go?time.After性能怎么優(yōu)化

這篇文章主要介紹“go time.After性能怎么優(yōu)化”的相關(guān)知識，小編通過實(shí)際案例向大家展示操作過程，操作方法簡單快捷，實(shí)用性強(qiáng)，希望這篇“go time.After性能怎么優(yōu)化”文章能幫助大家解決問題。

在項(xiàng)目中，基本都離不開需要休眠等待一定時(shí)間后再執(zhí)行下一步邏輯的操作，再搭配select，用起來是真的舒服。

func waitWorking() {
    select {
    case <-time.After(5 * time.Second): // 每隔5秒，主動向客戶端詢問任務(wù)狀態(tài)
        _ = receiver.CheckWorkingEventBus.Publish(receiver)
    case <-receiver.updated:
    }
}

在這個(gè)示例中，5秒后會執(zhí)行Publish函數(shù)，或者<-receiver.updated有數(shù)據(jù)時(shí)退出，這是我們比較常用的方式。

但有一點(diǎn)要注意的是：time.After如果沒有被執(zhí)行到，會導(dǎo)致無法第一時(shí)間GC回收內(nèi)存。

從內(nèi)存分析中，會看到內(nèi)存在持續(xù)增長，到了一定時(shí)間后，才會下降。這個(gè)增長幅度隨著你的項(xiàng)目請求量而決定。

這是因?yàn)楫?dāng)<-receiver.updated被觸發(fā)執(zhí)行時(shí)，導(dǎo)致time.After(5 * time.Second)在5秒后才會有數(shù)據(jù)進(jìn)來，在這5秒內(nèi)，time.After創(chuàng)建的NewTimer(d)是無法回收的。

func After(d Duration) <-chan Time {
    return NewTimer(d).C
}

明白了這一點(diǎn)之后，我們可以簡單的做一個(gè)改進(jìn)

改進(jìn)1：

func waitWorking() {
    timer := time.NewTimer(5 * time.Second)
    select {
    case <-timer.C: // 每隔5秒，主動向客戶端詢問任務(wù)狀態(tài)
        _ = receiver.CheckWorkingEventBus.Publish(receiver)
    case <-receiver.updated:
        timer.Stop()
    }
}

當(dāng)<-receiver.updated被觸發(fā)執(zhí)行時(shí)，我們主動調(diào)用Stop方法，來告知GC，此timer對象不再使用。

這樣就不至于等到5秒后，GC才知道這個(gè)對象不再使用。

這就完了嗎？顯示沒有，如果waitWorking函數(shù)會在并發(fā)中被調(diào)用：

type TaskGroupMonitor struct {
    updated chan struct{}   // 數(shù)據(jù)有更新，讓流程重置
   name    string          // 任務(wù)名稱
}
func (receiver *TaskGroupMonitor) waitWorking() {
    timer := time.NewTimer(5 * time.Second)
    select {
    case <-timer.C: // 每隔5秒，主動向客戶端詢問任務(wù)狀態(tài)
        _ = receiver.CheckWorkingEventBus.Publish(receiver)
    case <-receiver.updated:
        timer.Stop()
    }
}

func init() {
   // 模擬數(shù)據(jù)庫讀到了100條任務(wù)
    for i := 0; i < 100; i++ {
      taskGroup:= TaskGroupMonitor{}
        go taskGroup.waitWorking()
    }
}

這里假如從數(shù)據(jù)庫中讀到了100條任務(wù)數(shù)據(jù)，每條數(shù)據(jù)都在獨(dú)立的協(xié)程中運(yùn)行。

這就會導(dǎo)致在這100條任務(wù)在運(yùn)行的過程中，創(chuàng)建了100個(gè)time.Timer對象，事實(shí)上除了waitWorking，還會有waitStart，waitScheduler，taskFinish等函數(shù)也使用了time.Timer對象。

可以想到，項(xiàng)目在運(yùn)行過程中time.Timer在不停的創(chuàng)建，直到GC后才被回收。這將導(dǎo)致我們的內(nèi)存一直占用著。

并且time.After或time.NewTicker并不是高精度的時(shí)間控制。有時(shí)候會慢那么0-3ms，協(xié)程數(shù)量越多越繁忙，則越不精準(zhǔn)。

這對于調(diào)度中心而言是無法接收的，我的目標(biāo)是支持幾千個(gè)任務(wù)同時(shí)監(jiān)控調(diào)度。意味著協(xié)程數(shù)量會非常高。

而在GO的time.Timer中是使用64個(gè)timersBucket，并使用四叉堆來管理各個(gè)timer，雖然在1.17版本有所改進(jìn)。

但時(shí)間上仍然沒有那么準(zhǔn)確，對于調(diào)度這種場景來說，對ms級別的延遲也是沒辦法接受的。

time.Timer原理不在本篇的范圍內(nèi)，現(xiàn)在有很多大神有這方面的剖析，感興趣可以去搜搜。

分析問題

通過簡單的分析，我們已經(jīng)知道使用time.Timer會有如下缺點(diǎn)：

• 每個(gè)協(xié)程需要?jiǎng)?chuàng)建time.Timer（導(dǎo)致內(nèi)存占用上升）

• time.Timer會有延遲（對于ms敏感的場景不適用）

即如此，我們是否可以通過統(tǒng)一的時(shí)間管理器來管理所有的時(shí)間觸發(fā)器呢？

答案是顯而易見的，那就是時(shí)間輪。

時(shí)間輪

時(shí)間輪是一種實(shí)現(xiàn)延遲功能的算法, 它在Linux內(nèi)核中使用廣泛, 是Linux內(nèi)核定時(shí)器的實(shí)現(xiàn)方法和基礎(chǔ)之一. 時(shí)間輪是一種高效來利用線程資源來進(jìn)行批量化調(diào)度的一種調(diào)度模型, 把大量的調(diào)度任務(wù)全部綁定到同一個(gè)調(diào)度器上, 利用這個(gè)調(diào)度器來進(jìn)行所有任務(wù)的管理, 觸發(fā)以及運(yùn)行.

簡單來說，時(shí)間輪就是一個(gè)模擬時(shí)鐘的原理。 實(shí)現(xiàn)方式有：單層、雙層、多層三種方式。

而在雙層、多層時(shí)間輪中，又有兩種算法：一種是不管幾層，時(shí)間周期是一樣的。另一種是低層一圈 = 上層一格（像秒針、分針一樣）

在時(shí)鐘里，秒針走完一圈，分針走一格。分針走完一圈，時(shí)針走一格。以此類推。

當(dāng)秒針走到第X格，會到第X格的隊(duì)列中找到是否有待執(zhí)行任務(wù)列表，如果有則取出并通知到C變量。

而我在實(shí)現(xiàn)這個(gè)時(shí)間輪就是完全模擬時(shí)鐘的這種算法來實(shí)現(xiàn)的。我與其它開源的時(shí)間輪不一樣的地方是，我是高精度算法的。

時(shí)間輪的原理大概就講這么多，畢竟不是一個(gè)什么新鮮的算法，網(wǎng)上有很多講的比我更透徹的大神，在這里我主要講使用時(shí)間輪的前后對比。

我們來看看如何使用：

// 在項(xiàng)目中，定義一個(gè)全局變量tw，并規(guī)定第0層，走一格=100ms，一圈有120格
import "github.com/farseer-go/fs/timingWheel"

var tw = timingWheel.New(100*time.Millisecond, 120)
tw.Start()

接著在項(xiàng)目中我們改成時(shí)間輪來控制時(shí)間：

func (receiver *TaskGroupMonitor) waitWorking() {
   select {
   case <-tw.AddPrecision(60 * time.Second).C:
        _ = receiver.CheckWorkingEventBus.Publish(receiver)
   case <-receiver.updated:
   }
}

至此，我們使用了全局tw變量來控制時(shí)間的延遲管理。

我們來看下，優(yōu)化前的情況：

100個(gè)并發(fā)下調(diào)度：平均延遲：10ms、CPU：31.4%、內(nèi)存：115m

優(yōu)化后：

100個(gè)并發(fā)下調(diào)度：平均延遲：1ms、CPU：21.7%、內(nèi)存：34.5m

為此，整體性能提升：34%，內(nèi)存減少：67%

關(guān)于“go time.After性能怎么優(yōu)化”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識，可以關(guān)注億速云行業(yè)資訊頻道，小編每天都會為大家更新不同的知識點(diǎn)。