Go语言中的goroutine

Go并发优势

Go语言最大的特点就是从语言层面支持并发，开发者不用担心并发的底层逻辑、内存管理，只需要编写好自己的业务逻辑即可。Go语言也提供了十分强大的垃圾回收机制，开发者不用担心创建的量如何销毁。

 

在其他语言中，编写并发程序往往需要使用其他的并发库才能实现。而在Go语言里，想要编写一个并发程序是非常容易的事情，它不需要额外引用其他的第三方库，只需要使用“go”关键字就可以实现。

 

在Go语言里，只需要使用"go"加上函数名称就可以让这个函数变为并发函数，如下示例:

package main

func run(arg string) {
    // 此线程的任务
}

func main() {
    go run("this is new thread")
}

 

Go语言的并发基于CSP（Communication Sequential Process，通信顺序进程）模型，CSP模型是用于描述两个独立的并发实体通过共享的通信管道（channel）进行通信的并发模型。

CSP中channel是一类对象，它不关注发送消息的实体，而关注发送消息时使用的通信管道。 简单来说，CSP模型提倡通过通信来共享内存，而非通过共享内存来通信。

基于CSP模型，Go语言通过通信的方式，通过安全的通道发送和接收数据以实现同步，避免了显式锁的问题，大大简化了并发编程的编写。

 

goroutine

goroutine是Go并发设计的核心，也叫协程，它比线程更加轻量，因此可以同时运行成千上万个并发任务。

不仅如此，Go语言内部已经实现了goroutine之间的内存共享，它比线程更加易用、高效和轻便。

 

goroutine定义

在Go语言中，每一个并发的执行单元叫作一个goroutine。我们只需要在调用的函数前面添加go关键字，就能使这个函数以协程的方式运行。

go 函数名(函数参数)

一旦我们使用了go关键字，函数的返回值就会被忽略，故不能使用函数返回值来与主线程进行数据交换，而只能使用channel。

 

线程和协程的区别

协程和线程最重要的区别在于：

1. 线程切换需要陷入内核，然后进行上下文切换，而协程在用户态由协程调度器完成，不需要陷入内核，这样代价就小了。
2. 协程的切换时间点是由调度器决定，而不是由系统内核决定的，尽管它们的切换点都是时间片超过一定阈值，或者是进入I/O或睡眠等状态时。
3. 基于垃圾回收的考虑，Go实现了垃圾回收，但垃圾回收的必要条件是内存位于一致状态，因此就需要暂停所有的线程。如果交给系统去做，那么会暂停所有的线程使其一致。但对于Go语言来说，调度器知道什么时候内存位于一致状态，所以也就没有必要暂停所有运行的线程。

 

线程有固定的栈，基本都是2 MB，都是固定分配的；这个栈用于保存局部变量，在函数切换时使用。但是对于goroutine来说，一个大小固定的栈可能会导致资源浪费，所以Go采用了动态扩张收缩的策略，初始化为2KB，最大可扩张到1GB。

 

创建goroutine

当一个程序启动时，其主函数即在一个单独的goroutine中运行，我们称之为main goroutine。所有的goroutine在main函数结束时会一并结束。

我们只需要在函数调用语句前面添加go关键字，就可以创建并发执行单元。开发人员无须了解任何执行细节，调度器会自动将其安排到合适的系统线程上去执行。

go 函数名(参数名)

 

runtime包

Go语言中runtime（运行时）包实现了一个小型的任务调度器。这个调度器的工作原理和系统对线程的调度类似，Go语言调度器可以高效地将CPU资源分配给每一个任务。以下主要介绍三个函数：Gosched()、Goexit()、GOMAXPROCS()。

 

Gosched()

// Gosched yields the processor, allowing other goroutines to run. It does not
// suspend the current goroutine, so execution resumes automatically.
func Gosched() {
	checkTimeouts()
	mcall(gosched_m)
}

Gosched()使当前Go协程放弃处理器，以让其他Go协程运行。它不会挂起当前Go协程，因此当前Go协程未来会恢复执行。

如下示例：

package main

import (
	"fmt"
	"runtime"
)

func main() {
	go func() {
		for i := 0; i < 3; i++ {
			fmt.Println("go")
		}
	}()

	for i := 0; i < 2; i++ {
		runtime.Gosched()
		fmt.Println("main")
	}
}

运行结果如下：

Go语言的协程是抢占式调度的，当遇到长时间执行或者进行系统调用时，会主动把当前goroutine的CPU §转让出去，让其他goroutine能被调度并执行。

一般出现如下几种情况，goroutine就会发生调度：

1. syscall
2. C函数调用（本质上和syscall一样）
3. 主动调用runtime.Gosched
4. 某个goroutine的调用时间超过100ms，并且这个goroutine调用了非内联的函数。

 

Goexit()

// Goexit terminates the goroutine that calls it. No other goroutine is affected.
// Goexit runs all deferred calls before terminating the goroutine. Because Goexit
// is not a panic, any recover calls in those deferred functions will return nil.
//
// Calling Goexit from the main goroutine terminates that goroutine
// without func main returning. Since func main has not returned,
// the program continues execution of other goroutines.
// If all other goroutines exit, the program crashes.
func Goexit()

Goexit()终止调用它的Go协程，但其他Go协程不会受影响。Goexit()会在终止该Go协程前执行所有defer的函数。

如下示例：

package main

import (
	"fmt"
	"runtime"
	"time"
)

func Task1() {
	defer fmt.Println("task1 stop")
	fmt.Println("task1 start")
	fmt.Println("task1 work")
}

func Task2() {
	defer fmt.Println("task2 stop")
	fmt.Println("task2 start")
	runtime.Goexit() // 效果和return一样
	fmt.Println("task2 work")
}

func main() {
	go Task1()
	go Task2()
	time.Sleep(time.Second * 5)
}

运行结果如下：

 

GOMAXPROCS()

GOMAXPROCS(n int)函数可以设置程序在运行中所使用的CPU数，Go语言程序默认会使用最大CPU数进行计算。

// GOMAXPROCS sets the maximum number of CPUs that can be executing
// simultaneously and returns the previous setting. It defaults to
// the value of runtime.NumCPU. If n < 1, it does not change the current setting.
// This call will go away when the scheduler improves.
func GOMAXPROCS(n int) int

GOMAXPROCS()设置可同时执行的最大CPU数，并返回先前的设置。若n ＜ 1，它就不会更改当前设置。本地机器的逻辑CPU数可通过NumCPU查询。

package main

import (
	"fmt"
	"runtime"
	"time"
)

func main() {
	n := runtime.GOMAXPROCS(1)
	fmt.Println("先前的CPU核数设置为: ", n)

	last := time.Now()
	for i := 0; i < 100000; i++ {
		go func() {
			// 耗时任务
			a := 999999 ^ 9999999
			a = a + 1
		}()
	}

	now := time.Now()
	fmt.Println(now.Sub(last))
}

运行结果如下：

当改为12核进行计算时，效率得到了显著的提升，运行结果如下：