背景
缓存 在各种场景中被大量使用，在 Cache Miss（缓存未命中）的情况下，就会出现下图的情况：
所有的请求被同时打到下游存储上，将会影响下游存储的服务质量，因此需要严格限制访问下游存储的并发量。使用 Golang 编程的人，倾向于不假思索的使用 singleflight 应对 Cache Miss（缓存未命中），即：
在绝大多数场景下，singleflight 都很好用，因此让很多人相信 singleflight 是完美无缺的银弹。在2020年的电商大促中，因为此种认知，导致线上业务出现了严重故障。之前只是直觉性的觉得这么设计不妥，因为该问题促使我回过头来梳理该类型设计的存在的不足。
了解 singleflight
在此之前，先了解下 singleflight 来源于准官方库golang.org/x/sync/singleflight，能够在抑制对下游的多次重复请求.主要提供了以下三个方法：
// Do(): 相同的 key，fn 同时只会执行一次，返回执行的结果给fn执行期间，所有使用该 key 的调用 // v: fn 返回的数据 // err: fn 返回的err // shared: 表示返回数据是调用 fn 得到的还是其他相同 key 调用返回的 func (g *Group) Do(key string, fn func() (interface{}, error)) (v interface{}, err error, shared bool) { // DoChan(): 类似Do方（），以 chan 返回结果 func (g *Group) DoChan(key string, fn func() (interface{}, error)) <-chan Result { // Forget(): 失效 key，后续对此 key 的调用将执行 fn，而不是等待前面的调用完成 func (g *Group) Forget(key string)
通常的使用方式如下：
package main import ( "context" "fmt" "golang.org/x/sync/singleflight" "sync/atomic" "time" ) type Result string func find(ctx context.Context, query string) (Result, error) { return Result(fmt.Sprintf("result for %q", query)), nil } func main() { var g singleflight.Group const n = 5 waited := int32(n) done := make(chan struct{}) key := "https://weibo.com/1227368500/H3GIgngon" for i := 0; i < n; i++ { go func(j int) { v, _, shared := g.Do(key, func() (interface{}, error) { ret, err := find(context.Background(), key) return ret, err }) if atomic.AddInt32(&waited, -1) == 0 { close(done) } fmt.Printf("index: %d, val: %v, shared: %v\n", j, v, shared) }(i) } select { case <-done: case <-time.After(time.Second): fmt.Println("Do hangs") } }
输出结果如下：
index: 1, val: result for "https://weibo.com/1227368500/H3GIgngon", shared: true index: 2, val: result for "https://weibo.com/1227368500/H3GIgngon", shared: true index: 3, val: result for "https://weibo.com/1227368500/H3GIgngon", shared: false index: 4, val: result for "https://weibo.com/1227368500/H3GIgngon", shared: false index: 0, val: result for "https://weibo.com/1227368500/H3GIgngon", shared: false
如果函数执行一切正常，则所有请求都能顺利获得正确的数据。相反，如果函数执行遇到问题呢？由于 singleflight 是以阻塞读的方式来控制向下游请求的并发量，在第一个下游请求没有返回之前，所有请求都将被阻塞。
问题分析
假设服务正常情况下处理能力为 1W QPS，每次请求会发起 3 次 下游调用，其中一个下游调用使用 singleflight 获取控制并发获取数据，请求超时时间为3S。那么在出现请求超时的情况下，会出现以下几个问题：
- 协程暴增，最小协程数为3W（1 W/S * 3S）
- 内存暴涨，内存总大小为：协程内存大小 + 1W/S * 3S *（3+1）次 * （请求包+响应包）大小
- 大量超时报错：1W/S * 3S
- 后续请求耗时增加（调度等待）
如果类似问题出现在重要程度高的接口上，例如：读取游戏配置、获取博主信息 等关键接口，那么问题将是非常致命的。出现该情况的根本原因有以下两点：
- 阻塞读：缺少超时控制，难以快速失败
- 单并发：控制了并发量，但牺牲了成功率
那么如何应对以上问题呢？
阻塞读
作为 Do() 的替代函数，singleflight 提供了 DoChan（）。两者实现上完全一样，不同的是，DoChan() 通过 channel 返回结果。因此可以使用 select 语句实现超时控制
ch := g.DoChan(key, func() (interface{}, error) { ret, err := find(context.Background(), key) return ret, err }) // Create our timeout timeout := time.After(500 * time.Millisecond) var ret singleflight.Result select { case <-timeout: // Timeout elapsed fmt.Println("Timeout") return case ret = <-ch: // Received result from channel fmt.Printf("index: %d, val: %v, shared: %v\n", j, ret.Val, ret.Shared) }
单并发
在一些对可用性要求极高的场景下，往往需要一定的请求饱和度来保证业务的最终成功率。一次请求还是多次请求，对于下游服务而言并没有太大区别，此时使用 singleflight 只是为了降低请求的数量级，那么使用 Forget() 提高下游请求的并发:
v, _, shared := g.Do(key, func() (interface{}, error) { go func() { time.Sleep(10 * time.Millisecond) fmt.Printf("Deleting key: %v\n", key) g.Forget(key) }() ret, err := find(context.Background(), key) return ret, err })
当有一个并发请求超过 10ms，那么将会有第二个请求发起，此时只有 10ms 内的请求最多发起一次请求，即最大并发：100 QPS。单次请求失败的影响大大降低。
总结
当然，如果单次的失败无法容忍，在高并发的场景下更好的处理方案是：
- 放弃使用同步请求，牺牲数据更新的实时性
- “缓存” 存储准实时的数据 + “异步更新” 数据到缓存
以上模式，在设计弹幕系统的时候有使用到，详细介绍参考：弹幕系统设计实践
本文作者 ： cyningsun
本文地址 ： https://www.cyningsun.com/01-11-2021/golang-concurrency-singleflight.html
版权声明 ：本博客所有文章除特别声明外，均采用 CC BY-NC-ND 3.0 CN 许可协议。转载请注明出处！
