入门goroutine并发设计模式以及goroutine可视化工具

Daisy-Chain

首先,为了防止过于枯燥,我先列出我最喜欢的一个模式:Daisy-Chain。这个模式比较复杂,对go的并发编程不太熟悉的同学,可以先看下面的模式。然后回过头来看这个。

daisy chain会创建很多channel,然后把这些channel首尾相接级联起来,组成一条单向链,每个channel都在处理不同的子任务,最后的结果在链的末端输出。这是在2012年的golang talks中由Rob Pike提出的:

func f(left, right chan int) {
 // 这个函数就把right的输出和left的输入联系起来了。
 left <- 1 + <-right
}
func main() {
 const n = 10000
 leftmost := make(chan int)
 right := leftmost
 left := leftmost
 // 创建长度为n的daisy链
 for i := 0; i < n; i++ {
 right = make(chan int)
 go f(left, right)
 left = right
 }
 // 在链的最右端输入1,那么最左端就会得到10001
 go func(c chan int) { c <- 1 }(right)
 fmt.Println(<-leftmost)
}

整个过程类似下图:

那么这个模式有什么用呢?它可以用来处理迭代算法,使得部分迭代运算并发执行。只要迭代的每个阶段都是相互独立的即可。比如,计算质数:

import (
 "fmt"
 "os"
 "runtime/trace"
 "time"
)
func Generate(ch chan<- int) {
 for i := 2; ; i++ {
 ch <- i
 // 这是为了方便gotrace绘图
 time.Sleep(10 * time.Millisecond)
 }
}
func Filter(ch <-chan int, out chan<- int, prime int) {
 for {
 i := <-ch
 if i%prime != 0 {
 out <- i
 } else {
 fmt.Printf("[%d] filter out %d\n", prime, i)
 }
 }
}
func main() {
 // 这些也是gotrace要求插入的代码。下同
 trace.Start(os.Stderr)
 ch := make(chan int)
 go Generate(ch)
 for i := 0; i < 10; i++ {
 prime := <-ch // step1
 fmt.Println(prime)
 out := make(chan int) // step2 
 go Filter(ch, out, prime) // step3
 ch = out // step4
 }
 trace.Stop()
}

仔细分析上面的代码,它的功能就是输出前10个正整数质数。至于细节就让我们一步步分析看看:
首先,Generate从2开始遍历正整数,并且在一开始就被放入goroutine里了。结果会放在ch里;
然后,在main中启动一个for循环,在循环的每个step1,都会从ch中读出一个质数。2当然是质数,但是后面每一步从ch中读取的都是质数吗?且看下面的代码。
然后,step2会创建一个新channel out(类似上例的right),ch和它作为输入和输出创建一个Filter的goroutine,专门过滤能被step1的prime整除的数。所以在out中输出的都是不会被prime整除的数。
最后在关键的step4,out变成下一个ch。相当于增加了一节chain的长度。而ch在每个循环中输出的第一个数,都是被之前的所有质数无法整除的数,即下一个质数。
输出日志如下:

2
3
[2] filter out 4
5
[2] filter out 6
7
[2] filter out 8
[3] filter out 9
[2] filter out 10
11
[2] filter out 12
13
[2] filter out 14
[3] filter out 15
[2] filter out 16
17
[2] filter out 18
19
[2] filter out 20
[3] filter out 21
[2] filter out 22
23
[2] filter out 24
[5] filter out 25
[2] filter out 26
[3] filter out 27
[2] filter out 28
29

为了更直观的展示整个过程,我用divan大神的gotrace工具画出了goroutine的3d交互图:

其中每个红色竖线表示一个goroutine,时间轴是从上到下的,所以红线越长表示goroutine持续时间越长,也说明它生成的越早。
可以看到,最早的一个goroutine获得的数字是3,4,...... 29,因为2已经被输出了,所以是3到29,然后下一个goroutine获得的就是5,7,9,...... 29,因为3被输出,而偶数都被过滤了。以此类推,最后输出的就是前10个质数。
需要指出的是,这个算法并不是最高效的,但却是非常优雅的。

关于gotrace的安装和使用,请移步这里。我是根据他的方法给go1.6.3打了补丁后,就能使用了。

好了,下面我们换些基础的模式讲一下:

Ping-pong

顾名思义,就是由2个goroutine相互踢皮球组成的模式。是在2013年的golang talks中提出的。尽管它非常简单,但是却方便我们理解go的并发编程概念。

代码如下:
用一个int表示ball(球),管道表示table(桌子),两个goroutine就是2个运动员, 分别编号为1和2。

func main() {
 var Ball int
 table := make(chan int)
 go player("2", table)
 go player("1", table)
 // 首先把球放到"桌上"
 table <- Ball
 time.Sleep(1 * time.Second)
 // 1s后比赛结束......
 <-table
}
func player(id string, table chan int) {
 for {
 ball := <-table
 log.Printf("%s got ball[%d]\n", id, ball)
 time.Sleep(50 * time.Millisecond)
 log.Printf("%s bounceback ball[%d]\n", id, ball)
 ball++
 table <- ball
 }
}

输出如下:

1 got ball[0]
1 bounceback ball[0]
2 got ball[1]
2 bounceback ball[1]
1 got ball[2]
1 bounceback ball[2]
2 got ball[3]
2 bounceback ball[3]
1 got ball[4]
1 bounceback ball[4]
2 got ball[5]
2 bounceback ball[5]

代码简洁易懂,很好理解(看不懂的同学请不要拍我)。
下面,我们增加一位选手,让3个运动员一块打球

 go player("2", table)
 go player("3", table)
 go player("1", table)

这下子热闹了,输出如下:

1 got ball[0]
1 bounceback ball[0]
2 got ball[1]
2 bounceback ball[1]
3 got ball[2]
3 bounceback ball[2]
1 got ball[3]
1 bounceback ball[3]
2 got ball[4]
2 bounceback ball[4]
3 got ball[5]
3 bounceback ball[5]
1 got ball[6]
1 bounceback ball[6]
2 got ball[7]
2 bounceback ball[7]
3 got ball[8]
3 bounceback ball[8]

看3个人有条不紊的相互击球。此时处女座一定非常满意,但是对于习惯了并发随机性的程序员来说,这实在有些过于美好:为什么它们的顺序如此协调,为什么1总是给2,2给3,3给1,而不是其他顺序呢?

划重点了啊:

The answer is because Go runtime holds waiting FIFO queue for receivers, that is goroutines ready to receive on the particular channel

即,对于接收channel内容的goroutines来说,go的runtime会把它们分配到一个FIFO队列中,所以这些goroutines只能按照既定的顺序接收channel的内容,而不会弄乱。所以即使创建上百个palyers,顺序依然是固定的。go实在是太贴心了,有不有!

Fan-In

也叫"扇入",应该是并发编程里面比较普通的一个模式了。fan-in会从多个管道读取输入,并汇总到一个channel输出,形象的比喻如下图:

示例代码如下

import (
 "fmt"
 "math/rand"
 "os"
 "runtime/trace"
 "time"
)
func main() {
 trace.Start(os.Stderr)
 c := fanIn(boring(1), boring(2))
 for i := 0; i < 10; i++ {
 fmt.Println(<-c)
 }
 fmt.Println("You're both boring; I'm leaving.")
 trace.Stop()
}
func fanIn(input1, input2 <-chan int) <-chan int {
 c := make(chan int)
 go func() { for {c <- <-input1} }()
 go func() { for {c <- <-input2} }()
 return c
}
func boring(msg int) <-chan int {
 c := make(chan int)
 go func() { // We launch the goroutine from inside the function.
 for i := 0; ; i++ {
 c <- msg*1000 + i
 time.Sleep(time.Duration(rand.Intn(1e3)) * time.Millisecond)
 }
 }()
 return c // Return the channel to the caller.
}

输出为:
2000
2001
1001
2002
1002
2003
1003
2004
1004
gotrace输出为(注意这是两次独立的运行结果):

可以看到,两次的结果都汇入了main线程,并且顺序输出,没有丢失数据,也没有死锁。

当然,简单的情况,用select也可以。

select设计的目的就是在channel中间通讯,谁的数据先到达,哪个case分支先执行。

c1 := boring(1)
c2 := boring(2)
for i := 0; i < 10; i++ {
 select {
 case v := <-c1:
 fmt.Println(v)
 case v := <-c2:
 fmt.Println(v)
 }
}

Workers

也叫FanOut(扇出),和扇入模式相反,工作模式是一个管道分发任务,多个goroutines来执行。
示例代码如下:

import (
 "fmt"
 "os"
 "runtime/trace"
 "sync"
 "time"
)
func worker(ch <-chan int, wg *sync.WaitGroup) {
 defer wg.Done()
 for {
 task, ok := <-ch
 if !ok {
 return
 }
 time.Sleep(20 * time.Millisecond)
 fmt.Println("processing task", task)
 }
}
func pool(wg *sync.WaitGroup, workers, tasks int) {
 ch := make(chan int)
 for i := 0; i < workers; i++ {
 time.Sleep(1 * time.Millisecond)
 // spawn出很多worker线程
 go worker(ch, wg)
 }
 for i := 0; i < tasks; i++ {
 time.Sleep(10 * time.Millisecond)
 // 开始分发任务,被激活的workers开始工作了
 ch <- i
 }
 close(ch)
}
func main() {
 trace.Start(os.Stderr)
 var wg sync.WaitGroup
 wg.Add(36)
 go pool(&wg, 36, 36)
 wg.Wait()
 trace.Stop()
}

代码略长,但是逻辑其实非常清晰。我在注释中也稍作了说明。
注意(划重点了),close(ch)在这里很关键,它确定了每个worker退出的节点。当channel中的内容为空,同时它已经被close时,task, ok := <- ch返回的ok==false,此时通知worker退出,wg标记完成,当所有的worker都完成时,wg.Wait()完成,转入下一行执行。
在golang中,main不会自动等待所有子进程完成,如果没有退出检查,main进程会闪退,所有的子进程也会随之强制退出,所以在main里必须有退出检测机制,前几个例子我们使用的是time.Sleep和for循环,这里我们使用了WaitGroup。

gotrace结果如下:

圆柱体中心就是main进程中生成的pool进程,围绕它的是36个worker进程。蓝色箭头表示pool每隔10ms分发的任务,它们都被worker处理了。

Servers

server模式和fan_out类似,只不过它的worker线程是按需生成的,并且工作处理完毕后就释放。所以这种模式常应用到网站服务器上。在主进程中,有一个for循环,Accept函数一直阻塞着循环的进行,一旦有新的请求过来,Accept就会生成一个connection,然后主进程就创建一个子进程处理这个connection以及其他逻辑。

示例代码如下:

import (
 "fmt"
 "net"
 "os"
 "runtime/trace"
 "time"
)
func handler(c net.Conn, ch chan int) {
 ch <- len(c.RemoteAddr().String())
 time.Sleep(10 * time.Microsecond)
 c.Write([]byte("ok"))
 c.Close()
}
func logger(ch chan int) {
 for {
 time.Sleep(1500 * time.Millisecond)
 fmt.Println(<-ch)
 }
}
func server(l net.Listener, ch chan int) {
 for {
 c, err := l.Accept()
 if err != nil {
 continue
 }
 go handler(c, ch)
 }
}
func main() {
 trace.Start(os.Stderr)
 l, err := net.Listen("tcp", ":5000")
 if err != nil {
 panic(err)
 }
 ch := make(chan int)
 go logger(ch)
 go server(l, ch)
 time.Sleep(10 * time.Second)
 trace.Stop()
}

可以看到,主进程生成了一个tcp连接,启动了server和logger两个子进程。server用来监听外网的请求,一旦请求过来,就会生成一个handler进程,用来处理connection。同时,handler还会通过管道和logger通讯,logger负责异步记录相应日志。

这个程序运行时的输入需要模拟外部请求来产生,为此我写了一个脚本:

#!/bin/sh
i=0
while [[ $i -lt 20 ]];
do
 # 通过nc发起tcp请求。每秒请求一次
 echo "hello "$i | nc localhost 5000
 sleep 1
 ((++i))
done

运行时,先启动这个脚本,然后启动server或gotrace。

gotrace的运行结果如下:

可以看到,尽管程序运行了10s,但是只处理了6个请求。这是因为logger占用了管道太长时间,使得handler的运行时间也延长到了1.5s以上。

为了解决这个问题,我们正好借助上面介绍的Worker模式,提高logger的并发性。

Server + Worker

import (
 "fmt"
 "net"
 "os"
 "runtime/trace"
 "time"
)
func handler(c net.Conn, ch chan int) {
 ch <- 0
 time.Sleep(50 * time.Microsecond)
 c.Write([]byte("ok"))
 c.Close()
}
func logger(wch chan int) {
 for {
 fmt.Println(<-wch)
 // 这里主要耗时
 time.Sleep(1500 * time.Millisecond)
 }
}
func pool(ch chan int, n int) {
 wch := make(chan int)
 for i := 0; i < n; i++ {
 go logger(wch)
 }
 for {
 wch <- <-ch
 }
}
func server(l net.Listener, ch chan int) {
 for {
 c, err := l.Accept()
 if err != nil {
 continue
 }
 go handler(c, ch)
 }
}
func main() {
 trace.Start(os.Stderr)
 l, err := net.Listen("tcp", ":5000")
 if err != nil {
 panic(err)
 }
 ch := make(chan int)
 go pool(ch, 36)
 go server(l, ch)
 time.Sleep(10 * time.Second)
 trace.Stop()
}

其中pool函数跟上例类似,就是生成(spawn)很多worker,然后handle中生成的数据会先进入pool,由pool再分配给这些workers。

3D图如下:

可以看到,此时server正好处理了10个请求。不再被logger拖延了。

Concurrency & Parallelism

注意我的题目是并发(concurrent)设计模式。那么并发和并行到底啥区别??

• Concurrency: A condition that exists when at least two threads are making progress. A more generalized form of parallelism that can include time-slicing as a form of virtual parallelism.
  Concurrency(并发性):是一种广义的并行。在concurrence的语境下,两个线程/任务可以表面上看起来"像是"并行,但其实机器只有一个核,它们只是分享了时间块。当然,在多核的情况下,它可以是并行的。

• Parallelism(并行性):A condition that arises when at least two threads are executing simultaneously.
  这个就是狭义的并行,即线程、任务必须是同时进行的,否则不算parallelism。

本文来自:Segmentfault

感谢作者:flybywind

查看原文:入门goroutine并发设计模式以及goroutine可视化工具

• 编辑
• 预览