并发之痛 Thread，Goroutine，Actor

时间 2019-12-10

标签并发之痛 thread goroutine actor 繁體版

原文原文链接

并发之痛 Thread，Goroutine，Actor

Mar 1, 2016 • jolestarhtml

本文基于我在2月27日Gopher北京聚会演讲整理而成，进行了一些补充以及调整。投稿给《高可用架构》公众号首发。java

聊这个话题以前，先梳理下两个概念，几乎全部讲并发的文章都要先讲这两个概念：linux

并发（concurrency） 并发的关注点在于任务切分。举例来讲，你是一个创业公司的CEO，开始只有你一我的，你一人分饰多角，一会作产品规划，一会写代码，一会见客户，虽然你不能见客户的同时写代码，但因为你切分了任务，分配了时间片，表现出来好像是多个任务一块儿在执行。git
并行（parallelism） 并行的关注点在于同时执行。仍是上面的例子，你发现你本身太忙了，时间分配不过来，因而请了工程师，产品经理，市场总监，各司一职，这时候多个任务能够同时执行了。github

因此总结下，并发并不要求必须并行，能够用时间片切分的方式模拟，好比单核cpu上的多任务系统，并发的要求是任务能切分红独立执行的片断。而并行关注的是同时执行，必须是多（核）cpu，要能并行的程序必须是支持并发的。本文大多数状况下不会严格区分这两个概念，默认并发就是指并行机制下的并发。golang

为何并发程序这么难?

We believe that writing correct concurrent, fault-tolerant and scalable applications is too hard. Most of the time it’s because we are using the wrong tools and the wrong level of abstraction. —— Akka正则表达式

Akka官方文档开篇这句话说的好，之因此写正确的并发，容错，可扩展的程序如此之难，是由于咱们用了错误的工具和错误的抽象。（固然该文档原本的意思是Akka是正确的工具，但咱们能够独立的看待这句话）。数据库

那咱们从最开始梳理下程序的抽象。开始咱们的程序是面向过程的，数据结构+func。后来有了面向对象，对象组合了数结构和func，咱们想用模拟现实世界的方式，抽象出对象，有状态和行为。但不管是面向过程的func仍是面向对象的func，本质上都是代码块的组织单元，自己并无包含代码块的并发策略的定义。因而为了解决并发的需求，引入了Thread（线程）的概念。编程

线程（Thread）安全

系统内核态，更轻量的进程
由系统内核进行调度
同一进程的多个线程可共享资源

线程的出现解决了两个问题，一个是GUI出现后急切须要并发机制来保证用户界面的响应。第二是互联网发展后带来的多用户问题。最先的CGI程序很简单，将经过脚本将原来单机版的程序包装在一个进程里，来一个用户就启动一个进程。但明显这样承载不了多少用户，而且若是进程间须要共享资源还得经过进程间的通讯机制，线程的出现缓解了这个问题。

线程的使用比较简单，若是你以为这块代码须要并发，就把它放在单独的线程里执行，由系统负责调度，具体何时使用线程，要用多少个线程，由调用方决定，但定义方并不清楚调用方会如何使用本身的代码，不少并发问题都是由于误用致使的，好比Go中的map以及Java的HashMap都不是并发安全的，误用在多线程环境就会致使问题。另外也带来复杂度：

竞态条件（race conditions） 若是每一个任务都是独立的，不须要共享任何资源，那线程也就很是简单。但世界每每是复杂的，总有一些资源须要共享，好比前面的例子，开发人员和市场人员同时须要和CEO商量一个方案，这时候CEO就成了竞态条件。
依赖关系以及执行顺序 若是线程之间的任务有依赖关系，须要等待以及通知机制来进行协调。好比前面的例子，若是产品和CEO讨论的方案依赖于市场和CEO讨论的方案，这时候就须要协调机制保证顺序。

为了解决上述问题，咱们引入了许多复杂机制来保证：

Mutex(Lock) （Go里的sync包, Java的concurrent包）经过互斥量来保护数据，但有了锁，明显就下降了并发度。
semaphore 经过信号量来控制并发度或者做为线程间信号（signal）通知。
volatile Java专门引入了volatile关键词来，来下降只读状况下的锁的使用。
compare-and-swap 经过硬件提供的CAS机制保证原子性（atomic），也是下降锁的成本的机制。

若是说上面两个问题只是增长了复杂度，咱们经过深刻学习，严谨的CodeReview，全面的并发测试（好比Go语言中单元测试的时候加上-race参数），必定程度上能解决（固然这个也是有争议的，有论文认为当前的大多数并发程序没出问题只是并发度不够，若是CPU核数继续增长，程序运行的时间更长，很难保证不出问题）。但最让人头痛的仍是下面这个问题：

系统里到底须要多少线程？

这个问题咱们先从硬件资源入手，考虑下线程的成本：

内存（线程的栈空间）
每一个线程都须要一个栈（Stack）空间来保存挂起（suspending）时的状态。Java的栈空间（64位VM）默认是1024k，不算别的内存，只是栈空间，启动1024个线程就要1G内存。虽然能够用-Xss参数控制，但因为线程是本质上也是进程，系统假定是要长期运行的，栈空间过小会致使稍复杂的递归调用（好比复杂点的正则表达式匹配）致使栈溢出。因此调整参数治标不治本。
调度成本（context-switch）
我在我的电脑上作的一个非严格测试，模拟两个线程互相唤醒轮流挂起，线程切换成本大约6000纳秒/次。这个还没考虑栈空间大小的影响。国外一篇论文专门分析线程切换的成本，基本上得出的结论是切换成本和栈空间使用大小直接相关。
CPU使用率
咱们搞并发最主要的一个目标就是咱们有了多核，想提升CPU利用率，最大限度的压榨硬件资源，从这个角度考虑，咱们应该用多少线程呢？
这个咱们能够经过一个公式计算出来，100/(15+5)*4=20，用20个线程最合适。但一方面网络的时间不是固定的，另一方面，若是考虑到其余瓶颈资源呢？好比锁，好比数据库链接池，就会更复杂。

做为一个1岁多孩子的父亲，认为这个问题的难度比如你要写个给孩子喂饭的程序，须要考虑『给孩子喂多少饭合适？』，这个问题有如下回答以及策略：

孩子不吃了就行了（但孩子贪玩，不吃了多是想去玩了）
孩子吃饱了就行了（废话，你怎么知道孩子吃饱了？孩子又不会说话）
逐渐增量，长期观察，而后计算一个平均值（这多是咱们调整线程经常使用的策略，但增量增长到多少合适呢？）
孩子吃吐了就别喂了（若是用逐渐增量的模式，经过外部观察，可能会到达这个边界条件。系统性能若是由于线程的增长倒退了，就别增长线程了）
没控制好边界，把孩子给给撑坏了（这熊爸爸也太恐怖了。但调整线程的时候每每不当心可能就把系统搞挂了）

经过这个例子咱们能够看出，从外部系统来观察，或者以经验的方式进行计算，都是很是困难的。因而结论是：

让孩子会说话，吃饱了本身说，本身学会吃饭，自管理是最佳方案。

然并卵，计算机不会本身说话，如何自管理？

但咱们从以上的讨论能够得出一个结论：

线程的成本较高（内存，调度）不可能大规模建立
应该由语言或者框架动态解决这个问题

线程池方案

Java1.5后，Doug Lea的Executor系列被包含在默认的JDK内，是典型的线程池方案。

线程池必定程度上控制了线程的数量，实现了线程复用，下降了线程的使用成本。但仍是没有解决数量的问题，线程池初始化的时候仍是要设置一个最小和最大线程数，以及任务队列的长度，自管理只是在设定范围内的动态调整。另外不一样的任务可能有不一样的并发需求，为了不互相影响可能须要多个线程池，最后致使的结果就是Java的系统里充斥了大量的线程池。

新的思路

从前面的分析咱们能够看出，若是线程是一直处于运行状态，咱们只需设置和CPU核数相等的线程数便可，这样就能够最大化的利用CPU，而且下降切换成本以及内存使用。但如何作到这一点呢？

陈力就列，不能者止

这句话是说，能干活的代码片断就放在线程里，若是干不了活（须要等待，被阻塞等），就摘下来。通俗的说就是不要占着茅坑不拉屎，若是拉不出来，须要酝酿下，先把茅坑让出来，由于茅坑是稀缺资源。

要作到这点通常有两种方案：

异步回调方案 典型如NodeJS，遇到阻塞的状况，好比网络调用，则注册一个回调方法（其实还包括了一些上下文数据对象）给IO调度器（linux下是libev，调度器在另外的线程里），当前线程就被释放了，去干别的事情了。等数据准备好，调度器会将结果传递给回调方法而后执行，执行其实不在原来发起请求的线程里了，但对用户来讲无感知。但这种方式的问题就是很容易遇到callback hell，由于全部的阻塞操做都必须异步，不然系统就卡死了。还有就是异步的方式有点违反人类思惟习惯，人类仍是习惯同步的方式。
GreenThread/Coroutine/Fiber方案 这种方案其实和上面的方案本质上区别不大，关键在于回调上下文的保存以及执行机制。为了解决回调方法带来的难题，这种方案的思路是写代码的时候仍是按顺序写，但遇到IO等阻塞调用时，将当前的代码片断暂停，保存上下文，让出当前线程。等IO事件回来，而后再找个线程让当前代码片断恢复上下文继续执行，写代码的时候感受好像是同步的，仿佛在同一个线程完成的，但实际上系统可能切换了线程，但对程序无感。

GreenThread

用户空间首先是在用户空间，避免内核态和用户态的切换致使的成本。
由语言或者框架层调度
更小的栈空间容许建立大量实例（百万级别）

几个概念

Continuation 这个概念不熟悉FP编程的人可能不太熟悉，不过这里能够简单的顾名思义，能够理解为让咱们的程序能够暂停，而后下次调用继续（contine）从上次暂停的地方开始的一种机制。至关于程序调用多了一种入口。
Coroutine 是Continuation的一种实现，通常表现为语言层面的组件或者类库。主要提供yield，resume机制。
Fiber 和Coroutine实际上是一体两面的，主要是从系统层面描述，能够理解成Coroutine运行以后的东西就是Fiber。

Goroutine

Goroutine其实就是前面GreenThread系列解决方案的一种演进和实现。

首先，它内置了Coroutine机制。由于要用户态的调度，必须有可让代码片断能够暂停/继续的机制。
其次，它内置了一个调度器，实现了Coroutine的多线程并行调度，同时经过对网络等库的封装，对用户屏蔽了调度细节。
最后，提供了Channel机制，用于Goroutine之间通讯，实现CSP并发模型（Communicating Sequential Processes）。由于Go的Channel是经过语法关键词提供的，对用户屏蔽了许多细节。其实Go的Channel和Java中的SynchronousQueue是同样的机制，若是有buffer其实就是ArrayBlockQueue。

Goroutine调度器

这个图通常讲Goroutine调度器的地方都会引用，想要仔细了解的能够看看原博客。这里只说明几点：

M表明系统线程，P表明处理器（核），G表明Goroutine。Go实现了M:N的调度，也就是说线程和Goroutine之间是多对多的关系。这点在许多GreenThread/Coroutine的调度器并无实现。好比Java1.1版本以前的线程实际上是GreenThread（这个词就来源于Java），但因为没实现多对多的调度，也就是没有真正实现并行，发挥不了多核的优点，因此后来改为基于系统内核的Thread实现了。
某个系统线程若是被阻塞，排列在该线程上的Goroutine会被迁移。固然还有其余机制，好比M空闲了，若是全局队列没有任务，可能会从其余M偷任务执行，至关于一种rebalance机制。这里再也不细说，有须要看专门的分析文章。
具体的实现策略和咱们前面分析的机制相似。系统启动时，会启动一个独立的后台线程（不在Goroutine的调度线程池里），启动netpoll的轮询。当有Goroutine发起网络请求时，网络库会将fd（文件描述符）和pollDesc（用于描述netpoll的结构体，包含由于读/写这个fd而阻塞的Goroutine）关联起来，而后调用runtime.gopark方法，挂起当前的Goroutine。当后台的netpoll轮询获取到epoll（linux环境下）的event，会将event中的pollDesc取出来，找到关联的阻塞Goroutine，并进行恢复。

Goroutine是银弹么？

Goroutine很大程度上下降了并发的开发成本，是否是咱们全部须要并发的地方直接go func就搞定了呢？

Go经过Goroutine的调度解决了CPU利用率的问题。但遇到其余的瓶颈资源如何处理？好比带锁的共享资源，好比数据库链接等。互联网在线应用场景下，若是每一个请求都扔到一个Goroutine里，当资源出现瓶颈的时候，会致使大量的Goroutine阻塞，最后用户请求超时。这时候就须要用Goroutine池来进行控流，同时问题又来了：池子里设置多少个Goroutine合适？

因此这个问题仍是没有从更本上解决。

Actor模型

Actor对没接触过这个概念的人可能不太好理解，Actor的概念其实和OO里的对象相似，是一种抽象。面对对象编程对现实的抽象是对象=属性+行为（method），但当使用方调用对象行为（method）的时候，其实占用的是调用方的CPU时间片，是否并发也是由调用方决定的。这个抽象其实和现实世界是有差别的。现实世界更像Actor的抽象，互相都是经过异步消息通讯的。好比你对一个美女say hi，美女是否回应，如何回应是由美女本身决定的，运行在美女本身的大脑里，并不会占用发送者的大脑。

因此Actor有如下特征：

Processing – actor能够作计算的，不须要占用调用方的CPU时间片，并发策略也是由本身决定。
Storage – actor能够保存状态
Communication – actor之间能够经过发送消息通信

Actor遵循如下规则：

发送消息给其余的Actor
建立其余的Actor
接受并处理消息，修改本身的状态

Actor的目标：

Actor可独立更新，实现热升级。由于Actor互相之间没有直接的耦合，是相对独立的实体，可能实现热升级。
无缝弥合本地和远程调用由于Actor使用基于消息的通信机制，不管是和本地的Actor，仍是远程Actor交互，都是经过消息，这样就弥合了本地和远程的差别。
容错 Actor之间的通讯是异步的，发送方只管发送，不关心超时以及错误，这些都由框架层和独立的错误处理机制接管。
易扩展，自然分布式由于Actor的通讯机制弥合了本地和远程调用，本地Actor处理不过来的时候，能够在远程节点上启动Actor而后转发消息过去。

Actor的实现：

Erlang/OTP Actor模型的标杆，其余的实现基本上都必定程度参照了Erlang的模式。实现了热升级以及分布式。
Akka（Scala,Java）基于线程和异步回调模式实现。因为Java中没有Fiber，因此是基于线程的。为了不线程被阻塞，Akka中全部的阻塞操做都须要异步化。要么是Akka提供的异步框架，要么经过Future-callback机制，转换成回调模式。实现了分布式，但还不支持热升级。
Quasar (Java) 为了解决Akka的阻塞回调问题，Quasar经过字节码加强的方式，在Java中实现了Coroutine/Fiber。同时经过ClassLoader的机制实现了热升级。缺点是系统启动的时候要经过javaagent机制进行字节码加强。

Golang CSP VS Actor

两者的格言都是：

Don’t communicate by sharing memory, share memory by communicating

经过消息通讯的机制来避免竞态条件，但具体的抽象和实现上有些差别。

CSP模型里消息和Channel是主体，处理器是匿名的。
也就是说发送方须要关心本身的消息类型以及应该写到哪一个Channel，但不须要关心谁消费了它，以及有多少个消费者。Channel通常都是类型绑定的，一个Channel只写同一种类型的消息，因此CSP须要支持alt/select机制，同时监听多个Channel。Channel是同步的模式（Golang的Channel支持buffer，支持必定数量的异步），背后的逻辑是发送方很是关心消息是否被处理，CSP要保证每一个消息都被正常处理了，没被处理就阻塞着。
Actor模型里Actor是主体，Mailbox（相似于CSP的Channel）是透明的。
也就是说它假定发送方会关心消息发给谁消费了，但不关心消息类型以及通道。因此Mailbox是异步模式，发送者不能假定发送的消息必定被收到和处理。Actor模型必须支持强大的模式匹配机制，由于不管什么类型的消息都会经过同一个通道发送过来，须要经过模式匹配机制作分发。它背后的逻辑是现实世界原本就是异步的，不肯定（non-deterministic）的，因此程序也要适应面对不肯定的机制编程。自从有了并行以后，原来的肯定编程思惟模式已经受到了挑战，而Actor直接在模式中蕴含了这点。

从这样看来，CSP的模式比较适合Boss-Worker模式的任务分发机制，它的侵入性没那么强，能够在现有的系统中经过CSP解决某个具体的问题。它并不试图解决通讯的超时容错问题，这个仍是须要发起方进行处理。同时因为Channel是显式的，虽然能够经过netchan（原来Go提供的netchan机制因为过于复杂，被废弃，在讨论新的netchan）实现远程Channel，但很难作到对使用方透明。而Actor则是一种全新的抽象，使用Actor要面临整个应用架构机制和思惟方式的变动。它试图要解决的问题要更广一些，好比容错，好比分布式。但Actor的问题在于以当前的调度效率，哪怕是用Goroutine这样的机制，也很难达到直接方法调用的效率。当前要像OO的『一切皆对象』同样实现一个『一切皆Actor』的语言，效率上确定有问题。因此折中的方式是在OO的基础上，将系统的某个层面的组件抽象为Actor。

再扯一下Rust

Rust解决并发问题的思路是首先认可现实世界的资源老是有限的，想完全避免资源共享是很难的，不试图彻底避免资源共享，它认为并发的问题不在于资源共享，而在于错误的使用资源共享。好比咱们前面提到的，大多数语言定义类型的时候，并不能限制调用方如何使用，只能经过文档或者标记的方式（好比Java中的@ThreadSafe ,@NotThreadSafe annotation）说明是否并发安全，但也只能仅仅作到提示的做用，不能阻止调用方误用。虽然Go提供了-race机制，能够经过运行单元测试的时候带上这个参数来检测竞态条件，但若是你的单元测试并发度不够，覆盖面不到也检测不出来。因此Rust的解决方案就是：

定义类型的时候要明确指定该类型是不是并发安全的
引入了变量的全部权（Ownership）概念非并发安全的数据结构在多个线程间转移，也不必定就会致使问题，致使问题的是多个线程同时操做，也就是说是由于这个变量的全部权不明确致使的。有了全部权的概念后，变量只能由拥有全部权的做用域代码操做，而变量传递会致使全部权变动，从语言层面限制了竞态条件出现的状况。

有了这机制，Rust能够在编译期而不是运行期对竞态条件作检查和限制。虽然开发的时候增长了心智成本，但下降了调用方以及排查并发问题的心智成本，也是一种有特点的解决方案。

结论

革命还没有成功同志任需努力

本文带你们一块儿回顾了并发的问题，和各类解决方案。虽然各家有各家的优点以及使用场景，但并发带来的问题还远远没到解决的程度。因此还需努力，你们也有机会啊。

最后抛个砖构想:在Goroutine上实现Actor？

分布式解决了单机效率问题，是否是能够尝试解决下分布式效率问题？
和容器集群融合当前的自动伸缩方案基本上都是经过监控服务器或者LoadBalancer，设置一个阀值来实现的。相似于我前面提到的喂饭的例子，是基于经验的方案，但若是系统内和外部集群结合，这个事情就能够作的更细致和智能。
自管理前面的两点最终的目标都是实现一个能够自管理的系统。作过系统运维的同窗都知道，咱们照顾系统就像照顾孩子同样，时刻要监控系统的各类状态，接受系统的各类报警，而后排查问题，进行紧急处理。孩子有长大的一天，那能不能让系统也本身成长，作到自管理呢？虽然这个目标如今看来还比较远，但我以为是能够期待的。

引用以及扩展阅读

FAQ：

高可用架构公众号网友『闯』：有个问题想请教一下你说1024个线程须要1G的空间做为栈空间到时线程和进程的地址空间都是虚拟空间当你没有真正用到这块虚地址时是不会把物理内存页映射到虚拟内存上的也就是说每一个线程若是调用没那么深是不会将全部栈空间关键到内存上也就是说1024个线程实际不会消耗那么多内存

答：你说的是对的，java的堆以及stack的内存都是虚拟内存，实际上启动一个线程不会马上占用那么多内存。但线程是长期运行的，stack增加后，空间并不会被回收，也就是说会逐渐增长到xss的限制。这里只是说明线程的成本。另外即使是空线程（启动后就sleep），据个人测试，1核1G的服务器，启动3万多个线程左右系统就挂掉了(须要先修改系统线程最大数限制，在/proc/sys/kernel/threads-max中)，和理想中的百万级别仍是有很大差距的。

并发之痛 Thread，Goroutine，Actor

并发之痛 Thread，Goroutine，Actor

为何并发程序这么难?

线程池方案

新的思路

Goroutine

Actor模型

Golang CSP VS Actor

再扯一下Rust

结论

最后抛个砖 构想:在Goroutine上实现Actor？

最后抛个砖构想:在Goroutine上实现Actor？