40分钟学 Go 语言高并发：Goroutine基础与原理

Day 03 - goroutine基础与原理

1. goroutine创建和调度

1.1 goroutine基本特性

特性	说明
轻量级	初始栈大小仅2KB，可动态增长
调度方式	协作式调度，由Go运行时管理
创建成本	创建成本很低，可同时运行数十万个
通信方式	通过channel进行通信，而不是共享内存

1.2 创建goroutine的示例代码

package main

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

// 监控goroutine数量
func monitorGoroutines(duration time.Duration, done chan struct{}) {
    ticker := time.NewTicker(duration)
    defer ticker.Stop()
    
    for {
        select {
        case <-ticker.C:
            fmt.Printf("当前goroutine数量: %d\n", runtime.NumGoroutine())
        case <-done:
            return
        }
    }
}

// 模拟工作负载
type Worker struct {
    ID int
    wg *sync.WaitGroup
}

func NewWorker(id int, wg *sync.WaitGroup) *Worker {
    return &Worker{
        ID: id,
        wg: wg,
    }
}

func (w *Worker) Work(jobs <-chan int, results chan<- int) {
    defer w.wg.Done()
    
    for job := range jobs {
        fmt.Printf("Worker %d 开始处理任务 %d\n", w.ID, job)
        // 模拟工作负载
        time.Sleep(100 * time.Millisecond)
        results <- job * 2
    }
}

func main() {
    numWorkers := 5
    numJobs := 10
    
    // 创建通道
    jobs := make(chan int, numJobs)
    results := make(chan int, numJobs)
    
    // 创建WaitGroup来等待所有worker完成
    var wg sync.WaitGroup
    
    // 监控goroutine数量
    done := make(chan struct{})
    go monitorGoroutines(time.Second, done)
    
    // 创建worker池
    fmt.Printf("创建 %d 个worker\n", numWorkers)
    for i := 1; i <= numWorkers; i++ {
        wg.Add(1)
        worker := NewWorker(i, &wg)
        go worker.Work(jobs, results)
    }
    
    // 发送任务
    fmt.Printf("发送 %d 个任务\n", numJobs)
    for j := 1; j <= numJobs; j++ {
        jobs <- j
    }
    close(jobs)
    
    // 等待所有worker完成
    go func() {
        wg.Wait()
        close(results)
    }()
    
    // 收集结果
    for result := range results {
        fmt.Printf("收到结果: %d\n", result)
    }
    
    // 停止监控
    done <- struct{}{}
    
    // 最终统计
    fmt.Printf("最终goroutine数量: %d\n", runtime.NumGoroutine())
}

2. GMP模型详解

2.1 GMP组件说明

组件	说明	职责
G (Goroutine)	goroutine的抽象	包含goroutine的栈、程序计数器等信息
M (Machine)	工作线程	执行G的实体，对应系统线程
P (Processor)	处理器	维护G的运行队列，提供上下文环境

2.2 GMP调度流程图

2.3 GMP相关的运行时参数

runtime.GOMAXPROCS(n) // 设置最大P的数量
runtime.NumCPU()      // 获取CPU核心数
runtime.NumGoroutine() // 获取当前goroutine数量

3. 并发模型原理

3.1 Go并发模型特点

特点	说明
CSP模型	通过通信来共享内存，而不是共享内存来通信
非阻塞调度	goroutine让出CPU时不会阻塞其他goroutine
工作窃取	空闲P可以从其他P窃取任务
抢占式调度	支持基于信号的抢占式调度

3.2 并发模型示例

package main

import (
    "context"
    "fmt"
    "runtime"
    "sync"
    "time"
)

// Pipeline 表示一个数据处理管道
type Pipeline struct {
    input  chan int
    output chan int
    done   chan struct{}
}

// NewPipeline 创建新的处理管道
func NewPipeline() *Pipeline {
    return &Pipeline{
        input:  make(chan int),
        output: make(chan int),
        done:   make(chan struct{}),
    }
}

// Process 处理数据
func (p *Pipeline) Process(ctx context.Context) {
    go func() {
        defer close(p.output)
        for {
            select {
            case num, ok := <-p.input:
                if !ok {
                    return
                }
                // 模拟处理
                result := num * 2
                select {
                case p.output <- result:
                case <-ctx.Done():
                    return
                }
            case <-ctx.Done():
                return
            }
        }
    }()
}

// WorkerPool 表示工作池
type WorkerPool struct {
    workers int
    tasks   chan func()
    wg      sync.WaitGroup
}

// NewWorkerPool 创建新的工作池
func NewWorkerPool(workers int) *WorkerPool {
    pool := &WorkerPool{
        workers: workers,
        tasks:   make(chan func(), workers*2),
    }
    pool.Start()
    return pool
}

// Start 启动工作池
func (p *WorkerPool) Start() {
    for i := 0; i < p.workers; i++ {
        p.wg.Add(1)
        go func(workerID int) {
            defer p.wg.Done()
            for task := range p.tasks {
                fmt.Printf("Worker %d executing task\n", workerID)
                task()
            }
        }(i + 1)
    }
}

// Submit 提交任务
func (p *WorkerPool) Submit(task func()) {
    p.tasks <- task
}

// Stop 停止工作池
func (p *WorkerPool) Stop() {
    close(p.tasks)
    p.wg.Wait()
}

func main() {
    // 设置使用的CPU核心数
    runtime.GOMAXPROCS(runtime.NumCPU())
    
    // 创建上下文
    ctx, cancel := context.WithTimeout(context.Background(), 5*time.Second)
    defer cancel()
    
    // 创建处理管道
    pipeline := NewPipeline()
    pipeline.Process(ctx)
    
    // 创建工作池
    pool := NewWorkerPool(3)
    
    // 启动生产者
    go func() {
        defer close(pipeline.input)
        for i := 1; i <= 10; i++ {
            select {
            case pipeline.input <- i:
                fmt.Printf("Sent %d to pipeline\n", i)
            case <-ctx.Done():
                return
            }
        }
    }()
    
    // 使用工作池处理pipeline输出
    go func() {
        for result := range pipeline.output {
            result := result // 捕获变量
            pool.Submit(func() {
                // 模拟处理时间
                time.Sleep(100 * time.Millisecond)
                fmt.Printf("Processed result: %d\n", result)
            })
        }
        // 处理完成后停止工作池
        pool.Stop()
    }()
    
    // 等待上下文结束
    <-ctx.Done()
    fmt.Println("Main context done")
}

4. goroutine生命周期

4.1 生命周期状态

状态	说明
创建	goroutine被创建，分配栈空间
可运行	等待被调度执行
运行中	正在被M执行
系统调用中	阻塞在系统调用上
等待中	因channel或同步原语阻塞
死亡	执行完成，等待回收

4.2 生命周期示例

package main

import (
    "context"
    "fmt"
    "runtime"
    "runtime/debug"
    "sync"
    "time"
)

// GoroutineMonitor 用于监控goroutine的状态
type GoroutineMonitor struct {
    startTime time.Time
    endTime   time.Time
    status    string
    sync.Mutex
}

// NewGoroutineMonitor 创建新的goroutine监控器
func NewGoroutineMonitor() *GoroutineMonitor {
    return &GoroutineMonitor{
        startTime: time.Now(),
        status:    "created",
    }
}

// UpdateStatus 更新goroutine状态
func (g *GoroutineMonitor) UpdateStatus(status string) {
    g.Lock()
    defer g.Unlock()
    g.status = status
    fmt.Printf("Goroutine状态更新: %s, 时间: %v\n", status, time.Since(g.startTime))
}

// Complete 标记goroutine完成
func (g *GoroutineMonitor) Complete() {
    g.Lock()
    defer g.Unlock()
    g.endTime = time.Now()
    g.status = "completed"
    fmt.Printf("Goroutine完成, 总运行时间: %v\n", g.endTime.Sub(g.startTime))
}

// Task 代表一个任务
type Task struct {
    ID       int
    Duration time.Duration
    Monitor  *GoroutineMonitor
}

// Execute 执行任务
func (t *Task) Execute(ctx context.Context, wg *sync.WaitGroup) {
    defer wg.Done()
    defer t.Monitor.Complete()
    defer func() {
        if r := recover(); r != nil {
            fmt.Printf("Task %d panic: %v\nStack: %s\n", t.ID, r, debug.Stack())
            t.Monitor.UpdateStatus("panic")
        }
    }()

    t.Monitor.UpdateStatus("running")

    // 模拟任务执行
    select {
    case <-time.After(t.Duration):
        t.Monitor.UpdateStatus("normal completion")
    case <-ctx.Done():
        t.Monitor.UpdateStatus("cancelled")
        return
    }

    // 模拟一些可能的状态
    if t.ID%4 == 0 {
        t.Monitor.UpdateStatus("blocked")
        time.Sleep(100 * time.Millisecond)
    } else if t.ID%3 == 0 {
        panic("模拟任务panic")
    }
}

// TaskScheduler 任务调度器
type TaskScheduler struct {
    tasks    chan Task
    workers  int
    monitors map[int]*GoroutineMonitor
    mu       sync.RWMutex
}

// NewTaskScheduler 创建任务调度器
func NewTaskScheduler(workers int) *TaskScheduler {
    return &TaskScheduler{
        tasks:    make(chan Task, workers*2),
        workers:  workers,
        monitors: make(map[int]*GoroutineMonitor),
    }
}

// AddTask 添加任务
func (s *TaskScheduler) AddTask(task Task) {
    s.mu.Lock()
    s.monitors[task.ID] = task.Monitor
    s.mu.Unlock()
    s.tasks <- task
}

// Start 启动调度器
func (s *TaskScheduler) Start(ctx context.Context) {
    var wg sync.WaitGroup
    
    // 启动worker池
    for i := 0; i < s.workers; i++ {
        wg.Add(1)
        go func(workerID int) {
            defer wg.Done()
            for task := range s.tasks {
                task.Execute(ctx, &wg)
            }
        }(i)
    }

    go func() {
        wg.Wait()
        close(s.tasks)
    }()
}

func main() {
    // 设置最大P的数量
    runtime.GOMAXPROCS(4)

    ctx, cancel := context.WithTimeout(context.Background(), 5*time.Second)
    defer cancel()

    // 创建调度器
    scheduler := NewTaskScheduler(3)

    // 启动调度器
    scheduler.Start(ctx)

    // 创建多个任务
    for i := 1; i <= 10; i++ {
        task := Task{
            ID:       i,
            Duration: time.Duration(i*200) * time.Millisecond,
            Monitor:  NewGoroutineMonitor(),
        }
        scheduler.AddTask(task)
    }

    // 等待context结束
    <-ctx.Done()

    // 打印最终状态
    fmt.Println("\n最终状态:")
    scheduler.mu.RLock()
    for id, monitor := range scheduler.monitors {
        monitor.Lock()
        fmt.Printf("Task %d - 状态: %s\n", id, monitor.status)
        monitor.Unlock()
    }
    scheduler.mu.RUnlock()
}

4.3 Goroutine生命周期状态转换图

5. 实践注意事项

5.1 goroutine泄露的常见场景

1. channel阻塞且无法释放

func leakyGoroutine() {
    ch := make(chan int) // 无缓冲channel
    go func() {
        val := <-ch // 永远阻塞在这里
    }()
    // ch没有被写入，goroutine泄露
}

2. 无限循环

func infiniteLoop() {
    go func() {
        for {
            // 没有退出条件的循环
            // 应该添加 select 或 检查退出信号
        }
    }()
}

5.2 最佳实践表格

最佳实践	说明
合理控制goroutine数量	避免无限制创建goroutine
使用context控制生命周期	优雅管理goroutine的退出
处理panic	避免goroutine意外退出影响整个程序
及时清理资源	使用defer确保资源释放
合理设置GOMAXPROCS	根据CPU核心数调整P的数量

5.3 性能优化建议

1. goroutine池化

type Pool struct {
    work chan func()
    sem  chan struct{}
}

func NewPool(size int) *Pool {
    return &Pool{
        work: make(chan func()),
        sem:  make(chan struct{}, size),
    }
}

func (p *Pool) Submit(task func()) {
    select {
    case p.work <- task:
    case p.sem <- struct{}{}:
        go p.worker(task)
    }
}

func (p *Pool) worker(task func()) {
    defer func() { <-p.sem }()
    for {
        task()
        task = <-p.work
    }
}

2. 避免锁竞争

// 使用atomic替代mutex
type Counter struct {
    count int32
}

func (c *Counter) Increment() {
    atomic.AddInt32(&c.count, 1)
}

func (c *Counter) Get() int32 {
    return atomic.LoadInt32(&c.count)
}

6. 调试和监控

6.1 调试工具

1. GODEBUG参数

GODEBUG=schedtrace=1000 ./program # 每1000ms输出调度信息
GODEBUG=gctrace=1 ./program      # 输出GC信息

2. pprof工具

import _ "net/http/pprof"

go func() {
    log.Println(http.ListenAndServe("localhost:6060", nil))
}()

6.2 监控指标

1. goroutine数量
2. P的使用率
3. 系统调用次数
4. 调度延迟
5. GC影响

通过深入理解goroutine的原理和生命周期，我们可以：

1. 更好地控制并发程序的行为
2. 避免常见的并发陷阱
3. 优化程序性能
4. 排查并发相关问题

---

怎么样今天的内容还满意吗？再次感谢观众老爷的观看，关注GZH：凡人的AI工具箱，回复666，送您价值199的AI大礼包。最后，祝您早日实现财务自由，还请给个赞，谢谢！