作者：dcguo，腾讯 CSIG 电子签开放平台中心

go 原生/扩展库

提倡的原则

不要通过共享内存进行通信;相反，通过通信来共享内存。

Goroutine

goroutine 并发模型

调度器主要结构

主要调度器结构是 M，P，G

1. M，内核级别线程，goroutine 基于 M 之上，代表执行者，底层线程，物理线程
2. P，处理器，用来执行 goroutine，因此维护了一个 goroutine 队列，里面存储了所有要执行的 goroutine，将等待执行的 G 与 M 对接，它的数目也代表了真正的并发度( 即有多少个 goroutine 可以同时进行 )；
3. G，goroutine 实现的核心结构，相当于轻量级线程，里面包含了 goroutine 需要的栈，程序计数器，以及所在 M 的信息

P 的数量由环境变量中的 GOMAXPROCS 决定，通常来说和核心数对应。

映射关系

用户空间线程和内核空间线程映射关系有如下三种:

1. N:1
2. 1:1
3. M:N

调度图

关系如图，灰色的 G 则是暂时还未运行的，处于就绪态，等待被调度，这个队列被 P 维护

注: 简单调度图如上，有关于 P 再多个 M 中切换，公共 goroutine 队列，M 从 线程 缓存中创建等步骤没有体现，复杂过程可以参考文章简单了解 goroutine 如何实现。

goroutine 使用

• demo1

 go list.Sort()  

• demo2

 func Announce(message string, delay time.Duration) {
go func() {
time.Sleep(delay)
fmt.println(message)
}()
}  

channel

channel 特性

创建

 // 创建 channel
a := make(chan int)
b := make(chan int, 10)
// 单向 channel
c := make(chan<- int)
d := make(<-chan int)
  

存入/读取/关闭

tip:

 v, ok := <-a  // 检查是否成功关闭(ok = false：已关闭)  

channel 使用/基础

• use channel

 ci := make(chan int)
cj := make(chan int, 0)
cs := make(chan *os. File , 100)
  

 c := make(chan int)
go func() {
list.Sort()
c <- 1
}()
doSomethingForValue
<- c  

 
func Server(queue chan * Request ) {
for req := range queue {
sem <- 1
go func() {
process(req)
<- sem
}()
}
}  

 
func Server(queue chan *Requet) {
for req := range queue {
sem <- 1
go func(req *Request) {
process(req)
<- sem
}(req)
}
}  

 func Serve(queue chan *Request) {
for req := range queue {
req := req
sem <- 1
go func() {
process(req)
<-sem
}()
}
}  

channel 使用/技巧

等待一个事件，也可以通过 close 一个 channel 就足够了。

 c := make(chan  bool )
go func() {
    // close 的 channel 会读到一个零值
    close(c)
}()
<-c
  

阻塞程序

开源项目【是一个支持集群的 im 及实时推送服务】里面的基准测试的案例

取最快结果

 func main() {
 ret := make(chan string, 3)
 for i := 0; i < cap(ret); i++ {
  go call(ret)
 }
    fmt.Println(<-ret)
}
func call(ret chan<- string) {
 // do something
 // ...
 ret <- "result"
}
  

协同多个 goroutines

注: 协同多个 goroutines 方案很多，这里只展示 channel 的一种。

 limits := make(chan  struct {}, 2)
for i := 0; i < 10; i++ {
 go func() {
        // 缓冲区满了就会阻塞在这
  limits <- struct{}{}
  do()
  <-limits
 }()
}
  

搭配 select 操作

 for {
 select {
    case a := <- testChanA:
        // todo a
    case b, ok := testChanB:
        // todo b, 通过 ok 判断 tesChanB 的关闭情况
    default:
        // 默认分支
    }
}
  

main go routinue 确认 worker goroutinue 真正退出的方式

 func worker(testChan chan bool) {
    for {
     select {
        // todo some
  // case ...
        case <- testChan:
         testChan <- true
         return
     }
 }
}

func main() {
    testChan := make(chan bool)
    go worker(testChan)
    testChan <- true
    <- testChan
}
  

关闭的 channel 不会被阻塞

 testChan := make(chan bool)
close(testChan)

 zero Value := <- testChan
fmt.Println(zeroValue) // false

testChan <- true // panic: send on closed channel
  

注: 如果是 buffered channel , 即使被 close, 也可以读到之前存入的值，读取完毕后开始读零值，写入则会触发 panic

nil channel 读取和存入都不会阻塞，close 会 panic

略

range 遍历 channel

 for range
c := make(chan int, 20)
go func() {
 for i := 0; i < 10; i++ {
  c <- i
 }
  close (c)
}()
// 当 c 被关闭后，取完里面的元素就会跳出循环
for x := range c {
 fmt.Println(x)
}
  

例: 唯一 id

 func newUniqueIdService() <-chan string {
 id := make(chan string)
 go func() {
  var counter int64 = 0
  for {
   id <- fmt.Sprintf("%x", counter)
   counter += 1
  }
 }()
 return id
}
func newUniqueIdServerMain()  {
 id := newUniqueIdService()
 for i := 0; i < 10; i++ {
  fmt.Println(<- id)
 }
}
  

带缓冲队列构造

略

超时 timeout 和心跳 heart beat

1. 超时控制

 func main() {
done := do()
select {
case <-done:
// logic
case <-time.After(3 * time.Second):
// timeout
}
}
  

demo

开源 im/goim 项目中的应用

2.心跳

 done := make(chan bool)
defer func() {
close(done)
}()
ticker := time.NewTicker(10 * time.Second)
go func() {
for {
select {
case <-done:
ticker.Stop()
return
case <-ticker.C:
message.Touch()
}
}
}()
}  

多个 goroutine 同步响应

 func main() {
 c := make(chan struct{})
 for i := 0; i < 5; i++ {
  go do(c)
 }
 close(c)
}
func do(c <-chan struct{}) {
    // 会阻塞直到收到 close
 <-c
 fmt.Println("hello")
}
  

利用 channel 阻塞的特性和带缓冲的 channel 来实现控制并发数量

 func channel() {
    count := 10 // 最大并发
 sum := 100  // 总数

    c := make(chan struct{}, count)
    sc := make(chan struct{},  sum )
    defer close(c)
    defer close(sc)

    for i:=0; i<sum; i++ {
        c <- struct{}
        go func(j int) {
            fmt.Println(j)
            <- c // 执行完毕，释放资源
            sc <- struct {}{} // 记录到执行总数
        }
    }

    for i:=sum; i>0; i++ {
        <- sc
    }
}
  

go 并发编程(基础库)

这块东西为什么放到 channel 之后，因为这里包含了一些低级库，实际业务代码中除了 context 之外用到都较少(比如一些锁 mutex，或者一些原子库 atomic)，实际并发编程代码中可以用 channel 就用 channel，这也是 go 一直比较推崇得做法 Share memory by communicating; don’t communicate by sharing memory

Mutex/RWMutex

锁，使用简单，保护临界区数据

使用的时候注意锁粒度，每次加锁后都要记得解锁

Mutex demo

 package main

 import  (
 "fmt"
 "sync"
 "time"
)

func main() {
 var mutex sync.Mutex
 wait := sync.WaitGroup{}

 now := time.Now()
 for i := 1; i <= 3; i++ {
  wait.Add(1)
  go func(i int) {
   mutex.Lock()
   time.Sleep(time.Second)
   mutex.Unlock()
   defer wait.Done()
  }(i)
 }
 wait.Wait()
 duration := time.Since(now)
 fmt.Print(duration)
}
  

结果: 可以看到整个执行持续了 3 s 多，内部多个协程已经被 “锁” 住了。

RWMutex demo

注意: 这东西可以并发读，不可以并发读写/并发写写，不过现在即便场景是读多写少也很少用到这，一般集群环境都得分布式锁了。

 package main

import (
 "fmt"
 "sync"
 "time"
)

var m *sync.RWMutex

func init() {
 m = new(sync.RWMutex)
}

func main() {
 go read()
 go read()
 go write()

 time.Sleep(time.Second * 3)
}

func read()  {
 m.RLock()
 fmt.Println("startR")
 time.Sleep(time.Second)
 fmt.Println("endR")
 m.RUnlock()
}
func write()  {
 m.Lock()
 fmt.Println("startW")
 time.Sleep(time.Second)
 fmt.Println("endW")
 m.Unlock()
}
  

输出:

Atomic

可以对简单类型进行 原子操作

int32

int64

uint32

uint64

uintptr

unsafe.Pointer

可以进行得原子操作如下

增/减

比较并且交换

假定被操作的值未曾被改变, 并一旦确定这个假设的真实性就立即进行值替换

载入

为了原子的读取某个值(防止写操作未完成就发生了一个读操作)

存储

原子的值存储函数

交换

原子交换

demo:增

 
package main

import (
 "fmt"
 "sync"
 "sync/atomic"
)

func main() {
 var sum uint64

 var wg sync.WaitGroup

 for i := 0; i < 100; i++ {
  wg.Add(1)
  go func() {
   for c := 0; c < 100;  c++  {
    atomic.AddUint64(∑, 1)
   }
   defer wg.Done()
  }()
 }

 wg.Wait()
 fmt.Println(sum)
}

  

结果:

WaitGroup/ErrGroup

waitGroup 是一个 waitGroup 对象可以等待一组 goroutinue 结束，但是他对错误传递，goroutinue 出错时不再等待其他 goroutinue(减少资源浪费) 都不能很好的解决，那么 err Group 可以解决这部分问题

注意

• errGroup 中如果多个 goroutinue 错误，只会获取第一个出错的 goroutinue 的错误信息，后面的则不会被感知到；
• errGroup 里面没有做 panic 处理，代码要保持健壮

demo: errGroup

 package main

import (
 "golang.org/x/sync/errgroup"
 "log"
 "net/http"
)

func main() {
 var g errgroup.Group
 var urls = []string{
  "#34;,
  "errUrl",
 }
 for _, url := range urls {
  url := url
  g.Go(func() error {
   resp, err := http.Get(url)
   if err == nil {
    _ = resp.Body.Close()
   }
   return err
  })
 }
 err := g.Wait()
 if err != nil {
  log.Fatal("getErr", err)
  return
 }
}

  

结果:

once

保证了传入的函数只会执行一次，这常用在单例模式，配置文件加载，初始化这些场景下。

demo:

 times := 10
  var  (
  o  sync.Once
  wg sync.WaitGroup
 )
 wg.Add(times)
 for i := 0; i < times; i++ {
  go func(i int) {
   defer wg.Done()
   o.Do(func() {
    fmt.Println(i)
   })
  }(i)
 }
 wg.Wait()
  

结果:

Context

go 开发已经对他了解了太多

可以再多个 goroutinue 设置截止日期，同步信号，传递相关请求值

对他的说明文章太多了，详细可以跳转看这篇 一文理解 golang context

这边列一个遇到得问题：

• grpc 多服务调用，级联 cancelA -> B -> CA 调用 B，B 调用 C，当 A 不依赖 B 请求 C 得结果时，B 请求 C 之后直接返回 A，那么 A，B 间 context 被 cancel，而 C 得 context 也是继承于前面，C 请求直接挂掉，只需要重新搞个 context 向下传就好，记得带上 reqId, logId 等必要信息。

并行

• 某些计算可以再 CPU 之间并行化，如果计算可以被划分为不同的可独立执行的部分，那么他就是可并行化的，任务可以通过一个 channel 发送结束信号。假如我们可以再数组上进行一个比较耗时的操作，操作的值在每个数据上独立，如下: type vector [] float64

  func (v vector) DoSome (i, n int , u Vector, c chan int ) {
  for ; i < n; i ++ {
  v[i] += u.Op(v[i])
  }
  c <- 1
  }

我们可以再每个 CPU 上进行循环无关的迭代计算，我们仅需要创建完所有的 goroutine 后，从 channel 中读取结束信号进行计数即可。

并发编程/工作流方案扩展

这部分如需自己开发，内容其实可以分为两部分能力去做

并发编程增强方案

工作流 解决方案

需要去解决一些基础问题

并发编程:

启动 goroutine 时，增加防止程序 panic 能力

去封装一些更简单的错误处理方案，比如支持多个错误返回

限定任务的 goroutine 数量

工作流:

在每个工作流执行到下一步前先去判断上一步的结果

工作流内嵌入一些拦截器

singlelFlight(go 官方扩展同步包)

一般系统重要的查询增加了缓存后，如果遇到缓存击穿，那么可以通过任务计划，加索等方式去解决这个问题，singleflight 这个库也可以很不错的应对这种问题。

它可以获取第一次请求得结果去返回给相同得请求 核心方法 Do 执行和返回给定函数的值，确保某一个时间只有一个方法被执行。
如果一个重复的请求进入，则重复的请求会等待前一个执行完毕并获取相同的数据，返回值 shared 标识返回值 v 是否是传递给重复的调用请求。

一句话形容他的功能，它可以用来归并请求，但是最好加上超时重试等机制，防止第一个 执行 得请求出现超时等异常情况导致同时间大量请求不可用。

场景: 数据变化量小(key 变化不频繁，重复率高)，但是请求量大的场景

demo

 package main

import (
 "golang.org/x/sync/singleflight"
 "log"
 "math/ rand "
 "sync"
 "time"
)

var (
 g singleflight.Group
)

 const  (
 funcKey = "key"

 times = 5
  random Num = 100
)

func init() {
 rand.Seed(time.Now().UnixNano())
}

func main() {
 var wg sync.WaitGroup
 wg.Add(times)

 for i := 0; i < times; i++ {
  go func() {
   defer wg.Done()
   num, err := run(funcKey)
   if err != nil {
    log.Fatal(err)
    return
   }
   log.Println(num)
  }()
 }
 wg.Wait()
}

func run(key string) (num int, err error) {
 v, err, isShare := g.Do(key, func() (interface{}, error) {
  time.Sleep(time.Second * 5)
  num = rand.Intn(randomNum) //[0,100)
  return num,  nil 
 })
 if err != nil {
  log.Fatal(err)
  return 0, err
 }
 data := v.(int)
 log.Println(isShare)
 return data, nil
}
  

连续执行 3 次，返回结果如下，全部取了共享得结果：

但是注释掉 time.Sleep(time.Second * 5) 再尝试一次看看。

这次全部取得真实值

实践: 伙伴部门高峰期可以减少 20% 的 Redis 调用, 大大减少了 Redis 的负载

实践

开发案例

注: 下面用到的方案因为开发时间较早，并不一定是以上多种方案中最优的，选择有很多种，使用那种方案只有有所考虑可以自圆其说即可。

建议: 项目中逐渐形成统一解决方案，从混乱到统一，逐渐小团队内对此类逻辑形成统一的一个解决标准，而不是大家对需求之外的控制代码写出各式各样的控制逻辑。

批量校验

• 场景

批量校验接口限频单账户最高 100qps/s，整个系统多个校验场景公用一个账户限频需要限制批量校验最高为 50~80 qps/s(需要预留令牌供其他场景使用，否则频繁调用批量接口时候其他场景均会失败限频)。

• 设计

1.使用 go routine 来并发进行三要素校验，因为 go routinue，所以每次开启 50 ~ 80 go routine 同时进行单次三要素校验；

2.每轮校验耗时 1s，如果所有 routinue 校验后与校验开始时间间隔不满一秒，则需要主动程序睡眠至 1s，然后开始下轮校验；

3.因为只是校验场景，如果某次校验失败，最容易的原因其实是校验方异常，或者被其他校验场景再当前 1s 内消耗过多令牌；那么整个批量接口返回 err，运营同学重新发起就好。

• 代码

代码需要进行的优化点：

• 加锁(推荐使用，最多不到 100 的竞争者数目，使用锁性能影响微乎其微)；
• 给每个传入 routine 的 element 数组包装，增加一个 key 属性，每个返回的 result 包含 key 通过 key 映射可以得到需要的一个顺序。

1.sleep 1s 这个操作可以从调用前开始计时，调用完成后不满 1s 补充至 1s，而不是每次最长调用时间 elapsedTime + 1s；

2.通道中获取的三要素校验结果顺序和入参数据数组顺序不对应，这里通过两种方案：

3.分组调用 getElementResponseConcurrent 方法时，传入切片可以省略部分计算，直接使用切片表达式。

 elementNum := len(elements)
m := elementNum / 80
n := elementNum % 80
if m < 1 {
if results, err := getElementResponseConcurrent(ctx, elements, conn, caller); err != nil {
return nil, err
} else {
response.Results = results
return response, nil
}
} else {
results := make([]int64, 0)
if n != 0 {
m = m + 1
}
var result []int64
for i := 1; i <= m; i++ {
if i == m {
result, err = getElementResponseConcurrent(ctx, elements[(i-1)*80:(i-1)*80+n], conn, caller)
} else {
result, err = getElementResponseConcurrent(ctx, elements[(i-1)*80:i*80], conn, caller)
}
if err != nil {
return nil, err
}
results = append(results, result...)
}
response.Results = results
}

// getElementResponseConcurrent
func getElementResponseConcurrent(ctx context.Context, elements []*api.ThreeElements, conn *grpc.ClientConn,
caller *api.Caller) ([]int64, error) {
results := make([]int64, 0)

var chResult = make(chan int64)
chanErr := make(chan error)
defer close(chanErr)
wg := sync.WaitGroup{}

faceIdClient := api.NewFaceIdClient(conn)
for _, element := range elements {
wg.Add(1)
go func(element *api.ThreeElements) {
param := element.Param
verificationRequest := &api.CheckMobileVerificationRequest{
Caller: caller,
Param: param,
}
if verification, err := faceIdClient.CheckMobileVerification(ctx, verificationRequest); err != nil {
chanErr <- err
return
} else {
result := verification.Result
chanErr <- nil 
chResult <- result
}
defer wg.Done()
}(element)
}

for i := 0; i < len(elements); i++ {
if err := <-chanErr; err != nil {
return nil, err
}
var result = <-chResult
results = append(results, result)
}
wg.Wait()
time.Sleep(time.Second)
return results, nil
}  

历史数据批量标签

场景: 产品上线一年，逐步开始做数据分析和统计需求提供给运营使用，接入 Tdw 之前是直接采用接口读历史表进行的数据分析，涉及全量用户的分析给用户记录打标签，数据效率较低，所以采用并发分组方法，考虑协程比较轻量，从开始上线时间节点截止当前时间分共 100 组，代码较为简单。

问题: 本次接口不是上线最终版，核心分析方法仅测试环境少量数据就会有 N 多条慢查询，所以这块还需要去对整体资源业务背景问题去考虑，防止线上数据量较大还有慢查询出现 cpu 打满。

 func (s ServiceOnceJob) CompensatingHistoricalLabel(ctx context.Context,
request *api.CompensatingHistoricalLabelRequest) (response *api.CompensatingHistoricalLabelResponse, err error) {
if request.Key != interfaceKey {
return nil, transform.Simple("err")
}

ctx, cancelFunc := context.WithCancel(ctx)
var (
wg = new(sync.WaitGroup)
userRegisterDb = new(datareportdb.DataReportUserRegisteredRecords)
startNum = int64(0)
)
wg.Add(1)

countHistory, err := userRegisterDb.GetUserRegisteredCountForHistory(ctx, historyStartTime, historyEndTime)
if err != nil {
return nil, err
}

div := decimal.NewFromFloat(float64(countHistory)).Div(decimal.NewFromFloat(float64(theNumberOfConcurrent)))
f, _ := div.Float64()
num := int64(math.Ceil(f))

for i := 0; i < theNumberOfConcurrent; i++ {
go func(startNum int64) {
defer wg.Done()
for {
select {
case <- ctx.Done():
return
default:
userDataArr, err := userRegisterDb.GetUserRegisteredDataHistory(ctx, startNum, num)
if err != nil {
cancelFunc()
}
for _, userData := range userDataArr {
if err := analyseUserAction(userData); err != nil {
cancelFunc()
}
}
}
}
}(startNum)
startNum = startNum + num
}
wg.Wait()

return response, nil
}  

批量发起/批量签署

实现思路和上面其实差不多，都是需要支持批量的特性，基本上现在业务中统一使用多协程处理。

思考

golang 协程很牛 x，协程的数目最大到底多大合适，有什么衡量指标么？

• 衡量指标，协程数目衡量

基本上可以这样理解这件事

• 不要一个请求 spawn 出太多请求，指数级增长。这一点，在第二点会受到加强；
• 当你生成 goroutines，需要明确他们何时退出以及是否退出，良好管理每个 goroutines 尽量保持并发代码足够简单，这样 grroutines 得生命周期就很明显了，如果没做到，那么要记录下异常 goroutine 退出的时间和原因 ；
• 数目的话应该需要多少搞多少，扩增服务而不是限制，限制一般或多或少都会不合理，不仅 delay 更会造成拥堵
• 注意 协程泄露 问题，关注服务的指标。

使用锁时候正确释放锁的方式

• 任何情况使用锁一定要切记锁的释放，任何情况！任何情况！任何情况！即便是 panic 时也要记得锁的释放，否则可以有下面的情况
• 代码库提供给他人使用，出现 panic 时候被外部 recover，这时候就会导致锁没释放。

goroutine 泄露预防与排查

一个 goroutine 启动后没有正常退出，而是直到整个服务结束才退出，这种情况下，goroutine 无法释放，内存会飙高，严重可能会导致服务不可用

goroutine 的退出其实只有以下几种方式可以做到

• main 函数退出
• context 通知退出
• goroutine panic 退出
• goroutine 正常执行完毕退出

大多数引起 goroutine 泄露的原因基本上都是如下情况

• channel 阻塞，导致协程永远没有机会退出
• 异常的程序逻辑(比如循环没有退出条件)

杜绝:

• 想要杜绝这种出现泄露的情况，需要清楚的了解 channel 再 goroutine 中的使用，循环是否有正确的跳出逻辑

排查:

• go pprof 工具
• runtime.NumGoroutine() 判断实时协程数
• 第三方库

案例:

 package main

import (
 "fmt"
 "net/http"
 _ "net/http/pprof"
 "runtime"
 "time"
)

func toLeak() {
 c := make(chan int)
 go func() {
  <-c
 }()
}

func main() {
 go toLeak()

 go func() {
  _ = http.ListenAndServe("0.0.0.0:8080", nil)
 }()

 c := time.Tick(time.Second)
 for range c {
  fmt.Printf("goroutine [nums]: %d\n", runtime.NumGoroutine())
 }
}
  

输出:

pprof:

复杂情况也可以用其他的可视化工具:

• go tool pprof -http=:8001

父协程捕获子协程 panic

使用方便，支持链式调用

父协程捕获子协程 panic

有锁的地方就去用 channel 优化

有锁的地方就去用 channel 优化 ，这句话可能有点绝对，肯定不是所有场景都可以做到，但是大多数场景绝 X 是可以的，干掉锁去使用 channel 优化代码进行解耦绝对是一个有趣的事情。

分享一个很不错的优化 demo:

场景:

• 一个简单的即时聊天室，支持连接成功的用户收发消息，使用 socket；
• 客户端发送消息到服务端，服务端可以发送消息到每一个客户端。

分析:

1. 需要一个链接池保存每一个客户端；
2. 客户端发送消息到服务端，服务端遍历链接池发送给各个客户端

• 用户断开链接，需要移除链接池的对应链接，否则会发送发错；

• 遍历发送消息，需要再 goroutine 中发送，不应该被阻塞。

问题:

• 上述有个针对链接池的并发操作

解决

• 引入锁

增加锁机制，解决针对链接池的并发问题发送消息也需要去加锁因为要防止出现 panic: concurrent write to websocket connection

• 导致的问题

假设网络延时，用户新增时候还有消息再发送中，新加入的用户就无法获得锁了，后面其他的相关操作都会被阻塞导致问题。

使用 channel 优化:

• 引入 channel新增客户端集合，包含三个通道
• 链接新增通道 registerChan，链接移除通道 unregisterChan，发送消息通道 messageChan。

2.使用通道

• 新增链接，链接丢入 registerChan；

• 移除链接，链接丢入 unregisterChan；

• 消息发送，消息丢入 messageChan；

3.通道消息方法，代码来自于开源项目 简单聊天架构演变：

 // 处理所有管道任务
func (room *Room) ProcessTask() {
log := zap.S()
log.Info("启动处理任务")
for {
select {
case c := <-room.register:
log.Info("当前有客户端进行注册")
room.clientsPool[c] = true
case c := <-room.unregister:
log.Info("当前有客户端离开")
if room.clientsPool[c] {
close(c.send)
delete(room.clientsPool, c)
}
case m := <-room.send:
for c := range room.clientsPool {
select {
case c.send <- m:
default:
break
}
}
}
}
}  

结果:

成功使用 channel 替换了锁。

参考

1. 父协程捕获子协程 panic
2. 启发代码 1: 微服务框架启发代码 2: 同步/异步工具包
3. goroutine 如何实现
4. 从简单的即时聊天来看架构演变(simple-chatroom)