随笔- 1793 文章- 1 评论- 61 阅读- 298万

[转]Golang线程池实现百万级高并发

转，原文： https://lk668.github.io/2021/03/22/2021-03-22-Golang%E7%BA%BF%E7%A8%8B%E6%B1%A0%E5%AE%9E%E7%8E%B0%E7%99%BE%E4%B8%87%E7%BA%A7%E9%AB%98%E5%B9%B6%E5%8F%91/

--------------

Golang线程池实现百万级高并发

2021-03-22

本文基于Golang实现线程池，从而可以达到百万级别的高并发请求。本文实现的代码在https://github.com/lk668/threadpool可见。

1. Golang并发简介

Golang原生的goroutine可以很轻松实现并发编程。Go语言的并发是基于用户态的并发，这种并发方式就变得非常轻量，能够轻松运行几万并发逻辑。Go 的并发属于 CSP 并发模型的一种实现，CSP 并发模型的核心概念是：不要通过共享内存来通信，而应该通过通信来共享内存。

2. 并发方案演进

2.1 直接使用goroutine

直接使用goroutine启动一个新的线程来进行任务的执行

1	go handler(request)

2.2 缓冲队列

利用channel实现一个缓冲队列，每次请求先放入缓冲队列，然后从缓冲队列读取数据，一次执行

type Job interface{
    Run()
}

// 长度为1000的缓冲队列
jobQueue := make(chan Job, 1000)

// 启动一个协程来读取缓冲队列的数据
go func(){
    for {
        select {
            case job := <- jobQueue:
                job.Run()
        }
    }
}()

// 请求发送
job := Job{}
jobQueue <- job

该方案在请求量低于缓冲队列长度时，可以应对并发请求。但是当并发请求量大于缓冲队列长度时，channel会出现阻塞情况。

2.3 线程池实现百万级高并发

更好的实现方案是利用job队列+线程池来实现，具体如下所示：

有个全局JobQueue，用来存储需要执行的Job，有个WorkerPool的线程池，用来存储空闲的Worker。当JobQueue中有Job时，从JobQueue获取Job对象，从WorkerPool获取空闲Worker，将Job对象发送给Worker，进行执行。每个Worker都是一个独立的Goroutine。从而真正意义上实现高并发。

代码实现主要分为三部分

2.3.1 Job定义

Job是一个interface，其下有个函数RunTask，用户定制化的任务，需要实现RunTask函数。JobChan是一个Job channel结构。Job是高并发需要执行的任务

type Job interface {
    RunTask(request interface{})
}

type JobChan chan Job

2.3.2 Worker定义

Worker就是高并发里面的一个线程，启动的时候是一个Goroutine。Worker结构一需要一个JobChan，用来接收从全局JobQueue里面获取的Job对象。有个Quit的channel，用来接收退出信号。需要一个Start函数，将自己注册到WorkerPool，然后监听Job，有Job传入时，处理Job的RunTask，处理完成之后，重新将自己添加回WorkerPool。

// Worker结构体
// WorkerPool随机选取一个Worker，将Job发送给Worker去执行
type Worker struct {
	// 不需要带缓冲的任务队列
	JobQueue JobChan
	//退出标志
	Quit chan bool
}

// 创建一个新的Worker对象
func NewWorker() Worker {
	return Worker{
		make(JobChan),
		make(chan bool),
	}
}

// 启动一个Worker，来监听Job事件
// 执行完任务，需要将自己重新发送到WorkerPool
func (w Worker) Start(workerPool *WorkerPool) {
	// 需要启动一个新的协程，从而不会阻塞
	go func() {
		for {
			// 将worker注册到线程池
			workerPool.WorkerQueue <- &w
			select {
			case job := <-w.JobQueue:
				job.RunTask(nil)
			// 终止当前worker
			case <-w.Quit:
				return
			}
		}
	}()
}

2.3.3 WorkerPool定义

WorkerPool是一个线程池，用来存储Worker。所以需要一个Size变量，用来表示这个Pool存储的Worker的个数。需要一个JobQueue，用来充当全局JobQueue的作用，所有的job先存储到该全局JobQueue中。有个WorkerQueue是个channel，用来存储空闲的Worker，有Job来的时候，从WorkerQueue里面取出一个Worker，执行相应的任务，执行完成以后，重新将Worker放回WorkerQueue。

WorkerPool需要一个启动函数，一个是来启动Size数量的Worker线程，一个是需要启动一个新的线程，来接收Job。

// 线程池
type WorkerPool struct {
	// 线程池大小
	Size int
	// 不带缓冲的任务队列，任务到达后，从workerQueue随机选取一个Worker来执行Job
	JobQueue    JobChan
	WorkerQueue chan *Worker
}

func NewWorkerPool(poolSize, jobQueueLen int) *WorkerPool {
	return &WorkerPool{
		poolSize,
		make(JobChan, jobQueueLen),
		make(chan *Worker, poolSize),
	}
}

func (wp *WorkerPool) Start() {

	// 将所有worker启动
	for i := 0; i < wp.Size; i++ {
		worker := NewWorker()
		worker.Start(wp)
	}

	// 监听JobQueue，如果接收到请求，随机取一个Worker，然后将Job发送给该Worker的JobQueue
	// 需要启动一个新的协程，来保证不阻塞
	go func() {
		for {
			select {
			case job := <-wp.JobQueue:
				worker := <-wp.WorkerQueue
				worker.JobQueue <- job
			}
		}
	}()

}

2.3.4 代码调用举例

接下来，举例分析如何使用该线程池。首先需要定义你要执行的任务，实现RunTask函数。然后初始化一个WorkerPool，将模拟百万请求的数据发送给全局JobQueue。交给线程池进行任务处理。

//需要执行任务的结构体
type Task struct {
	Number int
}

// 实现Job这个interface的RunTask函数
func (t Task) RunTask(request interface{}) {
	fmt.Println("This is task: ", t.Number)
	//设置个等待时间
	time.Sleep(1 * time.Second)
}

func main() {

	// 设置线程池的大小
	poolNum := 100 * 100 * 20
    jobQueueNum := 100
	workerPool := threadpool.NewWorkerPool(poolNum, jobQueueNum)
	workerPool.Start()

	// 模拟百万请求
	dataNum := 100 * 100 * 100

	go func() {
		for i := 0; i < dataNum; i++ {
			task := Task{Number: i}
			workerPool.JobQueue <- task
		}
	}()

	// 阻塞主线程
	for {
		fmt.Println("runtime.NumGoroutine() :", runtime.NumGoroutine())
		time.Sleep(2 * time.Second)
	}
}