go 开了多少个goroutine 怎么看_大规模Go项目几乎必踏的几个坑 - Dragonboat为例

2个月前开源了Dragonboat这个Go实现的高性能多组Raft共识库，它的一大卖点是其高吞吐性能，在使用内存内的状态机的场景下，能在三组单插服务器上达到千万每秒的吞吐性能。

lni/dragonboat​github.com

作为个人用Go写的第一个较大的应用库，Dragonboat的开发过程可谓踏坑无数，逐步才具备了目前的性能和可靠性。本文选取几个在各类Go项目中踏坑概率较高的具有普遍性的问题，以Dragonboat踏坑详细过程为背景，具体分享。

Channel的实现没有黑科技

虽然是最核心与基础的内建类型，chan的实现却真的没有黑科技，它的性能很普通。

在Dragonboat的旧版中，有大致入下的这样一段核心代码。它在有待处理的读写请求的时候，用以通知执行引擎。名为workReadyCh的channel系统中有很多个，执行引擎的每个worker一个，client用它来提供待处理请求的信息v。而考虑到该channel可能已满且等待的时候系统可能被关闭，一个全局唯一的用于表示系统已被要求关闭的channel会一起被select，用以接收系统关闭的通知。

select {
case <-closeCh:
  return
case workReadyCh<-v:
}

这大概是Go最常见的访问channel的pattern之一，实在太常见了！暂且不论千万每秒的写吞吐意味着每秒千万次的channel的写这一问题本身(前文详细分析)，数万并发请求的goroutine通过数十个OS thread同时去select一个全局唯一的closeCh就已足够把高性能秒杀成了低性能蜗牛。

不同场景下chan、map、cgo各操作的代价的了解决定性能上可以走多远

这种大量线程互相踩踏式的select访问一个channel所凸显的chan性能问题Go社群有详细讨论。该Issue讨论里贴出的profiling结果如下，很直观。但很遗憾，runtime层面无解决方案，而无锁channel的实现上虽然众人前赴后继，终无任何突破。现实中的Go runtime没有黑科技，它只提供性能很一般的chan。

因为contention，64核机器上同样的操作单次耗时慢了100倍

为了绕开该坑，还是得从应用设计出发，把上述单一的closeCh分区做sharding，根据不同的Raft组的组号，由不同的chan来负责做系统已关闭这一情况的通知。此改进立刻大幅度缓解了上述性能问题。

sharding是最常用优化技巧

更进一步的优化，更能完全排除掉上述访问模式，这也是目前的实现方法，篇幅原因这里不展开。

sync.RWMutex随核心数升高其性能伸展性不佳

下面是Dragonboat老版本上抓的一段cpu profiling的结果，RWMutex的RLock和RUnlock性能很差，用于保护这个map的RWMutex上的耗时比访问map本身高一个数量级。

      20ms    618:func (nh *NodeHost) getCluster(clusterID uint64) (*node, bool) {
     3.85s    619:	nh.clusterMu.RLock()
     640ms    620:	v, ok := nh.clusterMu.clusters[clusterID]
     1.37s    621:	nh.clusterMu.RUnlock()
      10ms    622:	return v, ok
         .    623:}

这是因为在高核心数下，大量RLock和RUnlock请求会在锁的同一个内存位置并发的去做atomic write。与上面chan的问题类似，还是高contention。

RWMutex的性能问题是一个困扰Go社区很久但至今没有在标准库层面上解决的问题(#17973)。有用户提出过一种称为Big Reader的变种，在牺牲写锁性能的前提下改善读锁的操作性能。但此时写锁的性能是崩跌的，以Intel LGA3647处理器高端双插服务器为例，Big Reader锁在操作写锁的时候需要对112个RWMutex做Lock/Unlock操作，因此只适用于读写比极大的场景，不具备通用性。

在Dragonboat中，所观察到的上述RWMutex问题，其本质在于在每次对某个Raft组做读写之前都需要反复去查询获取该指定的Raft节点。显然，无论锁的实现本身如何优化，或是改用sync.Map来替代上述需要锁保护的map的使用，试图去避免反复做此类无意义的重复查询，才是从根本上解决问题。本例中，Big Reader变种是适用的，软件后期也改用了sync.Map，但避免反复的getCluster操作则彻底避免锁操作，比如复用getCluster返回的结果，便饶开了锁的实现和用法是否高效这点。减少不必要操作，远比把此类多余的操作变得更高效来的直接有效。

Cgo远没那么烂

前两年网上无脑Go黑的四大必选兵器肯定是：GC性能、依赖管理、Cgo性能和错误处理。GC性能这两年已经在停顿方面吊打Java，吞吐的改进也在积极进行中。Go 1.12版Module的引入从官方工具层面关管住了依赖管理，而Go 2对错误处理也将有大改进。种种这些之外，Cgo的性能依旧误解重重。

多吹无意义，先跑个分，看看Cgo究竟多慢：

一次Cgo的代价接近于一次没有cache助攻的内存访问

调用一个简单的C实现的函数的开销是60ns级，和一次没有cache的对内存的访问一样。

这是什么概念呢？用个踩过的坑来说明吧。Dragonboat早期版本对RocksDB的WriteBatch的Put操作是一次操作一个Raft Log Entry，一秒该Cgo请求在多个goroutine上共并行操作数百万次。因为听信网上无脑黑对Cgo的评价，起初认为这显然是严重性能问题，于是优化归并后大幅度减少了Cgo调用次数。可结果发现这对延迟、吞吐的性能改进很小很小。事后再跑profiler去看旧的实现，发现旧版的Cgo开销起初便完全不主要。

Go内建了很好的benchmark工具，一切性能的讨论都应该是基于客观有效的benchmark跑分结果，而不是诸如“我认为”、“我感觉”之类的无脑互蒙。

Goroutine泄漏与内存泄漏一样普遍

Goroutine的最大卖点是量大价廉使用方便，一个程序里轻松开启万把个Goroutine基本都不用考虑其本身的代价......一切似乎很美好，直到系统内类型众多的Goroutine开始泄漏。也许是因为Goroutine的特性，它在Go程序里的使用的频度密度远超线程在Java/C++程序中情况，同时用户思维中Goroutine简单易用代价低的概念根深蒂固、与生俱来，无形中更容易放松对资源管理的考虑，因此更容易发生Goroutine泄漏情况。Dragonboat的经验是Goroutine泄漏的概率不比内存泄漏少。

Dragonboat从实现之初就开始使用Goroutine泄漏检查，具体的泄漏检查的实现是来自CockroachDB的一小段代码。效果方面，这个小工具发现过Dragonboat及其依赖的第三方库里多个goroutine泄漏问题，而使用上，在各内建的测试中，只需一行便能完成调用得到结果，绝对是费效比完美。

实现上它也特别简单，就是前后两次分别抓stacktrace，解析出进程里所有的Goroutine ID并对比是否测试运行结束后产生了多余的滞留在系统中的Goroutine。官方虽然不倡导对Goroutine ID做任何操作，但此类仅在测试中仅针对Goroutine泄漏的特殊场景的使用，应该不拘泥于该约束，这就如同官方不怎么推荐用sync/atomic一个道理。

总结

基于Dragonboat的几个具体例子，本文分享了几个常见的Go性能与使用问题。总结来说：

• 通过sharding分区减少contention是优化常用手段
• 做的再快也不可能比什么也不做更快，减少不必要操作比优化这个操作有效
• 多用Go内建的benchmark功能，数据为导向的做决策
• 官方提倡的东西肯定有他的道理，但在合适的情况下，需懂得如何无视某些官方的提倡

后续将再推出针对Go内存性能优化的文章，敬请期待。在阅读完此干货软文后，也请大家访问Dragonboat项目并点star支持：

lni/dragonboat​github.com