Go語言的并發與WorkerPool
本文轉載自微信公眾號「Golang來啦」，作者Seekload。轉載本文請聯系Golang來啦公眾號。
四哥水平有限，如有翻譯或理解錯誤，煩請幫忙指出，感謝!
昨天分享關于 workerPool 的文章，有同學在后臺說，昨天的 Demo 恰好符合項目的業務場景，真的非常棒!
所以今天就再來分享一篇 。
原文如下：
現代編程語言中，并發已經成為必不可少的特性。現在絕大多數編程語言都有一些方法實現并發。
其中一些實現方式非常強大，能將負載轉移到不同的系統線程，比如 Java 等;一些則在同一線程上模擬這種行為，比如 Ruby 等。
Golang 的并發模型非常強大，稱為 CSP(通信順序進程)，它將一個問題分解成更小的順序進程，然后調度這些進程的實例(稱為 Goroutine)。這些進程通過 channel 傳遞信息實現通信。
本文，我們將探討如何利用 golang 的并發性，以及如何在 workerPool 使用。系列文章的第二篇，我們將探討如何構建一個強大的并發解決方案。
一個簡單的例子
假設我們需要調用一個外部 API 接口，整個過程需要花費 100ms。如果我們需要同步地調用該接口 1000 次，則需要花費 100s。
- //// model/data.go
- package model
- type SimpleData struct {
- ID int
- }
- //// basic/basic.go
- package basic
- import (
- "fmt"
- "github.com/Joker666/goworkerpool/model"
- "time"
- )
- func Work(allData []model.SimpleData) {
- start := time.Now()
- for i, _ := range allData {
- Process(allData[i])
- }
- elapsed := time.Since(start)
- fmt.Printf("Took ===============> %s\n", elapsed)
- }
- func Process(data model.SimpleData) {
- fmt.Printf("Start processing %d\n", data.ID)
- time.Sleep(100 * time.Millisecond)
- fmt.Printf("Finish processing %d\n", data.ID)
- }
- //// main.go
- package main
- import (
- "fmt"
- "github.com/Joker666/goworkerpool/basic"
- "github.com/Joker666/goworkerpool/model"
- "github.com/Joker666/goworkerpool/worker"
- )
- func main() {
- // Prepare the data
- var allData []model.SimpleData
- for i := 0; i < 1000; i++ {
- data := model.SimpleData{ ID: i }
- allData = append(allData, data)
- }
- fmt.Printf("Start processing all work \n")
- // Process
- basic.Work(allData)
- }
- Start processing all work
- Took ===============> 1m40.226679665s
上面的代碼創建了 model 包，包里包含一個結構體，這個結構體只有一個 int 類型的成員。我們同步地處理 data，這顯然不是最佳方案，因為可以并發處理這些任務。我們換一種方案，使用 goroutine 和 channel 來處理。
異步
- //// worker/notPooled.go
- func NotPooledWork(allData []model.SimpleData) {
- start := time.Now()
- var wg sync.WaitGroup
- dataCh := make(chan model.SimpleData, 100)
- wg.Add(1)
- go func() {
- defer wg.Done()
- for data := range dataCh {
- wg.Add(1)
- go func(data model.SimpleData) {
- defer wg.Done()
- basic.Process(data)
- }(data)
- }
- }()
- for i, _ := range allData {
- dataCh <- allData[i]
- }
- close(dataCh)
- wg.Wait()
- elapsed := time.Since(start)
- fmt.Printf("Took ===============> %s\n", elapsed)
- }
- //// main.go
- // Process
- worker.NotPooledWork(allData)
- Start processing all work
- Took ===============> 101.191534ms
上面的代碼，我們創建了容量 100 的緩存 channel，并通過 NoPooledWork() 將數據 push 到 channel 里。channel 長度滿 100 之后，我們是無法再向其中添加元素直到有元素被讀取走。使用 for range 讀取 channel，并生成 goroutine 處理。這里我們沒有限制生成 goroutine 的數量，這可以盡可能多地處理任務。從理論上來講，在給定所需資源的情況下，可以處理盡可能多的數據。執行代碼，完成 1000 個任務只花費了 100ms。很瘋狂吧!不全是，接著往下看。
問題
除非我們擁有地球上所有的資源，否則在特定時間內能夠分配的資源是有限的。一個 goroutine 占用的最小內存是 2k，但也能達到 1G。上述并發執行所有任務的解決方案中，假設有一百萬個任務，就會很快耗盡機器的內存和 CPU。我們要么升級機器的配置，要么就尋找其他更好的解決方案。
計算機科學家很久之前就考慮過這個問題，并提出了出色的解決方案 - 使用 Thread Pool 或者 Worker Pool。這個方案是使用 worker 數量受限的工作池來處理任務，workers 會按順序一個接一個處理任務，這樣就避免了 CPU 和內存使用急速增長。
解決方案：Worker Pool
我們通過實現 worker pool 來修復之前遇到的問題。
- //// worker/pooled.go
- func PooledWork(allData []model.SimpleData) {
- start := time.Now()
- var wg sync.WaitGroup
- workerPoolSize := 100
- dataCh := make(chan model.SimpleData, workerPoolSize)
- for i := 0; i < workerPoolSize; i++ {
- wg.Add(1)
- go func() {
- defer wg.Done()
- for data := range dataCh {
- basic.Process(data)
- }
- }()
- }
- for i, _ := range allData {
- dataCh <- allData[i]
- }
- close(dataCh)
- wg.Wait()
- elapsed := time.Since(start)
- fmt.Printf("Took ===============> %s\n", elapsed)
- }
- //// main.go
- // Process
- worker.PooledWork(allData)
- Start processing all work
- Took ===============> 1.002972449s
上面的代碼，worker 數量限制在 100，我們創建了相應數量的 goroutine 來處理任務。我們可以把 channel 看作是隊列，worker goroutine 看作是消費者。多個 goroutine 可以監聽同一個 channel，但是 channel 里的每一個元素只會被處理一次。
Go 語言的 channel 可以當作隊列使用。
這是一個比較好的解決方案，執行代碼，我們看到完成所有任務花費 1s。雖然沒有 100ms 這么快，但已經能滿足業務需要，而且我們得到了一個更好的解決方案，能將負載均攤在不同的時間片上。
處理錯誤
我們能做的還沒完。上面看起來是一個完整的解決方案，但卻不是的，我們沒有處理錯誤情況。所以需要模擬出錯的情形，并且看下我們需要怎么處理。
- //// worker/pooledError.go
- func PooledWorkError(allData []model.SimpleData) {
- start := time.Now()
- var wg sync.WaitGroup
- workerPoolSize := 100
- dataCh := make(chan model.SimpleData, workerPoolSize)
- errors := make(chan error, 1000)
- for i := 0; i < workerPoolSize; i++ {
- wg.Add(1)
- go func() {
- defer wg.Done()
- for data := range dataCh {
- process(data, errors)
- }
- }()
- }
- for i, _ := range allData {
- dataCh <- allData[i]
- }
- close(dataCh)
- wg.Add(1)
- go func() {
- defer wg.Done()
- for {
- select {
- case err := <-errors:
- fmt.Println("finished with error:", err.Error())
- case <-time.After(time.Second * 1):
- fmt.Println("Timeout: errors finished")
- return
- }
- }
- }()
- defer close(errors)
- wg.Wait()
- elapsed := time.Since(start)
- fmt.Printf("Took ===============> %s\n", elapsed)
- }
- func process(data model.SimpleData, errors chan<- error) {
- fmt.Printf("Start processing %d\n", data.ID)
- time.Sleep(100 * time.Millisecond)
- if data.ID % 29 == 0 {
- errors <- fmt.Errorf("error on job %v", data.ID)
- } else {
- fmt.Printf("Finish processing %d\n", data.ID)
- }
- }
- //// main.go
- // Process
- worker.PooledWorkError(allData)
我們修改了 process() 函數，處理一些隨機的錯誤并將錯誤 push 到 errors chnanel 里。所以，為了處理并發出現的錯誤，我們可以使用 errors channel 保存錯誤數據。在所有任務處理完成之后，可以檢查錯誤 channel 是否有數據。錯誤 channel 里的元素保存了任務 ID，方便需要的時候再處理這些任務。
比之前沒處理錯誤，很明顯這是一個更好的解決方案。但我們還可以做得更好，
我們將在下篇文章討論如何編寫一個強大的 worker pool 包，并且在 worker 數量受限的情況下處理并發任務。
總結
Go 語言的并發模型足夠強大給力，只需要構建一個 worker pool 就能很好地解決問題而無需做太多工作，這就是它沒有包含在標準庫中的原因。但是，我們自己可以構建一個滿足自身需求的方案。很快，我會在下一篇文章中講到，敬請期待!
點擊【閱讀原文】直達代碼倉庫[1]。
參考資料
[1]代碼倉庫: https://github.com/Joker666/goworkerpool?ref=hackernoon.com
via:https://hackernoon.com/concurrency-in-golang-and-workerpool-part-1-e9n31ao
作者：Hasan
