首页 > 其他分享> 文章详细

Golang高并发处理模型

2021-06-04 09:58:41 阅读：137 来源： 互联网

标签：http chan 模型 worker Golang 并发 Job func Payload

原文链接：https://mp.weixin.qq.com/s/ZqfN8UlWRpoGhznGH-L1mw

介绍

偶然间看到一篇写于15年的文章，说实话，标题确实吸引了我。

关于这篇文章，我就不直接翻译了，原文地址我放在文章最后了。

项目的需求就是很简单，客户端发送请求，服务端接收请求处理数据(原文是把资源上传至 Amazon S3 资源中)。本质上就是这样，
在这里插入图片描述

我稍微改动了原文的业务代码，但是并不影响核心模块。在第一版中，每收到一个 Request，开启一个 G 进行处理，很常规的操作。

初版

package main

import (
  "fmt"
  "log"
  "net/http"
  "time"
)

type Payload struct {
  // 传啥不重要
}

func (p *Payload) UpdateToS3() error {
  //存储逻辑,模拟操作耗时
  time.Sleep(500 * time.Millisecond)
  fmt.Println("上传成功")
  return nil
}

func payloadHandler(w http.ResponseWriter, r *http.Request) {
  // 业务过滤
  // 请求body解析......
  var p Payload
  go p.UpdateToS3()
  w.Write([]byte("操作成功"))
}

func main() {
  http.HandleFunc("/payload", payloadHandler)
  log.Fatal(http.ListenAndServe(":8099", nil))
}

这样操作存在什么问题呢？一般情况下，没什么问题。但是如果是高并发的场景下，不对 G 进行控制，你的 CPU 使用率暴涨，内存占用暴涨…，直至程序奔溃。

如果此操作落地至数据库，例如mysql。相应的，你数据库服务器的磁盘IO、网络带宽、CPU负载、内存消耗都会达到非常高的情况，一并奔溃。所以，一旦程序中出现不可控的事物，往往是危险的信号。

中版

package main

import (
  "fmt"
  "log"
  "net/http"
  "time"
)

const MaxQueue = 400

var Queue chan Payload

func init() {
  Queue = make(chan Payload, MaxQueue)
}

type Payload struct {
  // 传啥不重要
}

func (p *Payload) UpdateToS3() error {
  //存储逻辑,模拟操作耗时
  time.Sleep(500 * time.Millisecond)
  fmt.Println("上传成功")
  return nil
}

func payloadHandler(w http.ResponseWriter, r *http.Request) {
  // 业务过滤
  // 请求body解析......
  var p Payload
  //go p.UpdateToS3()
  Queue <- p
  w.Write([]byte("操作成功"))
}

// 处理任务
func StartProcessor() {
  for {
    select {
    case payload := <-Queue:
      payload.UpdateToS3()
    }
  }
}

func main() {
  http.HandleFunc("/payload", payloadHandler)
  //单独开一个g接收与处理任务
  go StartProcessor()
  log.Fatal(http.ListenAndServe(":8099", nil))
}

这一版借助带 buffered 的 channel 来完成这个功能，这样控制住了无限制的G，但是依然没有解决问题。

原因是处理请求是一个同步的操作，每次只会处理一个任务，然而高并发下请求进来的速度会远远超过处理的速度。这种情况，一旦 channel 满了之后，后续的请求将会被阻塞等待。然后你会发现，响应的时间会大幅度的开始增加，甚至不再有任何的响应。

终版

package main

import (
"fmt"
"log"
"net/http"
"time"
)

const (
  MaxWorker = 100 //随便设置值
  MaxQueue  = 200 // 随便设置值
)

// 一个可以发送工作请求的缓冲 channel
var JobQueue chan Job

func init() {
  JobQueue = make(chan Job, MaxQueue)
}

type Payload struct{}

type Job struct {
  PayLoad Payload
}

type Worker struct {
  WorkerPool chan chan Job
  JobChannel chan Job
  quit       chan bool
}

func NewWorker(workerPool chan chan Job) Worker {
  return Worker{
    WorkerPool: workerPool,
    JobChannel: make(chan Job),
    quit:       make(chan bool),
  }
}

// Start 方法开启一个 worker 循环，监听退出 channel，可按需停止这个循环
func (w Worker) Start() {
  go func() {
    for {
      // 将当前的 worker 注册到 worker 队列中
      w.WorkerPool <- w.JobChannel
      select {
      case job := <-w.JobChannel:
        //   真正业务的地方
        //  模拟操作耗时
        time.Sleep(500 * time.Millisecond)
        fmt.Printf("上传成功:%v\n", job)
      case <-w.quit:
        return
      }
    }
  }()
}

func (w Worker) stop() {
  go func() {
    w.quit <- true
  }()
}

// 初始化操作

type Dispatcher struct {
  // 注册到 dispatcher 的 worker channel 池
  WorkerPool chan chan Job
}

func NewDispatcher(maxWorkers int) *Dispatcher {
  pool := make(chan chan Job, maxWorkers)
  return &Dispatcher{WorkerPool: pool}
}

func (d *Dispatcher) Run() {
  // 开始运行 n 个 worker
  for i := 0; i < MaxWorker; i++ {
    worker := NewWorker(d.WorkerPool)
    worker.Start()
  }
  go d.dispatch()
}

func (d *Dispatcher) dispatch() {
  for {
    select {
    case job := <-JobQueue:
      go func(job Job) {
        // 尝试获取一个可用的 worker job channel，阻塞直到有可用的 worker
        jobChannel := <-d.WorkerPool
        // 分发任务到 worker job channel 中
        jobChannel <- job
      }(job)
    }
  }
}

// 接收请求，把任务筛入JobQueue。
func payloadHandler(w http.ResponseWriter, r *http.Request) {
  work := Job{PayLoad: Payload{}}
  JobQueue <- work
  _, _ = w.Write([]byte("操作成功"))
}

func main() {
  // 通过调度器创建worker，监听来自 JobQueue的任务
  d := NewDispatcher(MaxWorker)
  d.Run()
  http.HandleFunc("/payload", payloadHandler)
  log.Fatal(http.ListenAndServe(":8099", nil))
}

最终采用的是两级 channel，一级是将用户请求数据放入到 chan Job 中，这个 channel job 相当于待处理的任务队列。

另一级用来存放可以处理任务的 work 缓存队列，类型为 chan chan Job。调度器把待处理的任务放入一个空闲的缓存队列当中，work 会一直处理它的缓存队列。通过这种方式，实现了一个 worker 池。大致画了一个图帮助理解,
在这里插入图片描述

首先我们在接收到一个请求后，创建 Job 任务，把它放入到任务队列中等待 work 池处理。

func payloadHandler(w http.ResponseWriter, r *http.Request) {
  job := Job{PayLoad: Payload{}}
  JobQueue <- job
  _, _ = w.Write([]byte("操作成功"))
}

调度器初始化work池后，在 dispatch 中，一旦我们接收到 JobQueue 的任务，就去尝试获取一个可用的 worker，分发任务给 worker 的 job channel 中。注意这个过程不是同步的，而是每接收到一个 job，就开启一个 G 去处理。这样可以保证 JobQueue 不需要进行阻塞，对应的往 JobQueue 理论上也不需要阻塞地写入任务。

func (d *Dispatcher) Run() {
  // 开始运行 n 个 worker
  for i := 0; i < MaxWorker; i++ {
    worker := NewWorker(d.WorkerPool)
    worker.Start()
  }
  go d.dispatch()
}

func (d *Dispatcher) dispatch() {
  for {
    select {
    case job := <-JobQueue:
      go func(job Job) {
        // 尝试获取一个可用的 worker job channel，阻塞直到有可用的 worker
        jobChannel := <-d.WorkerPool
        // 分发任务到 worker job channel 中
        jobChannel <- job
      }(job)
    }
  }
}

这里"不可控"的 G 和上面还是又所不同的。仅仅极短时间内处于阻塞读 Chan 状态，当有空闲的 worker 被唤醒，然后分发任务，整个生命周期远远短于上面的操作。

最后，强烈建议看一下原文，原文地址在[1]

附录

[1]http://marcio.io/2015/07/handling-1-million-requests-per-minute-with-golang/

标签：http,chan,模型,worker,Golang,并发,Job,func,Payload
来源： https://blog.csdn.net/qq_43778308/article/details/117550140

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

Golang高并发处理模型

介绍

初版

中版

终版