Go中的并发方法实例代码分析

Hello, Concurrent world

代码很简单——单个通道，单个goroutine，单次写入，单次读取。

package mainfunc main() {    // 创建一个int类型的通道    ch := make(chan int)    // 开启一个匿名 goroutine    go func() {        // 向通道发送数字42        ch <- 42    }()    // 从通道中读取    <-ch}

转到交互式 WebGL 动画

蓝色线代表随时间运行的goroutine. 连接‘main’和‘go #19’的蓝色细线用来标记goroutine的开始和结束同时展示了父子关系，最后，红线代表发送/接收动作. 虽然这是两个独立的动作,我还是尝试用“从 A 发送到 B”的动画将他们表示成一个动作. goroutine 名称中的“#19” 是 goroutine 真实的内部ID, 其获取方法参考了 Scott Mansfield 的 “Goroutine IDs” 这篇文章。

Timers

实际上，你可以通过以下方法构建一个简单的计时器——创建一个通道, 开启一个 goroutine 让其在指定的时间间隔后向通道中写入数据，然后将这个通道返回给调用者。于是调用函数就会在读取通道时阻塞，直到之前设定的时间间隔过去。接下来我们调用24次计时器然后尝试具象化调用过程。

package mainimport "time"func timer(d time.Duration) <-chan int {    c := make(chan int)    go func() {        time.Sleep(d)        c <- 1    }()    return c}func main() {    for i := 0; i < 24; i++ {        c := timer(1 * time.Second)        <-c    }}

转到交互式 WebGL 动画

很整洁，对吗? 我们继续。

Ping-pong

这个并发例子取自谷歌员工 Sameer Ajmani “Advanced Go Concurrency Patterns” 演讲。当然，这个模式不算非常高级，但是对于那些只熟悉Go的并发机制的人来说它看起来可能非常新鲜有趣。

这里我们用一个通道代表乒乓球台. 一个整型变量代表球, 然后用两个goroutine代表玩家，玩家通过增加整型变量的值（点击计数器）模拟击球动作。

package mainimport "time"func main() {    var Ball int    table := make(chan int)    go player(table)    go player(table)    table <- Ball    time.Sleep(1 * time.Second)    <-table}func player(table chan int) {    for {        ball := <-table        ball++        time.Sleep(100 * time.Millisecond)        table <- ball    }}

转到交互式 WebGL 动画

这里我建议你点击 链接 进入交互式 WebGL 动画操作一下. 你可以放慢或者加速动画，从不同的角度观察。

现在，我们添加三个玩家看看。

    go player(table)    go player(table)    go player(table)

转到交互式 WebGL 动画 我们可以看到每个玩家都按照次序轮流操作，你可能会想为什么会这样。为什么多个玩家（goroutine）会按照严格的顺序接到“球”呢。

答案是 Go 运行时环境维护了一个 接收者 FIFO 队列 (存储需要从某一通道上接收数据的goroutine)，在我们的例子里，每个玩家在刚发出球后就做好了接球准备。我们来看一下更复杂的情况，加入100个玩家。

for i := 0; i < 100; i++ {    go player(table)}

转到交互式 WebGL 动画

先进先出顺序很明显了，是吧? 我们可以创建一百万个goroutine，因为它们很轻量，但是对于实现我们的目的来说没有必要。我们来想想其他可以玩的。 例如, 常见的消息传递模式。

Fan-In

并发世界中流行的模式之一是所谓的 fan-in 模式。这与 fan-out 模式相反，稍后我们将介绍。简而言之，fan-in 是一项功能，可以从多个输入中读取数据并将其全部多路复用到单个通道中。

举例来说：

package mainimport (    "fmt"    "time")func producer(ch chan int, d time.Duration) {    var i int    for {        ch <- i        i++        time.Sleep(d)    }}func reader(out chan int) {    for x := range out {        fmt.Println(x)    }}func main() {    ch := make(chan int)    out := make(chan int)    go producer(ch, 100*time.Millisecond)    go producer(ch, 250*time.Millisecond)    go reader(out)    for i := range ch {        out <- i    }}

Go to interactive WebGL animation

如我们所见，名列前茅个 producer 每100毫秒生成一次值，第二个每250毫秒生成一次值，但是 reader 会立即从这两个生产者那里接受值。实际上，多路复用发生在 main 的range循环中。

Workers

与 fan-in 相反的模式是 fan-out 或者worker 模式。多个 goroutine 可以从单个通道读取，从而在CPU内核之间分配大量的工作量，因此是 worker 的名称。在Go中，此模式易于实现-只需以通道为参数启动多个goroutine，然后将值发送至该通道-Go运行时会自动地进行分配和复用 :)

package mainimport (    "fmt"    "sync"    "time")func worker(tasksCh <-chan int, wg *sync.WaitGroup) {    defer wg.Done()    for {        task, ok := <-tasksCh        if !ok {            return        }        d := time.Duration(task) * time.Millisecond        time.Sleep(d)        fmt.Println("processing task", task)    }}func pool(wg *sync.WaitGroup, workers, tasks int) {    tasksCh := make(chan int)    for i := 0; i < workers; i++ {        go worker(tasksCh, wg)    }    for i := 0; i < tasks; i++ {        tasksCh <- i    }    close(tasksCh)}func main() {    var wg sync.WaitGroup    wg.Add(36)    go pool(&wg, 36, 50)    wg.Wait()}

这里值得一提的是：并行性。如您所见，所有goroutine并行’运行‘，等待通道给予它们’工作‘。鉴于上面的动画，很容易发现goroutine几乎立即接连地收到它们的工作。不幸的是，该动画在goroutine确实在处理工作还是仅仅是在等待输入的地方没有用颜色显示出来，但是此动画是在GOMAXPROCS=4的情况下录制的，因此只有4个goroutine有效地并行运行。我们将很快讨论这个主题。

现在，让我们做一些更复杂的事情，并启动一些有自己workers（subworkers）的workers。

package mainimport (    "fmt"    "sync"    "time")const (    WORKERS    = 5    SUBWORKERS = 3    TASKS      = 20    SUBTASKS   = 10)func subworker(subtasks chan int) {    for {        task, ok := <-subtasks        if !ok {            return        }        time.Sleep(time.Duration(task) * time.Millisecond)        fmt.Println(task)    }}func worker(tasks <-chan int, wg *sync.WaitGroup) {    defer wg.Done()    for {        task, ok := <-tasks        if !ok {            return        }        subtasks := make(chan int)        for i := 0; i < SUBWORKERS; i++ {            go subworker(subtasks)        }        for i := 0; i < SUBTASKS; i++ {            task1 := task * i            subtasks <- task1        }        close(subtasks)    }}func main() {    var wg sync.WaitGroup    wg.Add(WORKERS)    tasks := make(chan int)    for i := 0; i < WORKERS; i++ {        go worker(tasks, &wg)    }    for i := 0; i < TASKS; i++ {        tasks <- i    }    close(tasks)    wg.Wait()}

Go to interactive WebGL animation 很好。当然，我们可以将worker和subworker的数量设置为更高的值，但是我试图使动画清晰易懂。

更酷的 fan-out 模式确实存在，例如动态数量的worker/subworker，通过通道发送通道，但是 fan-out 的想法现在应该很清楚了。

服务器

下一个常见的模式类似于扇出，但是会在很短的时间内生成goroutine，只是为了完成某些任务。它通常用于实现服务器-创建侦听器，循环运行accept()并为每个接受的连接启动goroutine。它非常具有表现力，可以实现尽可能简单的服务器处理程序。看一个简单的例子：

package mainimport "net"func handler(c net.Conn) {    c.Write([]byte("ok"))    c.Close()}func main() {    l, err := net.Listen("tcp", ":5000")    if err != nil {        panic(err)    }    for {        c, err := l.Accept()        if err != nil {            continue        }        go handler(c)    }}

Go to 交互式WebGL动画

这不是很有趣-似乎并发方面没有发生任何事情。当然，在引擎盖下有很多复杂性，这是我们特意隐藏的。 “简单性很复杂”.

但是，让我们回到并发性并向我们的服务器添加一些交互。假设每个处理程序都希望异步写入记录器。在我们的示例中，记录器本身是一个单独的goroutine，它可以完成此任务。

package mainimport (    "fmt"    "net"    "time")func handler(c net.Conn, ch chan string) {    ch <- c.RemoteAddr().String()    c.Write([]byte("ok"))    c.Close()}func logger(ch chan string) {    for {        fmt.Println(<-ch)    }}func server(l net.Listener, ch chan string) {    for {        c, err := l.Accept()        if err != nil {            continue        }        go handler(c, ch)    }}func main() {    l, err := net.Listen("tcp", ":5000")    if err != nil {        panic(err)    }    ch := make(chan string)    go logger(ch)    go server(l, ch)    time.Sleep(10 * time.Second)}

Go to 交互式WebGL动画

不是吗？但是很容易看到，如果请求数量增加并且日志记录操作花费一些时间(例如，准备和编码数据)，我们的* logger * goroutine很快就会成为瓶颈。我们可以使用一个已知的扇出模式。我们开始做吧。

服务器+工作者

带工作程序的服务器示例是记录器的高级版本。它不仅可以完成一些工作，而且还可以通过* results *通道将其工作结果发送回池中。没什么大不了的，但是它将我们的记录器示例扩展到了更实际的示例。

让我们看一下代码和动画：

package mainimport (    "net"    "time")func handler(c net.Conn, ch chan string) {    addr := c.RemoteAddr().String()    ch <- addr    time.Sleep(100 * time.Millisecond)    c.Write([]byte("ok"))    c.Close()}func logger(wch chan int, results chan int) {    for {        data := <-wch        data++        results <- data    }}func parse(results chan int) {    for {        <-results    }}func pool(ch chan string, n int) {    wch := make(chan int)    results := make(chan int)    for i := 0; i < n; i++ {        go logger(wch, results)    }    go parse(results)    for {        addr := <-ch        l := len(addr)        wch <- l    }}func server(l net.Listener, ch chan string) {    for {        c, err := l.Accept()        if err != nil {            continue        }        go handler(c, ch)    }}func main() {    l, err := net.Listen("tcp", ":5000")    if err != nil {        panic(err)    }    ch := make(chan string)    go pool(ch, 4)    go server(l, ch)    time.Sleep(10 * time.Second)}

Go to 交互式WebGL动画 我们在4个goroutine之间分配了工作，有效地提高了记录器的吞吐量，但是从此动画中，我们可以看到记录器仍然可能是问题的根源。成千上万的连接在分配之前会汇聚在一个通道中，这可能导致记录器再次成为瓶颈。但是，当然，它会在更高的负载下发生。

并发素筛(素筛指素数筛法)

足够的扇入/扇出乐趣。让我们看看更复杂的并发算法。我最喜欢的例子之一是Concurrent Prime Sieve，可以在[Go Concurrency Patterns]对话中找到。素数筛，或[Eratosthenes筛)是一种古老的算法，用于查找达到给定限制的素数。它通过按顺序消除所有质数的倍数来工作。天真的算法并不是真正有效的算法，尤其是在多核计算机上。

该算法的并发变体使用goroutine过滤数字-每个发现的素数一个goroutine，以及用于将数字从生成器发送到过滤器的通道。找到质数后，它将通过通道发送到* main *以进行输出。当然，该算法也不是很有效，特别是如果您想找到大质数并寻找最低的Big O复杂度，但是我发现它非常优雅。

// 并发的主筛package mainimport "fmt"// 将序列2、3、4，...发送到频道“ ch”。func Generate(ch chan<- int) {    for i := 2; ; i++ {        ch <- i // Send 'i' to channel 'ch'.    }}//将值从通道“ in”复制到通道“ out”，//删除可被“素数”整除的那些。func Filter(in <-chan int, out chan<- int, prime int) {    for {        i := <-in // Receive value from 'in'.        if i%prime != 0 {            out <- i // Send 'i' to 'out'.        }    }}//主筛：菊花链过滤器过程。func main() {    ch := make(chan int) // Create a new channel.    go Generate(ch)      // Launch Generate goroutine.    for i := 0; i < 10; i++ {        prime := <-ch        fmt.Println(prime)        ch2 := make(chan int)        go Filter(ch, ch2, prime)        ch = ch2    }}

转到交互式WebGL动画

，请以交互模式随意播放此动画。我喜欢它的说明性-它确实可以帮助您更好地理解该算法。 * generate * goroutine发出从2开始的每个整数，每个新的goroutine仅过滤特定的质数倍数-2、3、5、7 …，将名列前茅个找到的质数发送给* main *。如果旋转它从顶部看，您会看到从goroutine发送到main的所有数字都是质数。漂亮的算法，尤其是在3D中。

GOMAXPROCS（调整并发的运行性能）

现在，让我们回到我们的工作人员示例。还记得我告诉过它以GOMAXPROCS = 4运行吗？那是因为所有这些动画都不是艺术品，它们是真实程序的真实痕迹。

让我们回顾一下GOMAXPROCS是什么。

GOMAXPROCS设置可以同时执行的最大CPU数量。

当然，CPU是指逻辑CPU。我修改了一些示例，以使他们真正地工作(而不仅仅是睡觉)并使用实际的CPU时间。然后，我运行了代码，没有进行任何修改，只是设置了不同的GOMAXPROCS值。 Linux机顶盒有2个CPU，每个CPU具有12个内核，因此有24个内核。

因此，名列前茅次运行演示了该程序在1个内核上运行，而第二次-使用了所有24个内核的功能。

WebGL动画-1| WebGL动画-24GOMAXPROCS1

这些动画中的时间速度是不同的(我希望所有动画都适合同一时间/ height)，因此区别很明显。当GOMAXPROCS = 1时，下一个工作人员只有在上一个工作完成后才能开始实际工作。在GOMAXPROCS = 24的情况下，加速非常大，而复用的开销可以忽略不计。

不过，重要的是要了解，增加GOMAXPROCS并不总是可以提高性能，在某些情况下实际上会使它变得更糟。

Goroutines leak

我们可以从Go中的并发时间中证明什么呢？我想到的一件事情是goroutine泄漏。例如，如果您启动goroutine，但超出范围，可能会发生泄漏。或者，您只是忘记添加结束条件，而运行了for{}循环。

名列前茅次在代码中遇到goroutine泄漏时，我的脑海中出现了可怕的图像，并且在下个周末我写了 expvarmon。现在，我可以使用WebGL可视化该恐怖图像。

看一看：

仅仅是看到此，我都会感到痛苦:) 所有这些行都浪费了资源，并且是您程序的定时炸弹。

Parallelism is not Concurrency

我要说明的最后一件事是并行性与并发性之间的区别。这个话题涵盖了 很多 ，Rob Pike在这个话题上做了一个精彩的演讲。确实是#必须观看的视频之一。

简而言之，

并行是简单的并行运行事物。

并发是一种构造程序的方法。

因此，并发程序可能是并行的，也可能不是并行的，这些概念在某种程度上是正交的。我们在演示 GOMAXPROCS 设置效果时已经看到了这一点。

我可以重复所有这些链接的文章和谈话，但是一张图片相当于说了一千个字。我在这里能做的是可视化这个差异。因此，这是并行。许多事情并行运行。

转到交互式WebGL动画

这也是并行性：

转到交互式WebGL动画

但这是并发的：

还有这个：

这也是并发的：

How it was made

为了创建这些动画，我编写了两个程序：gotracer 和 gothree.js 库。首先，gotracer执行以下操作：

• 解析Go程序的AST树（Abstract Syntax Tree，抽象语法树），并在与并发相关的事件上插入带有输出的特殊命令-启动/停止goroutine，创建通道，向/从通道发送/接收。

• 运行生成的程序

• 分析此特殊输出，并生成带有事件和时间戳描述的JSON。

生成的JSON示例：

“Go中的并发方法实例代码分析”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！