内容简介:Go语言作为新兴的语言,最近发展势头很是迅猛,其最大的特点就是原生支持并发。它使用的是“协程(goroutine)模型”,和传统基于 OS 线程和进程实现不同,Go语言的并发是基于用户态的并发,这种并发方式就变得非常轻量,能够轻松运行几万并发逻辑。Go 的并发属于 CSP 并发模型的一种实现,CSP 并发模型的核心概念是:“不要通过共享内存来通信,而应该通
写在前面
Go语言作为新兴的语言,最近发展势头很是迅猛,其最大的特点就是原生支持并发。它使用的是“协程(goroutine)模型”,和传统基于 OS 线程和进程实现不同,Go
语言的并发是基于用户态的并发,这种并发方式就变得非常轻量,能够轻松运行几万并发逻辑。
Go 的并发属于 CSP 并发模型的一种实现,CSP 并发模型的核心概念是:“不要通过共享内存来通信,而应该通
过通信来共享内存”。这在 Go 语言中的实现就是 Goroutine 和 Channel。
场景描述
在一些场景下,有大规模请求(十万或百万级qps),我们处理的请求可能不需要立马知道结果,例如数据的打点,文件的上传等等。这时候我们需要异步化处理。常用的方法有使用resque、MQ、RabbitMQ等。这里我们在Golang语言里进行设计实践。
方案演进
- 直接使用goroutine
在Go语言原生并发的支持下,我们可以直接使用一个goroutine(如下方式)去并行处理这个请求。但是,这种方法明显有些不好的地方,我们没法控制goroutine产生数量,如果处理程序稍微耗时,在单机万级十万级qps请求下,goroutine大规模爆发,内存暴涨,处理效率会很快下降甚至引发程序崩溃。
... go handle(request) ...
-
goroutine协同带缓存的管道
- 我们定义一个带缓存的管道;
var queue = make(chan job, MAX_QUEUE_SIZE)
- 然后起一个协程处理管道传来的请求;
go func(){ for { select { case job := <-queue: job.Do(request) case <- quit: return } } }()
- 接收请求,发送job进行处理
job := &Job{request} queue <- job
讲真,这种方法使用了缓冲队列一定程度上了提高了并发,但也是治标不治本,大规模并发只是推迟了问题的发生时间。当请求速度远大于队列的处理速度时,缓冲区很快被打满,后面的请求一样被堵塞了。
- job队列+工作池
只用缓冲队列不能解决根本问题,这时候我们可以参考一下线程池的概念,定一个工作池(协程池),来限定最大goroutine数目。每次来新的job时,从工作池里取出一个可用的worker来执行job。这样一来即保障了goroutine的可控性,也尽可能大的提高了并发处理能力。
工作池实现
- 首先,我们定义一个job的接口, 具体内容由具体job实现;
type Job interface { Do() error }
- 然后定义一下job队列和work池类型,这里我们work池也用golang的channel实现。
// define job channel type JobChan chan Job // define worker channer type WorkerChan chan JobChan
我们分别维护一个全局的job队列和工作池。
var ( JobQueue JobChan WorkerPool WorkerChan )
- worker的实现。每一个worker都有一个job channel,在启动worker的时候会被注册到work pool中。启动后通过自身的job channel取到job并执行job。
type Worker struct { JobChannel JobChan quit chan bool } func (w *Worker) Start() { go func() { for { // regist current job channel to worker pool WorkerPool <- w.JobChannel select { case job := <-w.JobChannel: if err := job.Do(); err != nil { fmt.printf("excute job failed with err: %v", err) } // recieve quit event, stop worker case <-w.quit: return } } }() }
- 实现一个分发器(Dispatcher)。分发器包含一个worker的指针数组,启动时实例化并启动最大数目的worker,然后从job队列中不断取job选择可用的worker来执行job。
type Dispatcher struct { Workers []*Worker quit chan bool } func (d *Dispatcher) Run() { for i := 0; i < MaxWorkerPoolSize; i++ { worker := NewWorker() d.Workers = append(d.Workers, worker) worker.Start() } for { select { case job := <-JobQueue: go func(job Job) { jobChan := <-WorkerPool jobChan <- job }(job) // stop dispatcher case <-d.quit: return } } }
感谢
感谢 Handling 1 Million Requests per Minute with Go 这篇文章给予的巨大启发。
以上所述就是小编给大家介绍的《Golang百万级高并发实践》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- Clojure 并发实践:使用 pmap 加速程序
- 基于 Python 协程的并发编程实践
- Elasticsearch 最佳实践系列之分片恢复并发故障
- 京东千万并发 API 网关实践之路!
- 爱奇艺网络协程编写高并发应用实践
- Golang并发实践:笔记本秒变暖宝宝
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
.NET本质论 第1卷:公共语言运行库
博克斯 (BoxDon) / 张晓坤 / 中国电力出版社 / 2004-1 / 48.00元
本书由10章组成,探讨了CLR即公共语言运行库,涵盖了基本类型、实例、方法调用和消息、AppDomain、安全、以及CLR外部世界。一起来看看 《.NET本质论 第1卷:公共语言运行库》 这本书的介绍吧!