go func() { defer wg.Done() for item := range jobsChan { // ... fmt.Println(item) } }() } // senders for i := 0; i < 1000; i++ { jobsChan <- i } // 关闭channel,上游的goroutine在读完channel的内容,就会通过wg的done退出 close(jobsChan) wg.Wait() }
通过WaitGroup启动指定数量的goroutine,监听channel的通知。发送者推送信息到channel,信息处理完了,关闭channel,等待goroutine依次退出。
使用semaphore
package main import ( "context" "fmt" "sync" "time" "golang.org/x/sync/semaphore" ) const ( // 同时运行的goroutine上限 Limit = 3 // 信号量的权重 Weight = 1 ) func main() { names := []string{ "小白", "小红", "小明", "小李", "小花", } sem := semaphore.NewWeighted(Limit) var w sync.WaitGroup for _, name := range names { w.Add(1) go func(name string) { sem.Acquire(context.Background(), Weight) // ... 具体的业务逻辑 fmt.Println(name, "-吃饭了") time.Sleep(2 * time.Second) sem.Release(Weight) w.Done() }(name) } w.Wait() fmt.Println("ending--------") }
借助于x包中的semaphore,也可以进行goroutine的数量限制。
线程池
不过原本go中的协程已经是非常轻量了,对于协程池还是要根据具体的场景分析。
对于小场景使用channel+sync就可以,其他复杂的可以考虑使用第三方的协程池库。
几个开源的线程池的设计
fasthttp中的协程池实现
fasthttp比net/http效率高很多倍的重要原因,就是利用了协程池。来看下大佬的设计思路。
1、按需增长goroutine数量,有一个最大值,同时监听channel,Server会把accept到的connection放入到channel中,这样监听的goroutine就能处理消费。
2、本地维护了一个待使用的channel列表,当本地channel列表拿不到ch,会在sync.pool中取。
3、如果workersCount没达到上限,则从生成一个workerFunc监听workerChan。
4、对于待使用的channel列表,会定期清理掉超过最大空闲时间的workerChan。
看下具体实现
// workerPool通过一组工作池服务传入的连接 // 按照FILO(先进后出)的顺序,即最近停止的工作人员将为下一个工作传入的连接。 // // 这种方案能够保持cpu的缓存保持高效(理论上) type workerPool struct { // 这个函数用于server的连接 // It must leave c unclosed. WorkerFunc ServeHandler // 最大的Workers数量 MaxWorkersCount int LogAllErrors bool MaxIdleWorkerDuration time.Duration Logger Logger lock sync.Mutex // 当前worker的数量 workersCount int // worker停止的标识 mustStop bool // 等待使用的workerChan // 可能会被清理 ready []*workerChan // 用来标识start和stop stopCh chan struct{} // workerChan的缓存池,通过sync.Pool实现 workerChanPool sync.Pool connState func(net.Conn, ConnState) } // workerChan的结构 type workerChan struct { lastUseTime time.Time ch chan net.Conn }
Start
func (wp *workerPool) Start() { // 判断是否已经Start过了 if wp.stopCh != nil { panic("BUG: workerPool already started") } // stopCh塞入值 wp.stopCh = make(chan struct{}) stopCh := wp.stopCh wp.workerChanPool.New = func() interface{} { // 如果单核cpu则让workerChan阻塞 // 否则,使用非阻塞,workerChan的长度为1 return &workerChan{ ch: make(chan net.Conn, workerChanCap), } } go func() { var scratch []*workerChan for { wp.clean(&scratch) select { // 接收到退出信号,退出 case <-stopCh: return default: time.Sleep(wp.getMaxIdleWorkerDuration()) } } }() } // 如果单核cpu则让workerChan阻塞 // 否则,使用非阻塞,workerChan的长度为1 var workerChanCap = func() int { // 如果GOMAXPROCS=1,workerChan的长度为0,变成一个阻塞的channel if runtime.GOMAXPROCS(0) == 1 { return 0 } // 如果GOMAXPROCS>1则使用非阻塞的workerChan return 1 }()
梳理下流程:
1、首先判断下stopCh是否为nil,不为nil表示已经started了;
2、初始化wp.stopCh = make(chan struct{}),stopCh是一个标识,用了struct{}不用bool,因为空结构体变量的内存占用大小为0,而bool类型内存占用大小为1,这样可以更加最大化利用我们服务器的内存空间;
3、设置workerChanPool的New函数,然后可以在Get不到东西时,自动创建一个;如果单核cpu则让workerChan阻塞,否则,使用非阻塞,workerChan的长度设置为1;
4、启动一个goroutine,处理clean操作,在接收到退出信号,退出。
Stop
func (wp *workerPool) Stop() { // 同start,stop也只能触发一次 if wp.stopCh == nil { panic("BUG: workerPool wasn't started") } // 关闭stopCh close(wp.stopCh) // 将stopCh置为nil wp.stopCh = nil // 停止所有的等待获取连接的workers // 正在运行的workers,不需要等待他们退出,他们会在完成connection或mustStop被设置成true退出 wp.lock.Lock() ready := wp.ready // 循环将ready的workerChan置为nil for i := range ready { ready[i].ch <- nil ready[i] = nil } wp.ready = ready[:0] // 设置mustStop为true wp.mustStop = true wp.lock.Unlock() }
梳理下流程:
1、判断stop只能被关闭一次;
2、关闭stopCh,设置stopCh为nil;
3、停止所有的等待获取连接的workers,正在运行的workers,不需要等待他们退出,他们会在完成connection或mustStop被设置成true退出。
clean
func (wp *workerPool) clean(scratch *[]*workerChan) { maxIdleWorkerDuration := wp.getMaxIdleWorkerDuration() // 清理掉最近最少使用的workers如果他们过了maxIdleWorkerDuration时间没有提供服务 criticalTime := time.Now().Add(-maxIdleWorkerDuration) wp.lock.Lock() ready := wp.ready n := len(ready) // 使用二分搜索算法找出最近可以被清除的worker // 最后使用的workerChan 一定是放回队列尾部的。 l, r, mid := 0, n-1, 0 for l <= r { mid = (l + r) / 2 if criticalTime.After(wp.ready[mid].lastUseTime) { l = mid + 1 } else { r = mid - 1 } } i := r if i == -1 { wp.lock.Unlock() return } // 将ready中i之前的的全部清除 *scratch = append((*scratch)[:0], ready[:i+1]...) m := copy(ready, ready[i+1:]) for i = m; i < n; i++ { ready[i] = nil } wp.ready = ready[:m] wp.lock.Unlock() // 通知淘汰的workers停止 // 此通知必须位于wp.lock之外,因为ch.ch // 如果有很多workers,可能会阻塞并且可能会花费大量时间 // 位于非本地CPU上。 tmp := *scratch for i := range tmp { tmp[i].ch <- nil tmp[i] = nil } }
主要是清理掉最近最少使用的workers如果他们过了maxIdleWorkerDuration时间没有提供服务
getCh
获取一个workerChan
func (wp *workerPool) getCh() *workerChan { var ch *workerChan createWorker := false wp.lock.Lock() ready := wp.ready n := len(ready) - 1 // 如果ready为空 if n < 0 { if wp.workersCount < wp.MaxWorkersCount { createWorker = true wp.workersCount++ } } else { // 不为空从ready中取一个 ch = ready[n] ready[n] = nil wp.ready = ready[:n] } wp.lock.Unlock() // 如果没拿到ch if ch == nil { if !createWorker { return nil } // 从缓存中获取一个ch vch := wp.workerChanPool.Get() ch = vch.(*workerChan) go func() { // 具体的执行函数 wp.workerFunc(ch) // 再放入到pool中 wp.workerChanPool.Put(vch) }() } return ch }
梳理下流程:
1、获取一个可执行的workerChan,如果ready中为空,并且workersCount没有达到最大值,增加workersCount数量,并且设置当前操作createWorker = true;
2、ready中不为空,直接在ready获取一个;
3、如果没有获取到则在sync.pool中获取一个,之后再放回到pool中;
4、拿到了就启动一个workerFunc监听workerChan,处理具体的业务逻辑。
workerFunc
func (wp *workerPool) workerFunc(ch *workerChan) { var c net.Conn var err error // 监听workerChan for c = range ch.ch { if c == nil { break } // 具体的业务逻辑 ... c = nil // 释放workerChan // 在mustStop的时候将会跳出循环 if !wp.release(ch) { break } } wp.lock.Lock() wp.workersCount-- wp.lock.Unlock() } // 把Conn放入到channel中 func (wp *workerPool) Serve(c net.Conn) bool { ch := wp.getCh() if ch == nil { return false } ch.ch <- c return true } func (wp *workerPool) release(ch *workerChan) bool { // 修改 ch.lastUseTime ch.lastUseTime = time.Now() wp.lock.Lock() // 如果需要停止,直接返回 if wp.mustStop { wp.lock.Unlock() return false } // 将ch放到ready中 wp.ready = append(wp.ready, ch) wp.lock.Unlock() return true }
梳理下流程:
1、workerFunc会监听workerChan,并且在使用完workerChan归还到ready中;
2、Serve会把connection放入到workerChan中,这样workerFunc就能通过workerChan拿到需要处理的连接请求;
3、当workerFunc拿到的workerChan为nil或wp.mustStop被设为了true,就跳出for循环。
panjf2000/ants
先看下示例
示例一
package main import ( "fmt" "sync" "sync/atomic" "time" "github.com/panjf2000/ants" ) func demoFunc() { time.Sleep(10 * time.Millisecond) fmt.Println("Hello World!") } func main() { defer ants.Release() runTimes := 1000 var wg sync.WaitGroup syncCalculateSum := func() { demoFunc() wg.Done() } for i := 0; i < runTimes; i++ { wg.Add(1) _ = ants.Submit(syncCalculateSum) } wg.Wait() fmt.Printf("running goroutines: %d\n", ants.Running()) fmt.Printf("finish all tasks.\n") }
示例二
package main import ( "fmt" "sync" "sync/atomic" "time" "github.com/panjf2000/ants" ) var sum int32 func myFunc(i interface{}) { n := i.(int32) atomic.AddInt32(&sum, n) fmt.Printf("run with %d\n", n) } func main() { var wg sync.WaitGroup runTimes := 1000 // Use the pool with a method, // set 10 to the capacity of goroutine pool and 1 second for expired duration. p, _ := ants.NewPoolWithFunc(10, func(i interface{}) { myFunc(i) wg.Done() }) defer p.Release() // Submit tasks one by one. for i := 0; i < runTimes; i++ { wg.Add(1) _ = p.Invoke(int32(i)) } wg.Wait() fmt.Printf("running goroutines: %d\n", p.Running()) fmt.Printf("finish all tasks, result is %d\n", sum) if sum != 499500 { panic("the final result is wrong!!!") } }
设计思路
整体的设计思路
梳理下思路:
1、先初始化缓存池的大小,然后处理任务事件的时候,一个task分配一个goWorker;
2、在拿goWorker的过程中会存在下面集中情况;
- 本地的缓存中有空闲的goWorker,直接取出;
- 本地缓存没有就去sync.Pool,拿一个goWorker;
3、如果缓存池满了,非阻塞模式直接返回nil,阻塞模式就循环去拿直到成功拿出一个;
4、同时也会定期清理掉过期的goWorker,通过sync.Cond唤醒其的阻塞等待;
5、对于使用完成的goWorker在使用完成之后重新归还到pool。
具体的设计细节可参考,作者的文章Goroutine 并发调度模型深度解析之手撸一个高性能 goroutine 池
go-playground/pool
go-playground/pool会在一开始就启动
先放几个使用的demo
Per Unit Work
package main import ( "fmt" "time" "gopkg.in/go-playground/pool.v3" ) func main() { p := pool.NewLimited(10) defer p.Close() user := p.Queue(getUser(13)) other := p.Queue(getOtherInfo(13)) user.Wait() if err := user.Error(); err != nil { // handle error } // do stuff with user username := user.Value().(string) fmt.Println(username) other.Wait() if err := other.Error(); err != nil { // handle error } // do stuff with other otherInfo := other.Value().(string) fmt.Println(otherInfo) } func getUser(id int) pool.WorkFunc { return func(wu pool.WorkUnit) (interface{}, error) { // simulate waiting for something, like TCP connection to be established // or connection from pool grabbed time.Sleep(time.Second * 1) if wu.IsCancelled() { // return values not used return nil, nil } // ready for processing... return "Joeybloggs", nil } } func getOtherInfo(id int) pool.WorkFunc { return func(wu pool.WorkUnit) (interface{}, error) { // simulate waiting for something, like TCP connection to be established // or connection from pool grabbed time.Sleep(time.Second * 1) if wu.IsCancelled() { // return values not used return nil, nil } // ready for processing... return "Other Info", nil } }
Batch Work
package main import ( "fmt" "time" "gopkg.in/go-playground/pool.v3" ) func main() { p := pool.NewLimited(10) defer p.Close() batch := p.Batch() // for max speed Queue in another goroutine // but it is not required, just can't start reading results // until all items are Queued. go func() { for i := 0; i < 10; i++ { batch.Queue(sendEmail("email content")) } // DO NOT FORGET THIS OR GOROUTINES WILL DEADLOCK // if calling Cancel() it calles QueueComplete() internally batch.QueueComplete() }() for email := range batch.Results() { if err := email.Error(); err != nil { // handle error // maybe call batch.Cancel() } // use return value fmt.Println(email.Value().(bool)) } } func sendEmail(email string) pool.WorkFunc { return func(wu pool.WorkUnit) (interface{}, error) { // simulate waiting for something, like TCP connection to be established // or connection from pool grabbed time.Sleep(time.Second * 1) if wu.IsCancelled() { // return values not used return nil, nil } // ready for processing... return true, nil // everything ok, send nil, error if not } }
来看下实现
workUnit
workUnit作为channel信息进行传递,用来给work传递当前需要执行的任务信息。
// WorkUnit contains a single uint of works values type WorkUnit interface { // 阻塞直到当前任务被完成或被取消 Wait() // 执行函数返回的结果 Value() interface{} // Error returns the Work Unit's error Error() error // 取消当前的可执行任务 Cancel() // 判断当前的可执行单元是否被取消了 IsCancelled() bool } var _ WorkUnit = new(workUnit) // workUnit contains a single unit of works values type workUnit struct { // 任务执行的结果 value interface{} // 错误信息 err error // 通知任务完成 done chan struct{} // 需要执行的任务函数 fn WorkFunc // 任务是会否被取消 cancelled atomic.Value // 是否正在取消任务 cancelling atomic.Value // 任务是否正在执行 writing atomic.Value }
limitedPool
var _ Pool = new(limitedPool) // limitedPool contains all information for a limited pool instance. type limitedPool struct { // 并发量 workers uint // work的channel work chan *workUnit // 通知结束的channel cancel chan struct{} // 是否关闭的标识 closed bool // 读写锁 m sync.RWMutex } // 初始化一个pool func NewLimited(workers uint) Pool { if workers == 0 { panic("invalid workers '0'") } // 初始化pool的work数量 p := &limitedPool{ workers: workers, } // 初始化pool的操作 p.initialize() return p } func (p *limitedPool) initialize() { // channel的长度为work数量的两倍 p.work = make(chan *workUnit, p.workers*2) p.cancel = make(chan struct{}) p.closed = false // fire up workers here for i := 0; i < int(p.workers); i++ { p.newWorker(p.work, p.cancel) } } // 将工作传递并取消频道到newWorker()以避免任何潜在的竞争状况 // 在p.work读写之间 func (p *limitedPool) newWorker(work chan *workUnit, cancel chan struct{}) { go func(p *limitedPool) { var wu *workUnit defer func(p *limitedPool) { // 捕获异常,结束掉异常的工作单元,并将其再次作为新的任务启动 if err := recover(); err != nil { trace := make([]byte, 1<<16) n := runtime.Stack(trace, true) s := fmt.Sprintf(errRecovery, err, string(trace[:int(math.Min(float64(n), float64(7000)))])) iwu := wu iwu.err = &ErrRecovery{s: s} close(iwu.done) // 重新启动 p.newWorker(p.work, p.cancel) } }(p) var value interface{} var err error // 监听channel,读取内容 for { select { // channel中取出数据 case wu = <-work: // 防止channel 被关闭后读取到零值 if wu == nil { continue } // 单个和批量的cancellation这个都支持 if wu.cancelled.Load() == nil { // 执行我们的业务函数 value, err = wu.fn(wu) wu.writing.Store(struct{}{}) // 如果WorkFunc取消了此工作单元,则需要再次检查 // 防止产生竞争条件 if wu.cancelled.Load() == nil && wu.cancelling.Load() == nil { wu.value, wu.err = value, err // 执行完成,关闭当前channel close(wu.done) } } // 如果取消了,就退出 case <-cancel: return } } }(p) } // 放置一个执行的task到channel,并返回channel func (p *limitedPool) Queue(fn WorkFunc) WorkUnit { // 初始化一个workUnit类型的channel w := &workUnit{ done: make(chan struct{}), // 具体的执行函数 fn: fn, } go func() { p.m.RLock() // 如果pool关闭的时候通知channel关闭 if p.closed { w.err = &ErrPoolClosed{s: errClosed} if w.cancelled.Load() == nil { close(w.done) } p.m.RUnlock() return } // 将channel传递给pool的work p.work <- w p.m.RUnlock() }() return w }
梳理下流程:
1、首先初始化pool的大小;
2、然后根据pool的大小启动对应数量的worker,阻塞等待channel被塞入可执行函数;
3、然后可执行函数会被放入workUnit,然后通过channel传递给阻塞的worker。
同样这里也提供了批量执行的方法
batch
// batch contains all information for a batch run of WorkUnits type batch struct { pool Pool m sync.Mutex // WorkUnit的切片 units []WorkUnit // 结果集,执行完后的workUnit会更新其value,error,可以从结果集channel中读取 results chan WorkUnit // 通知batch是否完成 done chan struct{} closed bool wg *sync.WaitGroup } // 初始化Batch func newBatch(p Pool) Batch { return &batch{ pool: p, units: make([]WorkUnit, 0, 4), results: make(chan WorkUnit), done: make(chan struct{}), wg: new(sync.WaitGroup), } } // 将WorkFunc放入到WorkUnit中并保留取消和输出结果的参考。 func (b *batch) Queue(fn WorkFunc) { b.m.Lock() if b.closed { b.m.Unlock() return } // 返回一个WorkUnit wu := b.pool.Queue(fn) // 放到WorkUnit的切片中 b.units = append(b.units, wu) // 通过waitgroup进行goroutine的执行控制 b.wg.Add(1) b.m.Unlock() // 执行任务 go func(b *batch, wu WorkUnit) { wu.Wait() // 将执行的结果写入到results中 b.results <- wu b.wg.Done() }(b, wu) } // QueueComplete让批处理知道不再有排队的工作单元 // 以便在所有工作完成后可以关闭结果渠道。 // 警告:如果未调用此函数,则结果通道将永远不会耗尽, // 但会永远阻止以获取更多结果。 func (b *batch) QueueComplete() { b.m.Lock() b.closed = true close(b.done) b.m.Unlock() } // 取消批次的任务 func (b *batch) Cancel() { b.QueueComplete() b.m.Lock() // 一个个取消units,倒叙的取消 for i := len(b.units) - 1; i >= 0; i-- { b.units[i].Cancel() } b.m.Unlock() } // 输出执行完成的结果集 func (b *batch) Results() <-chan WorkUnit { // 启动一个协程监听完成的通知 // waitgroup阻塞直到所有的worker都完成退出 // 最后关闭channel go func(b *batch) { <-b.done b.m.Lock() // 阻塞直到上面waitgroup中的goroutine一个个执行完成退出 b.wg.Wait() b.m.Unlock() // 关闭channel close(b.results) }(b) return b.results }
梳理下流程:
1、首先初始化Batch的大小;
2、然后Queue将一个个WorkFunc放入到WorkUnit中,执行,并将结果写入到results中,全部执行完成,调用QueueComplete,发送执行完成的通知;
3、Results会打印出所有的结果集,同时监听所有的worker执行完成,关闭channel,退出。
总结
控制goroutine数量一般使用两种方式:
- 简单的场景使用sync+channel就可以了;
- 复杂的场景可以使用goroutine pool
参考
【Golang 开发需要协程池吗?】https://www.zhihu.com/question/302981392
【来,控制一下 Goroutine 的并发数量】https://segmentfault.com/a/1190000017956396
【golang协程池设计】https://segmentfault.com/a/1190000018193161
【fasthttp中的协程池实现】https://segmentfault.com/a/1190000009133154
【panjf2000/ants】https://github.com/panjf2000/ants
【golang协程池设计】https://segmentfault.com/a/1190000018193161
加载全部内容