今天我想再来讨论一下高并发的问题，我们看到最近以Rust、Go为代表的云原生、Serverless时代的语言，在设计高并发编程模式时往往都会首推管道机制，传统意义上并发控制的利器如互斥体或者信号量都不是太推荐。
这里我们先来看一下并发和并行的概念，我们知道并发是一个处理器同时处理多个任务，这里同时是逻辑上的，而并行同一时刻多个物理器同时执行不同指令，这里的同时物理上的。并发是要尽量在目前正在执行的任务遇到阻塞或者等待操作时，释放CPU，让其它任务得以调度，而并行则是同时执行不同任务而不相互影响。
而传统的信号量、互斥体的设计都是为了让单核CPU发挥出最大的性能，让程序在阻塞时释放CPU，通过控制共享变量的访问来达到避免冲突的目的，而想控制好这些共享变量的行为，其关键因此在于设计好时序，从本质上讲控制时序就是给系统加上红绿灯并配备路障，而这里你一定要记住，高性能系统需要的是立交桥、地下隧道这些基础设施，而不是交通信号等控制手段，好的并发系统一定要用流的概念来建模，而不是到处增加关卡路障。现在的处理都是多核架构，因此编程也要向并行倾斜，不过笔者在网上看到很多所谓标榜高并发教程中所举的例子，都把信号灯设计的时序很完美，却偏偏把立交桥全给扔了…..
信号灯应该为导流服务，而不应为限流而生
下面我们来看三段分别对应信号灯控制的操作，互斥体统治的“并发”，以及单纯的串行的代码，代码的目标其实就是要完成从0一直加到3000000的操作。
信号灯控制
其实这种信号量的代码已经基本退化回了顺序执行的方案了。正如我们在前文《GO看你犯错，但是Rust帮你排坑所说》，Rust的变量生命周期检查机制，并不能支持在不同线程之间共享内存，即便可以曲线救国，也绝非官方推荐，因此这里先用Go带各位读者说明。
package main import ( "fmt" "sync" "time" ) var count int var wg1 sync.WaitGroup var wg2 sync.WaitGroup var wg3 sync.WaitGroup var wg4 sync.WaitGroup func goroutine1() { wg1.Wait() len := 1000000 for i := 0; i < len; i++ { count++ } wg2.Done() } func goroutine2() { wg2.Wait() len := 1000000 for i := 0; i < len; i++ { count++ } wg3.Done() } func goroutine3() { wg3.Wait() len := 1000000 for i := 0; i < len; i++ { count++ } wg4.Done() } func main() { now := time.Now().UnixNano() wg1.Add(1) wg2.Add(1) wg3.Add(1) wg4.Add(1) go goroutine1() go goroutine2() go goroutine3() wg1.Done() wg4.Wait() fmt.Println(time.Now().UnixNano() - now) fmt.Println(count) }
在这里三个子协程goroutine，在4个信号量的控制下以多米诺骨牌的方式依次对于共享变量count进行操作，这段代码的运行结果如下：
4984300 3000000 成功: 进程退出代码 0.
互斥体控制
与信号量完全退化成顺序执行不同，互斥体本质上同一时刻只能有一个goroutine执行到临界代码，但每个goroutine的执行顺序却无所谓，具体如下：
package main import ( "fmt" "sync" "time" ) var count int var wg1 sync.WaitGroup var mutex sync.Mutex func goroutine1() { mutex.Lock() len := 1000000 for i := 0; i < len; i++ { count++ } mutex.Unlock() wg1.Done() } func main() { now := time.Now().UnixNano() wg1.Add(3) go goroutine1() go goroutine1() go goroutine1() wg1.Wait() fmt.Println(time.Now().UnixNano() - now) fmt.Println(count) }
从运行实序上来看，互斥体的方案应该和信号量差不多，不过结果却令人意，在互斥体的控制下，这个程序性能反而还下降了30%，具体结果如下：
5986800 3000000 成功: 进程退出代码 0.
串行方式：
最后用最返璞归真的做法，串行操作代码如下：
package main import ( "fmt" //"sync" "time" ) var count int func goroutine1() { len := 1000000 for i := 0; i < len; i++ { count++ } } func main() { now := time.Now().UnixNano() goroutine1() goroutine1() goroutine1() fmt.Println(time.Now().UnixNano() - now) fmt.Println(count) }
可以看到从效率上来讲，直接串行的方式和信号量的方式是差不多的，结果如下：
4986700 3000000 成功: 进程退出代码 0.
也就是说费了半天劲，最终结果可能还不如直接串行执行呢。
Rust Future初探
Rust中的future机制有点类似于 JavaScript 中的promise机制。Future机制让程序员可以使用同步代码的方式设计高并发的异步场景。目前虽然Go当中也有一些defer的机制，但远没有Rust中的future这么强大。Future机制将返回值value与其计算方式executor分离，从而让程序员可以不再关注于具体时序机制的设计，只需要指定Future执行所需要的条件，以及执行器即可。
我们来看以下代码。
注：cargo.toml
[dependencies] futures = { version = "0.3.5", features = ["thread-pool"] }
代码如下：
use futures::channel::mpsc; use futures::executor; use futures::executor::ThreadPool; use futures::StreamExt; fn main() { let poolExecutor = ThreadPool::new().expect("Failed"); let (tx, rx) = mpsc::unbounded::<String>(); let future_values = async { let fut_tx_result = async move { let hello = String::from("hello world"); for c in hello .chars() { tx.unbounded_send(c.to_string()).expect("Failed to send"); } }; poolExecutor.spawn_ok(fut_tx_result); let future_values = rx .map(|v| v) .collect(); future_values.await }; let values: Vec<String> = executor::block_on(future_values); println!("Values={:?}", values); }
上述代码中我们通过async指定了future_values ,并将这个Future指定给poolExecutor这个线程池执行，最后通过await方法，就可以让future全部执行完毕，而不必再用信号量控制具体的时序。
这样一来，只要深度掌握future机制，就可以不必再关心互斥体、信号量，具体的高度方式完全放心交给计算机去做优化，不但可以节约程序员的时间，也能充分发挥编译器的威力，尾号是避免出现那种扔掉立交桥，只要信号灯低级的错误方式。
Java虽然也有一定的Future实现，并且有Rust不具备的反射能力，但是冷起动一直是困扰Java的痛。因此在目前云原生的时代，Go和Rust尤其是Rust语言以其近首于C语言的启动速度，和运行效率真是很有可能在未来称王。
