介绍
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，
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,
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。
另外，之前一直没有个人 blog，这两天搭了一个，打算以文档的形式开启一个 Go 面试集锦，整合一些好的外部资源，敬请期待。
附录
http://marcio.io/2015/07/handling-1-million-requests-per-minute-with-golang/
