# 1.6 来，控制一下 goroutine 的并发数量 ![image](https://i.imgur.com/dGQVT1x.jpg) ## 问题 ``` func main() { userCount := math.MaxInt64 for i := 0; i < userCount; i++ { go func(i int) { // 做一些各种各样的业务逻辑处理 fmt.Printf("go func: %d\n", i) time.Sleep(time.Second) }(i) } } ``` 在这里，假设 `userCount` 是一个外部传入的参数（不可预测，有可能值非常大），有人会全部丢进去循环。想着全部都并发 goroutine 去同时做某一件事。觉得这样子会效率会更高，对不对！ 那么，你觉得这里有没有什么问题？ ## 噩梦般的开始 当然，在**特定场景下**，问题可大了。因为在本文被丢进去同时并发的可是一个极端值。我们可以一起观察下图的指标分析，看看情况有多 “崩溃”。下图是上述代码的表现： ### 输出结果 ``` ... go func: 5839 go func: 5840 go func: 5841 go func: 5842 go func: 5915 go func: 5524 go func: 5916 go func: 8209 go func: 8264 signal: killed ``` 如果你自己执行过代码，在 “输出结果” 上你会遇到如下问题： * 系统资源占用率不断上涨 * 输出一定数量后：控制台就不再刷新输出最新的值了 * 信号量：signal: killed ### 系统负载 ![image](https://i.imgur.com/bZjQ2ey.jpg) ### CPU ![image](https://i.imgur.com/zxXSgaP.jpg) 短时间内系统负载暴增 ### 虚拟内存 ![image](https://i.imgur.com/xYZO9cE.jpg) 短时间内占用的虚拟内存暴增 ### top ``` PID COMMAND %CPU TIME #TH #WQ #PORT MEM PURG CMPRS PGRP PPID STATE BOOSTS ... 73414 test 100.2 01:59.50 9/1 0 18 6801M+ 0B 114G+ 73403 73403 running *0[1] ``` ### 小结 如果仔细看过监控工具的示意图，就可以知道其实我间隔的执行了两次，能看到系统间的使用率幅度非常大。当进程被杀掉后，整体又恢复为正常值 在这里，我们回到主题，就是在**不控制并发的 goroutine 数量** 会发生什么问题？大致如下： * CPU 使用率浮动上涨 * Memory 占用不断上涨。也可以看看 CMPRS，它表示进程的压缩数据的字节数。已经到达 114G+ 了 * 主进程崩溃（被杀掉了） 简单来说，“崩溃” 的原因就是对系统资源的占用过大。常见的比如：打开文件数（too many files open）、内存占用等等 ### 危害 对该台服务器产生非常大的影响，影响自身及相关联的应用。很有可能导致不可用或响应缓慢，另外启动了复数 “失控” 的 goroutine，导致程序流转混乱 ## 解决方案 在前面花了大量篇幅，渲染了在存在大量并发 goroutine 数量时，不控制的话会出现 “严重” 的问题，接下来一起思考下解决方案。如下： 1. 控制/限制 goroutine 同时并发运行的数量 2. 改变应用程序的逻辑写法（避免大规模的使用系统资源和等待） 3. ~~调整服务的硬件配置、最大打开数、内存等阈值~~ ## 控制 goroutine 并发数量 接下来正式的开始解决这个问题，希望你认真阅读的同时加以思考，因为这个问题在实际项目中真的是太常见了！ 问题已经抛出来了，你需要做的是**想想有什么办法**解决这个问题。建议你自行思考一下技术方案。再接着往下看 :-) ### 尝试 chan ``` func main() { userCount := 10 ch := make(chan bool, 2) for i := 0; i < userCount; i++ { ch <- true go Read(ch, i) } //time.Sleep(time.Second) } func Read(ch chan bool, i int) { fmt.Printf("go func: %d\n", i) <- ch } ``` 输出结果： ``` go func: 1 go func: 2 go func: 3 go func: 4 go func: 5 go func: 6 go func: 7 go func: 8 go func: 0 ``` 嗯，我们似乎很好的控制了 2 个 2 个的 “顺序” 执行多个 goroutine。但是，问题出现了。你仔细数一下输出结果，才 9 个值？ 这明显就不对。原因出在当主协程结束时，子协程也是会被终止掉的。因此剩余的 goroutine 没来及把值输出，就被送上路了（不信你把 `time.Sleep` 打开看看，看看输出数量） ### 尝试 sync ``` ... var wg = sync.WaitGroup{} func main() { userCount := 10 for i := 0; i < userCount; i++ { wg.Add(1) go Read(i) } wg.Wait() } func Read(i int) { defer wg.Done() fmt.Printf("go func: %d\n", i) } ``` 嗯，单纯的使用 `sync.WaitGroup` 也不行。没有控制到同时并发的 goroutine 数量（代指达不到本文所要求的目标） #### 小结 单纯**简单**使用 channel 或 sync 都有明显缺陷，不行。我们再看看组件配合能不能实现 ### 尝试 chan + sync ``` ... var wg = sync.WaitGroup{} func main() { userCount := 10 ch := make(chan bool, 2) for i := 0; i < userCount; i++ { wg.Add(1) go Read(ch, i) } wg.Wait() } func Read(ch chan bool, i int) { defer wg.Done() ch <- true fmt.Printf("go func: %d, time: %d\n", i, time.Now().Unix()) time.Sleep(time.Second) <-ch } ``` 输出结果： ``` go func: 9, time: 1547911938 go func: 1, time: 1547911938 go func: 6, time: 1547911939 go func: 7, time: 1547911939 go func: 8, time: 1547911940 go func: 0, time: 1547911940 go func: 3, time: 1547911941 go func: 2, time: 1547911941 go func: 4, time: 1547911942 go func: 5, time: 1547911942 ``` 从输出结果来看，确实实现了控制 goroutine 以 2 个 2 个的数量去执行我们的 “业务逻辑”，当然结果集也理所应当的是乱序输出 ### 方案一：简单 Semaphore 在确立了简单使用 chan + sync 的方案是可行后，我们重新将流转逻辑封装为 [gsema](https://github.com/EDDYCJY/gsema)，主程序变成如下： ``` import ( "fmt" "time" "github.com/EDDYCJY/gsema" ) var sema = gsema.NewSemaphore(3) func main() { userCount := 10 for i := 0; i < userCount; i++ { go Read(i) } sema.Wait() } func Read(i int) { defer sema.Done() sema.Add(1) fmt.Printf("go func: %d, time: %d\n", i, time.Now().Unix()) time.Sleep(time.Second) } ``` ### 分析方案 在上述代码中，程序执行流程如下： * 设置允许的并发数目为 3 个 * 循环 10 次，每次启动一个 goroutine 来执行任务 * 每一个 goroutine 在内部利用 `sema` 进行调控是否阻塞 * 按允许并发数逐渐释出 goroutine，最后结束任务 看上去人模人样，没什么严重问题。但却有一个 “大” 坑，认真看到第二点 “每次启动一个 goroutine” 这句话。这里**有点问题**，提前产生那么多的 goroutine 会不会有什么问题，接下来一起分析下利弊，如下： #### 利 * 适合**量不大、复杂度低**的使用场景 * 几百几千个、几十万个也是可以接受的（看具体业务场景） * 实际业务逻辑在运行前就已经被阻塞等待了（因为并发数受限），基本实际业务逻辑损耗的性能比 goroutine 本身大 * goroutine 本身很轻便，仅损耗极少许的内存空间和调度。这种等待响应的情况都是躺好了，等待任务唤醒 * Semaphore 操作复杂度低且流转简单，容易控制 #### 弊 * 不适合**量很大、复杂度高**的使用场景 * 有几百万、几千万个 goroutine 的话，就浪费了大量调度 goroutine 和内存空间。恰好你的服务器也接受不了的话 * Semaphore 操作复杂度提高，要管理更多的状态 ### 小结 * 基于什么业务场景，就用什么方案去做事 * 有足够的时间，允许你去追求更优秀、极致的方案（用第三方库也行） 用哪种方案，我认为主要基于以上两点去思考，都是 OK 的。没有对错，只有当前业务场景能不能接受，这个预先启动的 goroutine 数量你的系统是否能够接受 当然了，常见/简单的 Go 应用采用这类技术方案，基本就能解决问题了。因为像本文第一节 “问题” 如此超巨大数量的情况，情况很少。其并不存在那些 “特殊性”。因此用这个方案基本 OK ## 灵活控制 goroutine 并发数量 小手一紧。隔壁老王发现了新的问题。“方案一” 中，在**输入输出一体**的情况下，在常见的业务场景中确实可以 但，这次新的业务场景比较特殊，要控制输入的数量，以此达到**改变允许并发运行 goroutine 的数量**。我们仔细想想，要做出如下改变： * 输入/输出要抽离，才可以分别控制 * 输入/输出要可变，理所应当在 for-loop 中（可设置数值的地方） * 允许改变 goroutine 并发数量，但它也必须有一个**最大值**（因为允许改变是相对） ### 方案二：灵活 chan + sync ``` package main import ( "fmt" "sync" "time" ) var wg sync.WaitGroup func main() { userCount := 10 ch := make(chan int, 5) for i := 0; i < userCount; i++ { wg.Add(1) go func() { defer wg.Done() for d := range ch { fmt.Printf("go func: %d, time: %d\n", d, time.Now().Unix()) time.Sleep(time.Second * time.Duration(d)) } }() } for i := 0; i < 10; i++ { ch <- 1 ch <- 2 //time.Sleep(time.Second) } close(ch) wg.Wait() } ``` 输出结果： ``` ... go func: 1, time: 1547950567 go func: 3, time: 1547950567 go func: 1, time: 1547950567 go func: 2, time: 1547950567 go func: 2, time: 1547950567 go func: 3, time: 1547950567 go func: 1, time: 1547950568 go func: 2, time: 1547950568 go func: 3, time: 1547950568 go func: 1, time: 1547950568 go func: 3, time: 1547950569 go func: 2, time: 1547950569 ``` 在 “方案二” 中，我们可以随时随地的根据新的业务需求，做如下事情： * 变更 channel 的输入数量 * 能够根据特殊情况，变更 channel 的循环值 * 变更最大允许并发的 goroutine 数量 总的来说，就是可控空间都尽量放开了，是不是更加灵活了呢 :-) ### 方案三：第三方库 * [go-playground/pool](https://github.com/go-playground/pool) * [nozzle/throttler](https://github.com/nozzle/throttler) * [Jeffail/tunny](https://github.com/Jeffail/tunny) * [panjf2000/ants](https://github.com/panjf2000/ants) 比较成熟的第三方库也不少，基本都是以生成和管理 goroutine 为目标的池工具。我简单列了几个，具体建议大家阅读下源码或者多找找，原理相似 ## 总结 在本文的开头，我花了大力气（极端数量），告诉你**同时并发过多的 goroutine 数量会导致系统占用资源不断上涨。最终该服务崩盘的极端情况**。为的是希望你今后避免这种问题，给你留下深刻的印象 接下来我们以 “控制 goroutine 并发数量” 为主题，展开了一番分析。分别给出了三种方案。在我看来，各具优缺点，我建议你**挑选合适自身场景的技术方案**就可以了 因为，有不同类型的技术方案也能解决这个问题，千人千面。本文推荐的是较常见的解决方案，也欢迎大家在评论区继续补充 :-)