Go語言中怎么實(shí)現(xiàn)每分鐘處理100萬個(gè)請求

今天就跟大家聊聊有關(guān)Go語言中怎么實(shí)現(xiàn)每分鐘處理100萬個(gè)請求，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

Go語言程序的單純方法

最初我們采取了一個(gè)非常單純的POST處理方式，僅僅試圖將任務(wù)并行化處理放到一個(gè)簡單的goroutine：

對于中等負(fù)載來說，這可能對大多數(shù)人是有效的，但這很快證明在大型負(fù)載時(shí)，效果不太好。我們預(yù)期有很多的請求，但當(dāng)我們部署第一個(gè)版本到產(chǎn)品中時(shí)，并沒有看到這個(gè)數(shù)量級的請求。我們完全低估了流量。

上面的方法在幾個(gè)方面都不好，沒有辦法控制我們正在大量生產(chǎn)的Go程序要產(chǎn)生多少個(gè)例程。由于我們每分鐘收到100萬個(gè)POST請求，理所當(dāng)然的，這段代碼很快就崩潰了。

再次嘗試

我們需要尋找一個(gè)不同的方式。從一開始，我們就討論如何保持請求處理程序的生命周期非常短，并在后臺生成處理進(jìn)程。當(dāng)然，這是必須在Ruby on Rails領(lǐng)域要做的，否則這將限制所有可用的web處理器，無論你使用的是puma, unicorn, passenger中的哪一個(gè)（請不要參加JRuby討論）。那么我們就需要利用通用的解決方案去做這個(gè)，例如Resque, Sidekiq, SQS,等等。清單還可以繼續(xù)列下去，因?yàn)橛泻芏喾椒梢宰龅竭@一點(diǎn)。

所以第二個(gè)版本是創(chuàng)建一個(gè)緩存通道，在這里我們可以對一些作業(yè)進(jìn)行排隊(duì)并上傳到S3，由于我們可以控制隊(duì)列中的最大項(xiàng)目數(shù)，在內(nèi)存中我們有足夠多的RAM對任務(wù)進(jìn)行排隊(duì)，我們認(rèn)為只在通道隊(duì)列中緩存作業(yè)是可以的。

然后實(shí)際上的作業(yè)出列和處理，我們使用的是類似的函數(shù)：

說實(shí)話，我不知道我們在想什么。這一定是一個(gè)充滿紅牛的深夜。這種方法沒有給我們帶來任何好處，我們用緩沖隊(duì)列來交換有缺陷的并發(fā)，也只是推遲了問題的產(chǎn)生時(shí)間而已。我們的同步處理器一次只上傳一個(gè)有效負(fù)載到S3,而且由于傳入請求的速率比單處理器上傳到S3的能力大得多，所以緩沖通道很快就達(dá)到了極限，限制了請求處理程序來排隊(duì)更多項(xiàng)目的能力。

我們只是簡單地回避這個(gè)問題，最終導(dǎo)致系統(tǒng)的死亡。在我們部署了這個(gè)有缺陷的版本之后，我們的延遲率以不變的速率持續(xù)增長。

更好的解決方案

當(dāng)使用Go語言通道時(shí)，我們決定利用通用模式以便創(chuàng)造一個(gè)2階的通道系統(tǒng)，一個(gè)用于作業(yè)排隊(duì)，另外一個(gè)控制多少作業(yè)者同時(shí)在JobQueue上操作。

這個(gè)想法是以某種可持續(xù)的速度并行上傳到S3，它既不會削弱機(jī)器性能，也不會從S3開始生成連接錯(cuò)誤。所以我們選擇了創(chuàng)建一個(gè)作業(yè)/作業(yè)者模式。對那些熟悉java,C#等語言的人來說，可以考慮采用Go語言實(shí)現(xiàn)通道方式而不是作業(yè)者線程池的方式。

我們修改了Web請求處理程序，創(chuàng)建一個(gè)帶負(fù)載的jobstruct實(shí)例，發(fā)送到JobQueue通道，便于作業(yè)者去拾取。

在網(wǎng)站服務(wù)器初始化過程中，我們創(chuàng)建一個(gè)Dispatcher，調(diào)用Run()去創(chuàng)建一個(gè)作業(yè)者池，開始偵聽出現(xiàn)在JobQueue的作業(yè)。

dispatcher := NewDispatcher(MaxWorker)

dispatcher.Run()

下面是用于dispatcher執(zhí)行的代碼：

注意，我們會提供被實(shí)例化和被添加到作業(yè)者池的最大的作業(yè)者量。 因?yàn)槲覀冞@個(gè)帶有dockerized Go環(huán)境的項(xiàng)目使用了亞馬遜Elasticbeanstalk，我們總是設(shè)法遵循12要素方法論來配置生產(chǎn)中的系統(tǒng)，從環(huán)境變量中讀取這些數(shù)值。這樣就可以控制有多少作業(yè)者和作業(yè)隊(duì)列的最大值，因此，我們可以快速地調(diào)整這些值，而不需要重新部署集群。

var (

MaxWorker = os.Getenv(“MAX_WORKERS”)

MaxQueue = os.Getenv(“MAX_QUEUE”)

)

在部署完它之后，我們立刻發(fā)現(xiàn)所有的延遲率都降到了無關(guān)緊要的數(shù)字，系統(tǒng)處理請求的能力急劇上升。

彈性負(fù)載均衡完全預(yù)熱幾分鐘后，我們看到ElasticBeanstalk應(yīng)用服務(wù)每分鐘逼近100萬個(gè)請求。通常在早晨的幾個(gè)小時(shí)里，流量高峰會超過每分鐘100萬個(gè)請求。

一旦我們部署了新的代碼，服務(wù)器的數(shù)量從100臺減少到大約20臺。

在恰當(dāng)?shù)嘏渲昧思汉妥詣涌s放設(shè)置以后，我們能夠把它降低到僅有4x EC2 c4。如果CPU連續(xù)5分鐘超過90%，大型實(shí)例和彈性自動縮放設(shè)置就生成一個(gè)新實(shí)例。

看完上述內(nèi)容，你們對Go語言中怎么實(shí)現(xiàn)每分鐘處理100萬個(gè)請求有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。