Go 高性能编程技法
作者：dablelv，騰訊 IEGggG 后臺開發(fā)工程師
代碼的穩(wěn)健、可讀和高效是我們每一個 coder 的共同追求。本文將結合 Go 語言特性，為書寫效率更高的代碼，從常用數(shù)據(jù)結構、內存管理和并發(fā)，三個方面給出相關建議。話不多說，讓我們一起學習 Go 高性能編程的技法吧。
常用數(shù)據(jù)結構
1.反射雖好，切莫貪杯
標準庫 reflect 為 Go 語言提供了運行時動態(tài)獲取對象的類型和值以及動態(tài)創(chuàng)建對象的能力。反射可以幫助抽象和簡化代碼，提高開發(fā)效率。
Go 語言標準庫以及很多開源軟件中都使用了 Go 語言的反射能力，例如用于序列化和反序列化的 json、ORM 框架 gorm、xorm 等。
1.1 優(yōu)先使用 strconv 而不是 fmt
基本數(shù)據(jù)類型與字符串之間的轉換，優(yōu)先使用 strconv 而不是 fmt，因為前者性能更佳。
//?Bad for?i?:=?0;?i?<?b.N;?i++?{s?:=?fmt.Sprint(rand.Int()) }BenchmarkFmtSprint-4????143?ns/op????2?allocs/op//?Good for?i?:=?0;?i?<?b.N;?i++?{s?:=?strconv.Itoa(rand.Int()) }BenchmarkStrconv-4????64.2?ns/op????1?allocs/op為什么性能上會有兩倍多的差距，因為 fmt 實現(xiàn)上利用反射來達到范型的效果，在運行時進行類型的動態(tài)判斷，所以帶來了一定的性能損耗。
1.2 少量的重復不比反射差
有時，我們需要一些工具函數(shù)。比如從 uint64 切片過濾掉指定的元素。
利用反射，我們可以實現(xiàn)一個類型泛化支持擴展的切片過濾函數(shù)。
// DeleteSliceElms 從切片中過濾指定元素。注意：不修改原切片。 func?DeleteSliceElms(i?interface{},?elms?...interface{})?interface{}?{//?構建 map set。m?:=?make(map[interface{}]struct{},?len(elms))for?_,?v?:=?range?elms?{m[v]?=?struct{}{}}//?創(chuàng)建新切片，過濾掉指定元素。v?:=?reflect.ValueOf(i)t?:=?reflect.MakeSlice(reflect.TypeOf(i),?0,?v.Len())for?i?:=?0;?i?<?v.Len();?i++?{if?_,?ok?:=?m[v.Index(i).Interface()];?!ok?{t?=?reflect.Append(t,?v.Index(i))}}return?t.Interface() }很多時候，我們可能只需要操作一個類型的切片，利用反射實現(xiàn)的類型泛化擴展的能力壓根沒用上。退一步說，如果我們真地需要對 uint64 以外類型的切片進行過濾，拷貝一次代碼又何妨呢？可以肯定的是，絕大部份場景，根本不會對所有類型的切片進行過濾，那么反射帶來好處我們并沒有充分享受，但卻要為其帶來的性能成本買單。
// DeleteU64liceElms 從?[]uint64 過濾指定元素。注意：不修改原切片。 func?DeleteU64liceElms(i?[]uint64,?elms?...uint64)?[]uint64?{//?構建 map set。m?:=?make(map[uint64]struct{},?len(elms))for?_,?v?:=?range?elms?{m[v]?=?struct{}{}}//?創(chuàng)建新切片，過濾掉指定元素。t?:=?make([]uint64,?0,?len(i))for?_,?v?:=?range?i?{if?_,?ok?:=?m[v];?!ok?{t?=?append(t,?v)}}return?t }下面看一下二者的性能對比。
func?BenchmarkDeleteSliceElms(b?*testing.B)?{slice?:=?[]uint64{1,?2,?3,?4,?5,?6,?7,?8,?9}elms?:=?[]interface{}{uint64(1),?uint64(3),?uint64(5),?uint64(7),?uint64(9)}for?i?:=?0;?i?<?b.N;?i++?{_?=?DeleteSliceElms(slice,?elms...)} }func?BenchmarkDeleteU64liceElms(b?*testing.B)?{slice?:=?[]uint64{1,?2,?3,?4,?5,?6,?7,?8,?9}elms?:=?[]uint64{1,?3,?5,?7,?9}for?i?:=?0;?i?<?b.N;?i++?{_?=?DeleteU64liceElms(slice,?elms...)} }運行上面的基準測試。
go?test?-bench=.?-benchmem?main/reflect? goos:?darwin goarch:?amd64 pkg:?main/reflect cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkDeleteSliceElms-12??????????????1226868???????????????978.2?ns/op???????????296?B/op?????????16?allocs/op BenchmarkDeleteU64liceElms-12????????????8249469???????????????145.3?ns/op????????????80?B/op??????????1?allocs/op PASS ok??????main/reflect????3.809s可以看到，反射涉及了額外的類型判斷和大量的內存分配，導致其對性能的影響非常明顯。隨著切片元素的遞增，每一次判斷元素是否在 map 中，因為 map 的 key 是不確定的類型，會發(fā)生變量逃逸，觸發(fā)堆內存的分配。所以，可預見的是當元素數(shù)量增加時，性能差異會越來大。
當使用反射時，請問一下自己，我真地需要它嗎？
1.3 慎用 binary.Read 和 binary.Write
binary.Read 和 binary.Write 使用反射并且很慢。如果有需要用到這兩個函數(shù)的地方，我們應該手動實現(xiàn)這兩個函數(shù)的相關功能，而不是直接去使用它們。
encoding/binary 包實現(xiàn)了數(shù)字和字節(jié)序列之間的簡單轉換以及 varints 的編碼和解碼。varints 是一種使用可變字節(jié)表示整數(shù)的方法。其中數(shù)值本身越小，其所占用的字節(jié)數(shù)越少。Protocol Buffers 對整數(shù)采用的便是這種編碼方式。
其中數(shù)字與字節(jié)序列的轉換可以用如下三個函數(shù)：
// Read 從結構化二進制數(shù)據(jù) r 讀取到 data。data 必須是指向固定大小值的指針或固定大小值的切片。 func?Read(r?io.Reader,?order?ByteOrder,?data?interface{})?error // Write 將 data 的二進制表示形式寫入 w。data 必須是固定大小的值或固定大小值的切片，或指向此類數(shù)據(jù)的指針。 func?Write(w?io.Writer,?order?ByteOrder,?data?interface{})?error // Size 返回 Wirte 函數(shù)將 v 寫入到 w 中的字節(jié)數(shù)。 func?Size(v?interface{})?int下面以我們熟知的 C 標準庫函數(shù) ntohl() 函數(shù)為例，看看 Go 利用 binary 包如何實現(xiàn)。
// Ntohl 將網(wǎng)絡字節(jié)序的 uint32 轉為主機字節(jié)序。 func?Ntohl(bys?[]byte)?uint32?{r?:=?bytes.NewReader(bys)err?=?binary.Read(buf,?binary.BigEndian,?&num) }//?如將?IP?127.0.0.1?網(wǎng)絡字節(jié)序解析到?uint32 fmt.Println(Ntohl([]byte{0x7f,?0,?0,?0x1}))?//?2130706433?<nil>如果我們針對 uint32 類型手動實現(xiàn)一個 ntohl() 呢？
func?NtohlNotUseBinary(bys?[]byte)?uint32?{return?uint32(bys[3])?|?uint32(bys[2])<<8?|?uint32(bys[1])<<16?|?uint32(bys[0])<<24 }//?如將?IP?127.0.0.1?網(wǎng)絡字節(jié)序解析到?uint32 fmt.Println(NtohlNotUseBinary([]byte{0x7f,?0,?0,?0x1}))?//?2130706433該函數(shù)也是參考了 encoding/binary 包針對大端字節(jié)序將字節(jié)序列轉為 uint32 類型時的實現(xiàn)。
下面看下剝去反射前后二者的性能差異。
func?BenchmarkNtohl(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_,?_?=?Ntohl([]byte{0x7f,?0,?0,?0x1})} }func?BenchmarkNtohlNotUseBinary(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?NtohlNotUseBinary([]byte{0x7f,?0,?0,?0x1})} }運行上面的基準測試，結果如下：
go?test?-bench=BenchmarkNtohl.*?-benchmem?main/reflect goos:?darwin goarch:?amd64 pkg:?main/reflect cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkNtohl-12???????????????????????13026195????????????????81.96?ns/op???????????60?B/op??????????4?allocs/op BenchmarkNtohlNotUseBinary-12???????????1000000000???????????????0.2511?ns/op??????????0?B/op??????????0?allocs/op PASS ok??????main/reflect????1.841s可見使用反射實現(xiàn)的 encoding/binary 包的性能相較于針對具體類型實現(xiàn)的版本，性能差異非常大。
2.避免重復的字符串到字節(jié)切片的轉換
不要反復從固定字符串創(chuàng)建字節(jié) slice，因為重復的切片初始化會帶來性能損耗。相反，請執(zhí)行一次轉換并捕獲結果。
//?Bad for?i?:=?0;?i?<?b.N;?i++?{w.Write([]byte("Hello?world")) }BenchmarkBad-4???50000000???22.2?ns/op//?Good data?:=?[]byte("Hello?world") for?i?:=?0;?i?<?b.N;?i++?{w.Write(data) }BenchmarkGood-4??500000000???3.25?ns/op3.指定容器容量
盡可能指定容器容量，以便為容器預先分配內存。這將在后續(xù)添加元素時減少通過復制來調整容器大小。
3.1 指定 map 容量提示
在盡可能的情況下，在使用 make() 初始化的時候提供容量信息。
make(map[T1]T2,?hint)向 make() 提供容量提示會在初始化時嘗試調整 map 的大小，這將減少在將元素添加到 map 時為 map 重新分配內存。
注意，與 slice 不同。map capacity 提示并不保證完全的搶占式分配，而是用于估計所需的 hashmap bucket 的數(shù)量。因此，在將元素添加到 map 時，甚至在指定 map 容量時，仍可能發(fā)生分配。
//?Bad m?:=?make(map[string]os.FileInfo)files,?_?:=?ioutil.ReadDir("./files") for?_,?f?:=?range?files?{m[f.Name()]?=?f } // m 是在沒有大小提示的情況下創(chuàng)建的；?在運行時可能會有更多分配。//?Good files,?_?:=?ioutil.ReadDir("./files")m?:=?make(map[string]os.FileInfo,?len(files)) for?_,?f?:=?range?files?{m[f.Name()]?=?f } // m 是有大小提示創(chuàng)建的；在運行時可能會有更少的分配。3.2 指定切片容量
在盡可能的情況下，在使用 make() 初始化切片時提供容量信息，特別是在追加切片時。
make([]T,?length,?capacity)與 map 不同，slice capacity 不是一個提示：編譯器將為提供給 make() 的 slice 的容量分配足夠的內存，這意味著后續(xù)的 append() 操作將導致零分配（直到 slice 的長度與容量匹配，在此之后，任何 append 都可能調整大小以容納其他元素）。
const?size?=?1000000//?Bad for?n?:=?0;?n?<?b.N;?n++?{data?:=?make([]int,?0)for?k?:=?0;?k?<?size;?k++?{data?=?append(data,?k)} }BenchmarkBad-4????219????5202179?ns/op//?Good for?n?:=?0;?n?<?b.N;?n++?{data?:=?make([]int,?0,?size)for?k?:=?0;?k?<?size;?k++?{data?=?append(data,?k)} }BenchmarkGood-4???706????1528934?ns/op執(zhí)行基準測試：
go?test?-bench=^BenchmarkJoinStr?-benchmem? BenchmarkJoinStrWithOperator-8????66930670????17.81?ns/op????0?B/op????0?allocs/op BenchmarkJoinStrWithSprintf-8??????7032921????166.0?ns/op????64?B/op???4?allocs/op4.字符串拼接方式的選擇
4.1 行內拼接字符串推薦使用運算符+
行內拼接字符串為了書寫方便快捷，最常用的兩個方法是：
運算符+
fmt.Sprintf()
行內字符串的拼接，主要追求的是代碼的簡潔可讀。fmt.Sprintf() 能夠接收不同類型的入?yún)?#xff0c;通過格式化輸出完成字符串的拼接，使用非常方便。但因其底層實現(xiàn)使用了反射，性能上會有所損耗。
運算符 + 只能簡單地完成字符串之間的拼接，非字符串類型的變量需要單獨做類型轉換。行內拼接字符串不會產生內存分配，也不涉及類型地動態(tài)轉換，所以性能上優(yōu)于fmt.Sprintf()。
從性能出發(fā)，兼顧易用可讀，如果待拼接的變量不涉及類型轉換且數(shù)量較少（<=5），行內拼接字符串推薦使用運算符 +，反之使用 fmt.Sprintf()。
下面看下二者的性能對比。
//?Good func?BenchmarkJoinStrWithOperator(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{_?=?s1?+?s2?+?s3} }//?Bad func?BenchmarkJoinStrWithSprintf(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{_?=?fmt.Sprintf("%s%s%s",?s1,?s2,?s3)} }執(zhí)行基準測試結果如下：
go?test?-bench=^BenchmarkJoinStr?-benchmem?. BenchmarkJoinStrWithOperator-8????70638928????17.53?ns/op?????0?B/op????0?allocs/op BenchmarkJoinStrWithSprintf-8??????7520017????157.2?ns/op????64?B/op????4?allocs/op4.2 非行內拼接字符串推薦使用 strings.Builder
字符串拼接還有其他的方式，比如strings.Join()、strings.Builder、bytes.Buffer和byte[]，這幾種不適合行內使用。當待拼接字符串數(shù)量較多時可考慮使用。
先看下其性能測試的對比。
func?BenchmarkJoinStrWithStringsJoin(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{_?=?strings.Join([]string{s1,?s2,?s3},?"")} }func?BenchmarkJoinStrWithStringsBuilder(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{var?builder?strings.Builder_,?_?=?builder.WriteString(s1)_,?_?=?builder.WriteString(s2)_,?_?=?builder.WriteString(s3)} }func?BenchmarkJoinStrWithBytesBuffer(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{var?buffer?bytes.Buffer_,?_?=?buffer.WriteString(s1)_,?_?=?buffer.WriteString(s2)_,?_?=?buffer.WriteString(s3)} }func?BenchmarkJoinStrWithByteSlice(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{var?bys?[]bytebys=?append(bys,?s1...)bys=?append(bys,?s2...)_?=?append(bys,?s3...)} }func?BenchmarkJoinStrWithByteSlicePreAlloc(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{bys:=?make([]byte,?0,?9)bys=?append(bys,?s1...)bys=?append(bys,?s2...)_?=?append(bys,?s3...)} }基準測試結果如下：
go?test?-bench=^BenchmarkJoinStr?. goos:?windows goarch:?amd64 pkg:?main/perf cpu:?Intel(R)?Core(TM)?i7-9700?CPU?@?3.00GHz BenchmarkJoinStrWithStringsJoin-8???????????????31543916????????????????36.39?ns/op BenchmarkJoinStrWithStringsBuilder-8????????????30079785????????????????40.60?ns/op BenchmarkJoinStrWithBytesBuffer-8???????????????31663521????????????????39.58?ns/op BenchmarkJoinStrWithByteSlice-8?????????????????30748495????????????????37.34?ns/op BenchmarkJoinStrWithByteSlicePreAlloc-8?????????665341896???????????????1.813?ns/op從結果可以看出，strings.Join()、strings.Builder、bytes.Buffer和byte[] 的性能相近。如果結果字符串的長度是可預知的，使用 byte[] 且預先分配容量的拼接方式性能最佳。
所以如果對性能要求非常嚴格，或待拼接的字符串數(shù)量足夠多時，建議使用 ?byte[] 預先分配容量這種方式。
綜合易用性和性能，一般推薦使用strings.Builder來拼接字符串。
string.Builder也提供了預分配內存的方式 Grow：
func?BenchmarkJoinStrWithStringsBuilderPreAlloc(b?*testing.B)?{s1,?s2,?s3?:=?"foo",?"bar",?"baz"for?i?:=?0;?i?<?b.N;?i++?{var?builder?strings.Builderbuilder.Grow(9)_,?_?=?builder.WriteString(s1)_,?_?=?builder.WriteString(s2)_,?_?=?builder.WriteString(s3)} }使用了 Grow 優(yōu)化后的版本的性能測試結果如下。可以看出相較于不預先分配空間的方式，性能提升了很多。
BenchmarkJoinStrWithStringsBuilderPreAlloc-8????60079003????????????????20.95?ns/op5.遍歷 []struct{} 使用下標而不是 range
Go 中遍歷切片或數(shù)組有兩種方式，一種是通過下標，一種是 range。二者在功能上沒有區(qū)別，但是在性能上會有區(qū)別嗎？
5.1 []int
首先看一下遍歷基本類型切片時二者的性能差別，以 []int 為例。
//?genRandomIntSlice?生成指定長度的隨機?[]int?切片 func?genRandomIntSlice(n?int)?[]int?{rand.Seed(time.Now().UnixNano())nums?:=?make([]int,?0,?n)for?i?:=?0;?i?<?n;?i++?{nums?=?append(nums,?rand.Int())}return?nums }func?BenchmarkIndexIntSlice(b?*testing.B)?{nums?:=?genRandomIntSlice(1024)for?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?k?:=?0;?k?<?len(nums);?k++?{tmp?=?nums[k]}_?=?tmp} }func?BenchmarkRangeIntSlice(b?*testing.B)?{nums?:=?genRandomIntSlice(1024)for?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?_,?num?:=?range?nums?{tmp?=?num}_?=?tmp} }運行測試結果如下：
go?test?-bench=IntSlice$?. goos:?windows goarch:?amd64 pkg:?main/perf cpu:?Intel(R)?Core(TM)?i7-9700?CPU?@?3.00GHz BenchmarkIndexIntSlice-8?????????5043324???????????????236.2?ns/op BenchmarkRangeIntSlice-8?????????5076255???????????????239.1?ns/opgenRandomIntSlice() 函數(shù)用于生成指定長度元素類型為 int 的切片。從最終的結果可以看到，遍歷 []int 類型的切片，下標與 range 遍歷性能幾乎沒有區(qū)別。
5.2 []struct{}
那么對于稍微復雜一點的 []struct 類型呢？
type?Item?struct?{id??intval?[1024]byte }func?BenchmarkIndexStructSlice(b?*testing.B)?{var?items?[1024]Itemfor?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?j?:=?0;?j?<?len(items);?j++?{tmp?=?items[j].id}_?=?tmp} }func?BenchmarkRangeIndexStructSlice(b?*testing.B)?{var?items?[1024]Itemfor?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?k?:=?range?items?{tmp?=?items[k].id}_?=?tmp} }func?BenchmarkRangeStructSlice(b?*testing.B)?{var?items?[1024]Itemfor?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?_,?item?:=?range?items?{tmp?=?item.id}_?=?tmp} }運行測試結果如下：
go?test?-bench=StructSlice$?. goos:?windows goarch:?amd64 pkg:?main/perf cpu:?Intel(R)?Core(TM)?i7-9700?CPU?@?3.00GHz BenchmarkIndexStructSlice-8??????????????5079468???????????????234.9?ns/op BenchmarkRangeIndexStructSlice-8?????????5087448???????????????236.2?ns/op BenchmarkRangeStructSlice-8????????????????38716???????????????32265?ns/op可以看出，兩種通過 index 遍歷 []struct 性能沒有差別，但是 range 遍歷 []struct 中元素時，性能非常差。
range 只遍歷 []struct 下標時，性能比 range 遍歷 ?[]struct 值好很多。從這里我們應該能夠知道二者性能差別之大的原因。
Item 是一個結構體類型 ，Item 由兩個字段構成，一個類型是 int，一個是類型是 [1024]byte，如果每次遍歷 []Item，都會進行一次值拷貝，所以帶來了性能損耗。
此外，因為 range 時獲取的是值拷貝的副本，所以對副本的修改，是不會影響到原切片。
5.3 []*struct
那如果切片中是指向結構體的指針，而不是結構體呢？
//?genItems?生成指定長度?[]*Item?切片 func?genItems(n?int)?[]*Item?{items?:=?make([]*Item,?0,?n)for?i?:=?0;?i?<?n;?i++?{items?=?append(items,?&Item{id:?i})}return?items }func?BenchmarkIndexPointer(b?*testing.B)?{items?:=?genItems(1024)for?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?k?:=?0;?k?<?len(items);?k++?{tmp?=?items[k].id}_?=?tmp} }func?BenchmarkRangePointer(b?*testing.B)?{items?:=?genItems(1024)for?i?:=?0;?i?<?b.N;?i++?{var?tmp?intfor?_,?item?:=?range?items?{tmp?=?item.id}_?=?tmp} }執(zhí)行性能測試結果：
go?test?-bench=Pointer$?main/perf goos:?windows goarch:?amd64 pkg:?main/perf cpu:?Intel(R)?Core(TM)?i7-9700?CPU?@?3.00GHz BenchmarkIndexPointer-8???????????773634??????????????1521?ns/op BenchmarkRangePointer-8???????????752077??????????????1514?ns/op切片元素從結構體 Item 替換為指針 *Item 后，for 和 range 的性能幾乎是一樣的。而且使用指針還有另一個好處，可以直接修改指針對應的結構體的值。
5.4 小結
range 在迭代過程中返回的是元素的拷貝，index 則不存在拷貝。
如果 range 迭代的元素較小，那么 index 和 range 的性能幾乎一樣，如基本類型的切片 []int。但如果迭代的元素較大，如一個包含很多屬性的 struct 結構體，那么 index 的性能將顯著地高于 range，有時候甚至會有上千倍的性能差異。對于這種場景，建議使用 index。如果使用 range，建議只迭代下標，通過下標訪問元素，這種使用方式和 index 就沒有區(qū)別了。如果想使用 range 同時迭代下標和值，則需要將切片/數(shù)組的元素改為指針，才能不影響性能。
內存管理
1.使用空結構體節(jié)省內存
1.1 不占內存空間
在 Go 中，我們可以使用 unsafe.Sizeof 計算出一個數(shù)據(jù)類型實例需要占用的字節(jié)數(shù)。
package?mainimport?("fmt""unsafe" )func?main()?{fmt.Println(unsafe.Sizeof(struct{}{})) }運行上面的例子將會輸出：
go?run?main.go 0可以看到，Go 中空結構體 struct{} 是不占用內存空間，不像 C/C++ 中空結構體仍占用 1 字節(jié)。
1.2 用法
因為空結構體不占據(jù)內存空間，因此被廣泛作為各種場景下的占位符使用。一是節(jié)省資源，二是空結構體本身就具備很強的語義，即這里不需要任何值，僅作為占位符，達到的代碼即注釋的效果。
1.2.1 實現(xiàn)集合（Set）
Go 語言標準庫沒有提供 Set 的實現(xiàn)，通常使用 map 來代替。事實上，對于集合來說，只需要 map 的鍵，而不需要值。即使是將值設置為 bool 類型，也會多占據(jù) 1 個字節(jié)，那假設 map 中有一百萬條數(shù)據(jù)，就會浪費 1MB 的空間。
因此呢，將 map 作為集合（Set）使用時，可以將值類型定義為空結構體，僅作為占位符使用即可。
type?Set?map[string]struct{}func?(s?Set)?Has(key?string)?bool?{_,?ok?:=?s[key]return?ok }func?(s?Set)?Add(key?string)?{s[key]?=?struct{}{} }func?(s?Set)?Delete(key?string)?{delete(s,?key) }func?main()?{s?:=?make(Set)s.Add("foo")s.Add("bar")fmt.Println(s.Has("foo"))fmt.Println(s.Has("bar")) }如果想使用 Set 的完整功能，如初始化（通過切片構建一個 Set）、Add、Del、Clear、Contains 等操作，可以使用開源庫 golang-set。
1.2.2 不發(fā)送數(shù)據(jù)的信道
func?worker(ch?chan?struct{})?{<-chfmt.Println("do?something") }func?main()?{ch?:=?make(chan?struct{})go?worker(ch)ch?<-?struct{}{}close(ch) }有時候使用 channel 不需要發(fā)送任何的數(shù)據(jù)，只用來通知子協(xié)程（goroutine）執(zhí)行任務，或只用來控制協(xié)程的并發(fā)。這種情況下，使用空結構體作為占位符就非常合適了。
1.2.3 僅包含方法的結構體
type?Door?struct{}func?(d?Door)?Open()?{fmt.Println("Open?the?door") }func?(d?Door)?Close()?{fmt.Println("Close?the?door") }在部分場景下，結構體只包含方法，不包含任何的字段。例如上面例子中的 Door，在這種情況下，Door 事實上可以用任何的數(shù)據(jù)結構替代。
type?Door?int type?Door?bool無論是 int 還是 bool 都會浪費額外的內存，因此呢，這種情況下，聲明為空結構體最合適。
2. struct 布局要考慮內存對齊
2.1 為什么需要內存對齊
CPU 訪問內存時，并不是逐個字節(jié)訪問，而是以字長（word size）為單位訪問。比如 32 位的 CPU ，字長為 4 字節(jié)，那么 CPU 訪問內存的單位也是 4 字節(jié)。
這么設計的目的，是減少 CPU 訪問內存的次數(shù)，加大 CPU 訪問內存的吞吐量。比如同樣讀取 8 個字節(jié)的數(shù)據(jù)，一次讀取 4 個字節(jié)那么只需要讀取 2 次。
CPU 始終以字長訪問內存，如果不進行內存對齊，很可能增加 CPU 訪問內存的次數(shù)，例如：
變量 a、b 各占據(jù) 3 字節(jié)的空間，內存對齊后，a、b 占據(jù) 4 字節(jié)空間，CPU 讀取 b 變量的值只需要進行一次內存訪問。如果不進行內存對齊，CPU 讀取 b 變量的值需要進行 2 次內存訪問。第一次訪問得到 b 變量的第 1 個字節(jié)，第二次訪問得到 b 變量的后兩個字節(jié)。
從這個例子中也可以看到，內存對齊對實現(xiàn)變量的原子性操作也是有好處的，每次內存訪問是原子的，如果變量的大小不超過字長，那么內存對齊后，對該變量的訪問就是原子的，這個特性在并發(fā)場景下至關重要。
簡言之：合理的內存對齊可以提高內存讀寫的性能，并且便于實現(xiàn)變量操作的原子性。
2.2 Go 內存對齊規(guī)則
編譯器一般為了減少 CPU 訪存指令周期，提高內存的訪問效率，會對變量進行內存對齊。Go 作為一門追求高性能的后臺編程語言，當然也不例外。
Go Language Specification 中 Size and alignment guarantees 描述了內存對齊的規(guī)則。
1.For a variable x of any type: unsafe.Alignof(x) is at least 1. 2.For a variable x of struct type: unsafe.Alignof(x) is the largest of all the values unsafe.Alignof(x.f) for each field f of x, but at least 1. 3.For a variable x of array type: unsafe.Alignof(x) is the same as the alignment of a variable of the array's element type.
對于任意類型的變量 x ，unsafe.Alignof(x) 至少為 1。
對于結構體類型的變量 x，計算 x 每一個字段 f 的 unsafe.Alignof(x.f)，unsafe.Alignof(x) 等于其中的最大值。
對于數(shù)組類型的變量 x，unsafe.Alignof(x) 等于構成數(shù)組的元素類型的對齊系數(shù)。
其中函數(shù) unsafe.Alignof 用于獲取變量的對齊系數(shù)。對齊系數(shù)決定了字段的偏移和變量的大小，兩者必須是對齊系數(shù)的整數(shù)倍。
2.3 合理的 struct 布局
因為內存對齊的存在，合理的 struct 布局可以減少內存占用，提高程序性能。
type?demo1?struct?{a?int8b?int16c?int32 }type?demo2?struct?{a?int8c?int32b?int16 }func?main()?{fmt.Println(unsafe.Sizeof(demo1{}))?//?8fmt.Println(unsafe.Sizeof(demo2{}))?//?12 }可以看到，同樣的字段，因字段排列順序不同，最終會導致不一樣的結構體大小。
每個字段按照自身的對齊系數(shù)來確定在內存中的偏移量，一個字段因偏移而浪費的大小也不同。
接下來逐個分析，首先是 demo1：a 是第一個字段，默認是已經(jīng)對齊的，從第 0 個位置開始占據(jù) 1 字節(jié)。b 是第二個字段，對齊系數(shù)為 2，因此，必須空出 1 個字節(jié)，偏移量才是 2 的倍數(shù)，從第 2 個位置開始占據(jù) 2 字節(jié)。c 是第三個字段，對齊倍數(shù)為 4，此時，內存已經(jīng)是對齊的，從第 4 個位置開始占據(jù) 4 字節(jié)即可。
因此 demo1 的內存占用為 8 字節(jié)。
對于 demo2：a 是第一個字段，默認是已經(jīng)對齊的，從第 0 個位置開始占據(jù) 1 字節(jié)。c 是第二個字段，對齊倍數(shù)為 4，因此，必須空出 3 個字節(jié)，偏移量才是 4 的倍數(shù)，從第 4 個位置開始占據(jù) 4 字節(jié)。b 是第三個字段，對齊倍數(shù)為 2，從第 8 個位置開始占據(jù) 2 字節(jié)。
demo2 的對齊系數(shù)由 c 的對齊系數(shù)決定，也是 4，因此，demo2 的內存占用為 12 字節(jié)。
因此，在對內存特別敏感的結構體的設計上，我們可以通過調整字段的順序，將字段寬度從小到大由上到下排列，來減少內存的占用。
2.4 空結構與空數(shù)組對內存對齊的影響
空結構與空數(shù)組在 Go 中比較特殊。沒有任何字段的空 struct{} 和沒有任何元素的 array 占據(jù)的內存空間大小為 0。
因為這一點，空 struct{} 或空 array 作為其他 struct 的字段時，一般不需要內存對齊。但是有一種情況除外：即當 struct{} 或空 array 作為結構體最后一個字段時，需要內存對齊。因為如果有指針指向該字段，返回的地址將在結構體之外，如果此指針一直存活不釋放對應的內存，就會有內存泄露的問題（該內存不因結構體釋放而釋放）。
type?demo3?struct?{a?struct{}b?int32 } type?demo4?struct?{b?int32a?struct{} }func?main()?{fmt.Println(unsafe.Sizeof(demo3{}))?//?4fmt.Println(unsafe.Sizeof(demo4{}))?//?8 }可以看到，demo3{} 的大小為 4 字節(jié)，與字段 b 占據(jù)空間一致，而 demo4{} 的大小為 8 字節(jié)，即額外填充了 4 字節(jié)的空間。
3.減少逃逸，將變量限制在棧上
變量逃逸一般發(fā)生在如下幾種情況：
變量較大
變量大小不確定
變量類型不確定
返回指針
返回引用
閉包
知道變量逃逸的原因后，我們可以有意識的控制變量不發(fā)生逃逸，將其控制在棧上，減少堆變量的分配，降低 GC 成本，提高程序性能。
3.1 小的拷貝好過引用
小的拷貝好過引用，什么意思呢，就是盡量使用棧變量而不是堆變量。下面舉一個反常識的例子，來證明小的拷貝比在堆上創(chuàng)建引用變量要好。
我們都知道 Go 里面的 Array 以 pass-by-value 方式傳遞后，再加上其長度不可擴展，考慮到性能我們一般很少使用它。實際上，凡事無絕對。有時使用數(shù)組進行拷貝傳遞，比使用切片要好。
//?copy/copy.goconst?capacity?=?1024func?arrayFibonacci()?[capacity]int?{var?d?[capacity]intfor?i?:=?0;?i?<?len(d);?i++?{if?i?<=?1?{d[i]?=?1continue}d[i]?=?d[i-1]?+?d[i-2]}return?d }func?sliceFibonacci()?[]int?{d?:=?make([]int,?capacity)for?i?:=?0;?i?<?len(d);?i++?{if?i?<=?1?{d[i]?=?1continue}d[i]?=?d[i-1]?+?d[i-2]}return?d }下面看一下性能對比。
func?BenchmarkArray(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?arrayFibonacci()} }func?BenchmarkSlice(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?sliceFibonacci()} }運行上面的基準測試，將得到如下結果。
go?test?-bench=.?-benchmem?-gcflags="-l"?main/copy goos:?darwin goarch:?amd64 pkg:?main/copy cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkArray-12?????????692400??????????????1708?ns/op???????????????0?B/op??????????0?allocs/op BenchmarkSlice-12?????????464974??????????????2242?ns/op????????????8192?B/op??????????1?allocs/op PASS ok??????main/copy???????3.908s從測試結果可以看出，對數(shù)組的拷貝性能卻比使用切片要好。為什么會這樣呢？
sliceFibonacci() 函數(shù)中分配的局部變量切片因為要返回到函數(shù)外部，所以發(fā)生了逃逸，需要在堆上申請內存空間。從測試也過也可以看出，arrayFibonacci() 函數(shù)沒有內存分配，完全在棧上完成數(shù)組的創(chuàng)建。這里說明了對于一些短小的對象，棧上復制的成本遠小于在堆上分配和回收操作。
需要注意，運行上面基準測試時，傳遞了禁止內聯(lián)的編譯選項 "-l"，如果發(fā)生內聯(lián)，那么將不會出現(xiàn)變量的逃逸，就不存在堆上分配內存與回收的操作了，二者將看不出性能差異。
編譯時可以借助選項 -gcflags=-m 查看編譯器對上面兩個函數(shù)的優(yōu)化決策。
go?build??-gcflags=-m?copy/copy.go #?command-line-arguments copy/copy.go:5:6:?can?inline?arrayFibonacci copy/copy.go:17:6:?can?inline?sliceFibonacci copy/copy.go:18:11:?make([]int,?capacity)?escapes?to?heap可以看到，arrayFibonacci() 和 sliceFibonacci() 函數(shù)均可內聯(lián)。sliceFibonacci() 函數(shù)中定義的局部變量切片逃逸到了堆。
那么多大的變量才算是小變量呢？對 Go 編譯器而言，超過一定大小的局部變量將逃逸到堆上，不同的 Go 版本的大小限制可能不一樣。一般是 <64KB，局部變量將不會逃逸到堆上。
3.2 返回值 VS 返回指針
值傳遞會拷貝整個對象，而指針傳遞只會拷貝地址，指向的對象是同一個。返回指針可以減少值的拷貝，但是會導致內存分配逃逸到堆中，增加垃圾回收(GC)的負擔。在對象頻繁創(chuàng)建和刪除的場景下，傳遞指針導致的 GC 開銷可能會嚴重影響性能。
一般情況下，對于需要修改原對象值，或占用內存比較大的結構體，選擇返回指針。對于只讀的占用內存較小的結構體，直接返回值能夠獲得更好的性能。
3.3 返回值使用確定的類型
如果變量類型不確定，那么將會逃逸到堆上。所以，函數(shù)返回值如果能確定的類型，就不要使用 interface{}。
我們還是以上面斐波那契數(shù)列函數(shù)為例，看下返回值為確定類型和 interface{} 的性能差別。
const?capacity?=?1024func?arrayFibonacci()?[capacity]int?{var?d?[capacity]intfor?i?:=?0;?i?<?len(d);?i++?{if?i?<=?1?{d[i]?=?1continue}d[i]?=?d[i-1]?+?d[i-2]}return?d }func?arrayFibonacciIfc()?interface{}?{var?d?[capacity]intfor?i?:=?0;?i?<?len(d);?i++?{if?i?<=?1?{d[i]?=?1continue}d[i]?=?d[i-1]?+?d[i-2]}return?d }func?BenchmarkArray(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?arrayFibonacci()} }func?BenchmarkIfc(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?arrayFibonacciIfc()} }運行上面的基準測試結果如下：
go?test?-bench=.?-benchmem?main/copy goos:?darwin goarch:?amd64 pkg:?main/copy cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkArray-12?????????832418??????????????1427?ns/op???????????????0?B/op??????????0?allocs/op BenchmarkIfc-12???????????380626??????????????2861?ns/op????????????8192?B/op??????????1?allocs/op PASS ok??????main/copy???????3.742s可見，函數(shù)返回值使用 interface{} 返回時，編譯器無法確定返回值的具體類型，導致返回值逃逸到堆上。當發(fā)生了堆上內存的申請與回收時，性能會差一點。
4.sync.Pool 復用對象
4.1 簡介
sync.Pool 是 sync 包下的一個組件，可以作為保存臨時取還對象的一個“池子”。個人覺得它的名字有一定的誤導性，因為 Pool 里裝的對象可以被無通知地被回收，可能 sync.Cache 是一個更合適的名字。
sync.Pool 是可伸縮的，同時也是并發(fā)安全的，其容量僅受限于內存的大小。存放在池中的對象如果不活躍了會被自動清理。
4.2 作用
對于很多需要重復分配、回收內存的地方，sync.Pool 是一個很好的選擇。頻繁地分配、回收內存會給 GC 帶來一定的負擔，嚴重的時候會引起 CPU 的毛刺，而 sync.Pool 可以將暫時不用的對象緩存起來，待下次需要的時候直接使用，不用再次經(jīng)過內存分配，復用對象的內存，減輕 GC 的壓力，提升系統(tǒng)的性能。
一句話總結：用來保存和復用臨時對象，減少內存分配，降低 GC 壓力。
4.3 如何使用
sync.Pool 的使用方式非常簡單，只需要實現(xiàn) New 函數(shù)即可。對象池中沒有對象時，將會調用 New 函數(shù)創(chuàng)建。
假設我們有一個“學生”結構體，并復用改結構體對象。
type?Student?struct?{Name???stringAge????int32Remark?[1024]byte }var?studentPool?=?sync.Pool{New:?func()?interface{}?{?return?new(Student)?}, }然后調用 Pool 的 Get() 和 Put() 方法來獲取和放回池子中。
stu?:=?studentPool.Get().(*Student) json.Unmarshal(buf,?stu) studentPool.Put(stu)Get() 用于從對象池中獲取對象，因為返回值是 interface{}，因此需要類型轉換。
Put() 則是在對象使用完畢后，放回到對象池。
4.4 性能差異
我們以 bytes.Buffer 字節(jié)緩沖器為例，利用 sync.Pool 復用 bytes.Buffer 對象，避免重復創(chuàng)建與回收內存，來看看對性能的提升效果。
var?bufferPool?=?sync.Pool{New:?func()?interface{}?{return?&bytes.Buffer{}}, }var?data?=?make([]byte,?10000)func?BenchmarkBufferWithPool(b?*testing.B)?{for?n?:=?0;?n?<?b.N;?n++?{buf?:=?bufferPool.Get().(*bytes.Buffer)buf.Write(data)buf.Reset()bufferPool.Put(buf)} }func?BenchmarkBuffer(b?*testing.B)?{for?n?:=?0;?n?<?b.N;?n++?{var?buf?bytes.Bufferbuf.Write(data)} }測試結果如下：
go?test?-bench=.?-benchmem?main/pool goos:?darwin goarch:?amd64 pkg:?main/pool cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkBufferWithPool-12??????11987966????????????????97.12?ns/op????????????0?B/op??????????0?allocs/op BenchmarkBuffer-12???????????????1246887??????????????1020?ns/op???????????10240?B/op??????????1?allocs/op PASS ok??????main/pool???????3.510s這個例子創(chuàng)建了一個 bytes.Buffer 對象池，每次只執(zhí)行 Write 操作，及做一次數(shù)據(jù)拷貝，耗時幾乎可以忽略。而內存分配和回收的耗時占比較多，因此對程序整體的性能影響更大。從測試結果也可以看出，使用了 Pool 復用對象，每次操作不再有內存分配。
4.5 在標準庫中的應用
Go 標準庫也大量使用了 sync.Pool，例如 fmt 和 encoding/json。以 fmt 包為例，我們看下其是如何使用 sync.Pool 的。
我們可以看一下最常用的標準格式化輸出函數(shù) Printf() 函數(shù)。
//?Printf?formats?according?to?a?format?specifier?and?writes?to?standard?output. //?It?returns?the?number?of?bytes?written?and?any?write?error?encountered. func?Printf(format?string,?a?...interface{})?(n?int,?err?error)?{return?Fprintf(os.Stdout,?format,?a...) }繼續(xù)看 Fprintf() 的定義。
//?Fprintf?formats?according?to?a?format?specifier?and?writes?to?w. //?It?returns?the?number?of?bytes?written?and?any?write?error?encountered. func?Fprintf(w?io.Writer,?format?string,?a?...interface{})?(n?int,?err?error)?{p?:=?newPrinter()p.doPrintf(format,?a)n,?err?=?w.Write(p.buf)p.free()return }Fprintf() 函數(shù)的參數(shù)是一個 io.Writer，Printf() 傳的是 os.Stdout，相當于直接輸出到標準輸出。這里的 newPrinter 用的就是 sync.Pool。
//?go?version?go1.17?darwin/amd64//?pp?is?used?to?store?a?printer's?state?and?is?reused?with?sync.Pool?to?avoid?allocations. type?pp?struct?{buf?buffer... }var?ppFree?=?sync.Pool{New:?func()?interface{}?{?return?new(pp)?}, }//?newPrinter?allocates?a?new?pp?struct?or?grabs?a?cached?one. func?newPrinter()?*pp?{p?:=?ppFree.Get().(*pp)p.panicking?=?falsep.erroring?=?falsep.wrapErrs?=?falsep.fmt.init(&p.buf)return?p }//?free?saves?used?pp?structs?in?ppFree;?avoids?an?allocation?per?invocation. func?(p?*pp)?free()?{//?Proper?usage?of?a?sync.Pool?requires?each?entry?to?have?approximately//?the?same?memory?cost.?To?obtain?this?property?when?the?stored?type//?contains?a?variably-sized?buffer,?we?add?a?hard?limit?on?the?maximum?buffer//?to?place?back?in?the?pool.////?See?https://golang.org/issue/23199if?cap(p.buf)?>?64<<10?{return}p.buf?=?p.buf[:0]p.arg?=?nilp.value?=?reflect.Value{}p.wrappedErr?=?nilppFree.Put(p) }fmt.Printf() 的調用是非常頻繁的，利用 sync.Pool 復用 pp 對象能夠極大地提升性能，減少內存占用，同時降低 GC 壓力。
并發(fā)編程
1.關于鎖
1.1 無鎖化
加鎖是為了避免在并發(fā)環(huán)境下，同時訪問共享資源產生的安全問題。那么，在并發(fā)環(huán)境下，是否必須加鎖？答案是否定的。并非所有的并發(fā)都需要加鎖。適當?shù)亟档玩i的粒度，甚至采用無鎖化的設計，更能提升并發(fā)能力。
無鎖化主要有兩種實現(xiàn)，無鎖數(shù)據(jù)結構和串行無鎖。
1.1.1 無鎖數(shù)據(jù)結構
利用硬件支持的原子操作可以實現(xiàn)無鎖的數(shù)據(jù)結構，原子操作可以在 lock-free 的情況下保證并發(fā)安全，并且它的性能也能做到隨 CPU 個數(shù)的增多而線性擴展。很多語言都提供 CAS 原子操作（如 Go 中的 atomic 包和 C++11 中的 atomic 庫），可以用于實現(xiàn)無鎖數(shù)據(jù)結構，如無鎖鏈表。
我們以一個簡單的線程安全單向鏈表的插入操作來看下無鎖編程和普通加鎖的區(qū)別。
package?listimport?("fmt""sync""sync/atomic""golang.org/x/sync/errgroup" )//?Node?鏈表節(jié)點 type?Node?struct?{Value?interface{}Next??*Node }// //?有鎖單向鏈表的簡單實現(xiàn) ////?WithLockList?有鎖單向鏈表 type?WithLockList?struct?{Head?*Nodemu???sync.Mutex }//?Push?將元素插入到鏈表的首部 func?(l?*WithLockList)?Push(v?interface{})?{l.mu.Lock()defer?l.mu.Unlock()n?:=?&Node{Value:?v,Next:??l.Head,}l.Head?=?n }//?String?有鎖鏈表的字符串形式輸出 func?(l?WithLockList)?String()?string?{s?:=?""cur?:=?l.Headfor?{if?cur?==?nil?{break}if?s?!=?""?{s?+=?","}s?+=?fmt.Sprintf("%v",?cur.Value)cur?=?cur.Next}return?s }// //?無鎖單向鏈表的簡單實現(xiàn) ////?LockFreeList?無鎖單向鏈表 type?LockFreeList?struct?{Head?atomic.Value }//?Push?有鎖 func?(l?*LockFreeList)?Push(v?interface{})?{for?{head?:=?l.Head.Load()headNode,?_?:=?head.(*Node)n?:=?&Node{Value:?v,Next:??headNode,}if?l.Head.CompareAndSwap(head,?n)?{break}} }//?String?有鎖鏈表的字符串形式輸出 func?(l?LockFreeList)?String()?string?{s?:=?""cur?:=?l.Head.Load().(*Node)for?{if?cur?==?nil?{break}if?s?!=?""?{s?+=?","}s?+=?fmt.Sprintf("%v",?cur.Value)cur?=?cur.Next}return?s }上面的實現(xiàn)有幾點需要注意一下：
（1）無鎖單向鏈表實現(xiàn)時在插入時需要進行 CAS 操作，即調用CompareAndSwap()方法進行插入，如果插入失敗則進行 for 循環(huán)多次嘗試，直至成功。
（2）為了方便打印鏈表內容，實現(xiàn)一個String()方法遍歷鏈表，且使用值作為接收者，避免打印對象指針時無法生效。
If an operand implements method String() string, that method will be invoked to convert the object to a string, which will then be formatted as required by the verb (if any).
我們分別對兩種鏈表做一個并發(fā)寫入的操作驗證一下其功能。
package?mainimport?("fmt""main/list" )//?ConcurWriteWithLockList?并發(fā)寫入有鎖鏈表 func?ConcurWriteWithLockList(l?*WithLockList)?{var?g?errgroup.Group//?10?個協(xié)程并發(fā)寫入鏈表for?i?:=?0;?i?<?10;?i++?{i?:=?ig.Go(func()?error?{l.Push(i)return?nil})}_?=?g.Wait() }//?ConcurWriteLockFreeList?并發(fā)寫入無鎖鏈表 func?ConcurWriteLockFreeList(l?*LockFreeList)?{var?g?errgroup.Group//?10?個協(xié)程并發(fā)寫入鏈表for?i?:=?0;?i?<?10;?i++?{i?:=?ig.Go(func()?error?{l.Push(i)return?nil})}_?=?g.Wait() }func?main()?{//?并發(fā)寫入與遍歷打印有鎖鏈表l1?:=?&list.WithLockList{}list.ConcurWriteWithLockList(l1)fmt.Println(l1)//?并發(fā)寫入與遍歷打印無鎖鏈表l2?:=?&list.LockFreeList{}list.ConcurWriteLockFreeList(l2)fmt.Println(l2) }注意，多次運行上面的main()函數(shù)的結果可能會不相同，因為并發(fā)是無序的。
8,7,6,9,5,4,3,1,2,0 9,8,7,6,5,4,3,2,0,1下面再看一下鏈表 Push 操作的基準測試，對比一下有鎖與無鎖的性能差異。
func?BenchmarkWriteWithLockList(b?*testing.B)?{l?:=?&WithLockList{}for?n?:=?0;?n?<?b.N;?n++?{l.Push(n)} } BenchmarkWriteWithLockList-8????14234166????????????????83.58?ns/opfunc?BenchmarkWriteLockFreeList(b?*testing.B)?{l?:=?&LockFreeList{}for?n?:=?0;?n?<?b.N;?n++?{l.Push(n)} } BenchmarkWriteLockFreeList-8????15219405????????????????73.15?ns/op可以看出無鎖版本比有鎖版本性能高一些。
1.1.2 串行無鎖
串行無鎖是一種思想，就是避免對共享資源的并發(fā)訪問，改為每個并發(fā)操作訪問自己獨占的資源，達到串行訪問資源的效果，來避免使用鎖。不同的場景有不同的實現(xiàn)方式。比如網(wǎng)絡 I/O 場景下將單 Reactor 多線程模型改為主從 Reactor 多線程模型，避免對同一個消息隊列鎖讀取。
這里我介紹的是后臺微服務開發(fā)經(jīng)常遇到的一種情況。我們經(jīng)常需要并發(fā)拉取多方面的信息，匯聚到一個變量上。那么此時就存在對同一個變量互斥寫入的情況。比如批量并發(fā)拉取用戶信息寫入到一個 map。此時我們可以將每個協(xié)程拉取的結果寫入到一個臨時對象，這樣便將并發(fā)地協(xié)程與同一個變量解綁，然后再將其匯聚到一起，這樣便可以不用使用鎖。即獨立處理，然后合并。
為了模擬上面的情況，簡單地寫個示例程序，對比下性能。
import?("sync""golang.org/x/sync/errgroup" )//?ConcurWriteMapWithLock?有鎖并發(fā)寫入?map func?ConcurWriteMapWithLock()?map[int]int?{m?:=?make(map[int]int)var?mu?sync.Mutexvar?g?errgroup.Group//?10?個協(xié)程并發(fā)寫入?mapfor?i?:=?0;?i?<?10;?i++?{i?:=?ig.Go(func()?error?{mu.Lock()defer?mu.Unlock()m[i]?=?i?*?ireturn?nil})}_?=?g.Wait()return?m }//?ConcurWriteMapLockFree?無鎖并發(fā)寫入?map func?ConcurWriteMapLockFree()?map[int]int?{m?:=?make(map[int]int)//?每個協(xié)程獨占一?valuevalues?:=?make([]int,?10)//?10?個協(xié)程并發(fā)寫入?mapvar?g?errgroup.Groupfor?i?:=?0;?i?<?10;?i++?{i?:=?ig.Go(func()?error?{values[i]?=?i?*?ireturn?nil})}_?=?g.Wait()//?匯聚結果到?mapfor?i,?v?:=?range?values?{m[i]?=?v}return?m }看下二者的性能差異：
func?BenchmarkConcurWriteMapWithLock(b?*testing.B)?{for?n?:=?0;?n?<?b.N;?n++?{_?=?ConcurWriteMapWithLock()} } BenchmarkConcurWriteMapWithLock-8?????????218673??????????????5089?ns/opfunc?BenchmarkConcurWriteMapLockFree(b?*testing.B)?{for?n?:=?0;?n?<?b.N;?n++?{_?=?ConcurWriteMapLockFree()} } BenchmarkConcurWriteMapLockFree-8?????????316635??????????????4048?ns/op1.2 減少鎖競爭
如果加鎖無法避免，則可以采用分片的形式，減少對資源加鎖的次數(shù)，這樣也可以提高整體的性能。
比如 Golang 優(yōu)秀的本地緩存組件 ?bigcache 、go-cache、freecache 都實現(xiàn)了分片功能，每個分片一把鎖，采用分片存儲的方式減少加鎖的次數(shù)從而提高整體性能。
以一個簡單的示例，通過對map[uint64]struct{}分片前后并發(fā)寫入的對比，來看下減少鎖競爭帶來的性能提升。
var?(num?=?1000000m0??=?make(map[int]struct{},?num)mu0?=?sync.RWMutex{}m1??=?make(map[int]struct{},?num)mu1?=?sync.RWMutex{} )// ConWriteMapNoShard 不分片寫入一個 map。 func?ConWriteMapNoShard()?{g?:=?errgroup.Group{}for?i?:=?0;?i?<?num;?i++?{g.Go(func()?error?{mu0.Lock()defer?mu0.Unlock()m0[i]?=?struct{}{}return?nil})}_?=?g.Wait() }// ConWriteMapTwoShard 分片寫入兩個 map。 func?ConWriteMapTwoShard()?{g?:=?errgroup.Group{}for?i?:=?0;?i?<?num;?i++?{g.Go(func()?error?{if?i&1?==?0?{mu0.Lock()defer?mu0.Unlock()m0[i]?=?struct{}{}return?nil}mu1.Lock()defer?mu1.Unlock()m1[i]?=?struct{}{}return?nil})}_?=?g.Wait() }看下二者的性能差異：
func?BenchmarkConWriteMapNoShard(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{ConWriteMapNoShard()} } BenchmarkConWriteMapNoShard-12?????????????????3?????????472063245?ns/opfunc?BenchmarkConWriteMapTwoShard(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{ConWriteMapTwoShard()} } BenchmarkConWriteMapTwoShard-12????????????????4?????????310588155?ns/op可以看到，通過對分共享資源的分片處理，減少了鎖競爭，能明顯地提高程序的并發(fā)性能。可以預見的是，隨著分片粒度地變小，性能差距會越來越大。當然，分片粒度不是越小越好。因為每一個分片都要配一把鎖，那么會帶來很多額外的不必要的開銷。可以選擇一個不太大的值，在性能和花銷上尋找一個平衡。
1.3 優(yōu)先使用共享鎖而非互斥鎖
如果并發(fā)無法做到無鎖化，優(yōu)先使用共享鎖而非互斥鎖。
所謂互斥鎖，指鎖只能被一個 Goroutine 獲得。共享鎖指可以同時被多個 Goroutine 獲得的鎖。
Go 標準庫 sync 提供了兩種鎖，互斥鎖（sync.Mutex）和讀寫鎖（sync.RWMutex），讀寫鎖便是共享鎖的一種具體實現(xiàn)。
1.3.1 sync.Mutex
互斥鎖的作用是保證共享資源同一時刻只能被一個 Goroutine 占用，一個 Goroutine 占用了，其他的 Goroutine 則阻塞等待。
sync.Mutex 提供了兩個導出方法用來使用鎖。
Lock()???//?加鎖 Unlock()???//?釋放鎖我們可以通過在訪問共享資源前前用 Lock 方法對資源進行上鎖，在訪問共享資源后調用 Unlock 方法來釋放鎖，也可以用 defer 語句來保證互斥鎖一定會被解鎖。在一個 Go 協(xié)程調用 Lock 方法獲得鎖后，其他請求鎖的協(xié)程都會阻塞在 Lock 方法，直到鎖被釋放。
1.3.2 sync.RWMutex
讀寫鎖是一種共享鎖，也稱之為多讀單寫鎖 (multiple readers, single writer lock)。在使用鎖時，對獲取鎖的目的操作做了區(qū)分，一種是讀操作，一種是寫操作。因為同一時刻允許多個 Gorouine 獲取讀鎖，所以是一種共享鎖。但寫鎖是互斥的。
一般來說，有如下幾種情況：
讀鎖之間不互斥，沒有寫鎖的情況下，讀鎖是無阻塞的，多個協(xié)程可以同時獲得讀鎖。
寫鎖之間是互斥的，存在寫鎖，其他寫鎖阻塞。
寫鎖與讀鎖是互斥的，如果存在讀鎖，寫鎖阻塞，如果存在寫鎖，讀鎖阻塞。
sync.RWMutex 提供了五個導出方法用來使用鎖。
Lock()????//?加寫鎖 Unlock()???//?釋放寫鎖 RLock()????//?加讀鎖 RUnlock()???//?釋放讀鎖 RLocker()?Locker?//?返回讀鎖，使用?Lock()?和?Unlock()?進行?RLock()?和?RUnlock()讀寫鎖的存在是為了解決讀多寫少時的性能問題，讀場景較多時，讀寫鎖可有效地減少鎖阻塞的時間。
1.3.3 性能對比
大部分業(yè)務場景是讀多寫少，所以使用讀寫鎖可有效提高對共享數(shù)據(jù)的訪問效率。最壞的情況，只有寫請求，那么讀寫鎖頂多退化成互斥鎖。所以優(yōu)先使用讀寫鎖而非互斥鎖，可以提高程序的并發(fā)性能。
接下來，我們測試三種情景下，互斥鎖和讀寫鎖的性能差異。
讀多寫少(讀占 80%)
讀寫一致(各占 50%)
讀少寫多(讀占 20%)
首先根據(jù)互斥鎖和讀寫鎖分別實現(xiàn)對共享 map 的并發(fā)讀寫。
// OpMapWithMutex 使用互斥鎖讀寫 map。 // rpct 為讀操作占比。 func?OpMapWithMutex(rpct?int)?{m?:=?make(map[int]struct{})mu?:=?sync.Mutex{}var?wg?sync.WaitGroupfor?i?:=?0;?i?<?100;?i++?{i?:=?iwg.Add(1)go?func()?{defer?wg.Done()mu.Lock()defer?mu.Unlock()//?寫操作。if?i?>=?rpct?{m[i]?=?struct{}{}time.Sleep(time.Microsecond)return}//?讀操作。_?=?m[i]time.Sleep(time.Microsecond)}()}wg.Wait() }// OpMapWithRWMutex 使用讀寫鎖讀寫 map。 // rpct 為讀操作占比。 func?OpMapWithRWMutex(rpct?int)?{m?:=?make(map[int]struct{})mu?:=?sync.RWMutex{}var?wg?sync.WaitGroupfor?i?:=?0;?i?<?100;?i++?{i?:=?iwg.Add(1)go?func()?{defer?wg.Done()//?寫操作。if?i?>=?rpct?{mu.Lock()defer?mu.Unlock()m[i]?=?struct{}{}time.Sleep(time.Microsecond)return}//?讀操作。mu.RLock()defer?mu.RUnlock()_?=?m[i]time.Sleep(time.Microsecond)}()}wg.Wait() }入?yún)?rpct 用來調節(jié)讀操作的占比，來模擬讀寫占比不同的場景。rpct 設為 80 表示讀多寫少(讀占 80%)，rpct 設為 50 表示讀寫一致(各占 50%)，rpct 設為 20 表示讀少寫多(讀占 20%)。
func?BenchmarkMutexReadMore(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{OpMapWithMutex(80)} }func?BenchmarkRWMutexReadMore(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{OpMapWithRWMutex(80)} }func?BenchmarkMutexRWEqual(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{OpMapWithMutex(50)} }func?BenchmarkRWMutexRWEqual(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{OpMapWithRWMutex(50)} }func?BenchmarkMutexWriteMore(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{OpMapWithMutex(20)} }func?BenchmarkRWMutexWriteMore(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{OpMapWithRWMutex(20)} }執(zhí)行當前包下的所有基準測試，結果如下：
dablelv@DABLELV-MB0?mutex?%?go?test?-bench=. goos:?darwin goarch:?amd64 pkg:?main/mutex cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkMutexReadMore-12???????????????????2462????????????485917?ns/op BenchmarkRWMutexReadMore-12?????????????????8074????????????145690?ns/op BenchmarkMutexRWEqual-12????????????????????2406????????????498673?ns/op BenchmarkRWMutexRWEqual-12??????????????????4124????????????303693?ns/op BenchmarkMutexWriteMore-12??????????????????1906????????????532350?ns/op BenchmarkRWMutexWriteMore-12????????????????2462????????????432386?ns/op PASS ok??????main/mutex??????9.532s可見讀多寫少的場景，使用讀寫鎖并發(fā)性能會更優(yōu)。可以預見的是如果寫占比更低，那么讀寫鎖帶的并發(fā)效果會更優(yōu)。
這里需要注意的是，因為每次讀寫 map 的操作耗時很短，所以每次睡眠一微秒（百萬分之一秒）來增加耗時，不然對共享資源的訪問耗時，小于鎖處理的本身耗時，那么使用讀寫鎖帶來的性能優(yōu)化效果將變得不那么明顯，甚至會降低性能。
2.限制協(xié)程數(shù)量
2.1 協(xié)程數(shù)過多的問題
2.1.1 程序崩潰
Go 程（goroutine）是由 Go 運行時管理的輕量級線程。通過它我們可以輕松實現(xiàn)并發(fā)編程。但是當我們無限開辟協(xié)程時，將會遇到致命的問題。
func?main()?{var?wg?sync.WaitGroupfor?i?:=?0;?i?<?math.MaxInt32;?i++?{wg.Add(1)go?func(i?int)?{defer?wg.Done()fmt.Println(i)time.Sleep(time.Second)}(i)}wg.Wait() }這個例子實現(xiàn)了 math.MaxInt32 個協(xié)程的并發(fā)，2^31 - 1 約為 20 億個，每個協(xié)程內部幾乎沒有做什么事情。正常的情況下呢，這個程序會亂序輸出 0 ~ 2^31-1 個數(shù)字。
程序會像預期的那樣順利的運行嗎？
go?run?main.go ... 108668 1142025 panic:?too?many?concurrent?operations?on?a?single?file?or?socket?(max?1048575)goroutine?1158408?[running]: internal/poll.(*fdMutex).rwlock(0xc0000ae060,?0x0)/usr/local/go/src/internal/poll/fd_mutex.go:147?+0x11b internal/poll.(*FD).writeLock(...)/usr/local/go/src/internal/poll/fd_mutex.go:239 internal/poll.(*FD).Write(0xc0000ae060,?{0xc12cadf690,?0x8,?0x8})/usr/local/go/src/internal/poll/fd_unix.go:262?+0x72 os.(*File).write(...)/usr/local/go/src/os/file_posix.go:49 os.(*File).Write(0xc0000ac008,?{0xc12cadf690,?0x1,?0xc12ea62f50})/usr/local/go/src/os/file.go:176?+0x65 fmt.Fprintln({0x10c00e0,?0xc0000ac008},?{0xc12ea62f90,?0x1,?0x1})/usr/local/go/src/fmt/print.go:265?+0x75 fmt.Println(...)/usr/local/go/src/fmt/print.go:274 main.main.func1(0x0)/Users/dablelv/work/code/test/main.go:16?+0x8f ...運行的結果是程序直接崩潰了，關鍵的報錯信息是：
panic:?too?many?concurrent?operations?on?a?single?file?or?socket?(max?1048575)對單個 file/socket 的并發(fā)操作個數(shù)超過了系統(tǒng)上限，這個報錯是 fmt.Printf 函數(shù)引起的，fmt.Printf 將格式化后的字符串打印到屏幕，即標準輸出。在 Linux 系統(tǒng)中，標準輸出也可以視為文件，內核（Kernel）利用文件描述符（File Descriptor）來訪問文件，標準輸出的文件描述符為 1，錯誤輸出文件描述符為 2，標準輸入的文件描述符為 0。
簡而言之，系統(tǒng)的資源被耗盡了。
那如果我們將 fmt.Printf 這行代碼去掉呢？那程序很可能會因為內存不足而崩潰。這一點更好理解，每個協(xié)程至少需要消耗 2KB 的空間，那么假設計算機的內存是 4GB，那么至多允許 4GB/2KB = 1M 個協(xié)程同時存在。那如果協(xié)程中還存在著其他需要分配內存的操作，那么允許并發(fā)執(zhí)行的協(xié)程將會數(shù)量級地減少。
2.1.2 協(xié)程的代價
前面的例子過于極端，一般情況下程序也不會無限開辟協(xié)程，旨在說明協(xié)程數(shù)量是有限制的，不能無限開辟。
如果我們開辟很多協(xié)程，但不會導致程序崩潰，可以嗎？如果真要這么做的話，我們應該清楚地知道，協(xié)程雖然輕量，但仍有開銷。
Go 的開銷主要是三個方面：創(chuàng)建（占用內存）、調度（增加調度器負擔）和刪除（增加 GC 壓力）。
內存開銷
空間上，一個 Go 程占用約 2K 的內存，在源碼 src/runtime/runtime2.go里面，我們可以找到 Go 程的結構定義type g struct。
調度開銷
時間上，協(xié)程調度也會有 CPU 開銷。我們可以利用runntime.Gosched()讓當前協(xié)程主動讓出 CPU 去執(zhí)行另外一個協(xié)程，下面看一下協(xié)程之間切換的耗時。
const?NUM?=?10000func?cal()?{for?i?:=?0;?i?<?NUM;?i++?{runtime.Gosched()} }func?main()?{//?只設置一個?Processorruntime.GOMAXPROCS(1)start?:=?time.Now().UnixNano()go?cal()for?i?:=?0;?i?<?NUM;?i++?{runtime.Gosched()}end?:=?time.Now().UnixNano()fmt.Printf("total?%vns?per?%vns",?end-start,?(end-start)/NUM) }運行輸出：
total?997200ns?per?99ns可見一次協(xié)程的切換，耗時大概在 100ns，相對于線程的微秒級耗時切換，性能表現(xiàn)非常優(yōu)秀，但是仍有開銷。
GC 開銷 創(chuàng)建 Go 程到運行結束，占用的內存資源是需要由 GC 來回收，如果無休止地創(chuàng)建大量 Go 程后，勢必會造成對 GC 的壓力。
運行輸出：
GC?cost?0s?when?goroutine?num?is?1000 GC?cost?2.0027ms?when?goroutine?num?is?10000 GC?cost?30.9523ms?when?goroutine?num?is?100000當創(chuàng)建的 Go 程數(shù)量越多，GC 耗時越大。
上面的分析目的是為了盡可能地量化 Goroutine 的開銷。雖然官方宣稱用 Golang 寫并發(fā)程序的時候隨便起個成千上萬的 Goroutine 毫無壓力，但當我們起十萬、百萬甚至千萬個 Goroutine 呢？Goroutine 輕量的開銷將被放大。
2.2 限制協(xié)程數(shù)量
系統(tǒng)地資源是有限，協(xié)程是有代價的，為了保護程序，提高性能，我們應主動限制并發(fā)的協(xié)程數(shù)量。
可以利用信道 channel 的緩沖區(qū)大小來實現(xiàn)。
func?main()?{var?wg?sync.WaitGroupch?:=?make(chan?struct{},?3)for?i?:=?0;?i?<?10;?i++?{ch?<-?struct{}{}wg.Add(1)go?func(i?int)?{defer?wg.Done()log.Println(i)time.Sleep(time.Second)<-ch}(i)}wg.Wait() }上例中創(chuàng)建了緩沖區(qū)大小為 3 的 channel，在沒有被接收的情況下，至多發(fā)送 3 個消息則被阻塞。開啟協(xié)程前，調用ch <- struct{}{}，若緩存區(qū)滿，則阻塞。協(xié)程任務結束，調用 <-ch 釋放緩沖區(qū)。
sync.WaitGroup 并不是必須的，例如 Http 服務，每個請求天然是并發(fā)的，此時使用 channel 控制并發(fā)處理的任務數(shù)量，就不需要 sync.WaitGroup。
運行結果如下：
2022/03/06?20:37:02?0 2022/03/06?20:37:02?2 2022/03/06?20:37:02?1 2022/03/06?20:37:03?3 2022/03/06?20:37:03?4 2022/03/06?20:37:03?5 2022/03/06?20:37:04?6 2022/03/06?20:37:04?7 2022/03/06?20:37:04?8 2022/03/06?20:37:05?9從日志中可以很容易看到，每秒鐘只并發(fā)執(zhí)行了 3 個任務，達到了協(xié)程并發(fā)控制的目的。
2.3 協(xié)程池化
上面的例子只是簡單地限制了協(xié)程開辟的數(shù)量。在此基礎之上，基于對象復用的思想，我們可以重復利用已開辟的協(xié)程，避免協(xié)程的重復創(chuàng)建銷毀，達到池化的效果。
協(xié)程池化，我們可以自己寫一個協(xié)程池，但不推薦這么做。因為已經(jīng)有成熟的開源庫可供使用，無需再重復造輪子。目前有很多第三方庫實現(xiàn)了協(xié)程池，可以很方便地用來控制協(xié)程的并發(fā)數(shù)量，比較受歡迎的有：
Jeffail/tunny
panjf2000/ants
下面以 panjf2000/ants 為例，簡單介紹其使用。
ants 是一個簡單易用的高性能 Goroutine 池，實現(xiàn)了對大規(guī)模 Goroutine 的調度管理和復用，允許使用者在開發(fā)并發(fā)程序的時候限制 Goroutine 數(shù)量，復用協(xié)程，達到更高效執(zhí)行任務的效果。
package?mainimport?("fmt""time""github.com/panjf2000/ants" )func?main()?{//?Use?the?common?poolfor?i?:=?0;?i?<?10;?i++?{i?:=?iants.Submit(func()?{fmt.Println(i)})}time.Sleep(time.Second) }使用 ants，我們簡單地使用其默認的協(xié)程池，直接將任務提交并發(fā)執(zhí)行。默認協(xié)程池的缺省容量 math.MaxInt32。
如果自定義協(xié)程池容量大小，可以調用 NewPool 方法來實例化具有給定容量的池，如下所示：
//?Set?10000?the?size?of?goroutine?pool p,?_?:=?ants.NewPool(10000)2.4 小結
Golang 為并發(fā)而生。Goroutine 是由 Go 運行時管理的輕量級線程，通過它我們可以輕松實現(xiàn)并發(fā)編程。Go 雖然輕量，但天下沒有免費的午餐，無休止地開辟大量 Go 程勢必會帶來性能影響，甚至程序崩潰。所以，我們應盡可能的控制協(xié)程數(shù)量，如果有需要，請復用它。
3.使用 sync.Once 避免重復執(zhí)行
3.1 簡介
sync.Once 是 Go 標準庫提供的使函數(shù)只執(zhí)行一次的實現(xiàn)，常應用于單例模式，例如初始化配置、保持數(shù)據(jù)庫連接等。作用與 init 函數(shù)類似，但有區(qū)別。
init 函數(shù)是當所在的 package 首次被加載時執(zhí)行，若遲遲未被使用，則既浪費了內存，又延長了程序加載時間。
sync.Once 可以在代碼的任意位置初始化和調用，因此可以延遲到使用時再執(zhí)行，并發(fā)場景下是線程安全的。
在多數(shù)情況下，sync.Once 被用于控制變量的初始化，這個變量的讀寫滿足如下三個條件：
當且僅當?shù)谝淮卧L問某個變量時，進行初始化（寫）；
變量初始化過程中，所有讀都被阻塞，直到初始化完成；
變量僅初始化一次，初始化完成后駐留在內存里。
3.2 原理
sync.Once 用來保證函數(shù)只執(zhí)行一次。要達到這個效果，需要做到兩點：
計數(shù)器，統(tǒng)計函數(shù)執(zhí)行次數(shù)；
線程安全，保障在多 Go 程的情況下，函數(shù)仍然只執(zhí)行一次，比如鎖。
3.2.1 源碼
下面看一下 sync.Once 結構，其有兩個變量。使用 done 統(tǒng)計函數(shù)執(zhí)行次數(shù)，使用鎖 m 實現(xiàn)線程安全。果不其然，和上面的猜想一致。
//?Once?is?an?object?that?will?perform?exactly?one?action. // //?A?Once?must?not?be?copied?after?first?use. type?Once?struct?{//?done?indicates?whether?the?action?has?been?performed.//?It?is?first?in?the?struct?because?it?is?used?in?the?hot?path.//?The?hot?path?is?inlined?at?every?call?site.//?Placing?done?first?allows?more?compact?instructions?on?some?architectures?(amd64/386),//?and?fewer?instructions?(to?calculate?offset)?on?other?architectures.done?uint32m????Mutex }sync.Once 僅提供了一個導出方法 Do()，參數(shù) f 是只會被執(zhí)行一次的函數(shù)，一般為對象初始化函數(shù)。
//?go?version?go1.17?darwin/amd64//?Do?calls?the?function?f?if?and?only?if?Do?is?being?called?for?the //?first?time?for?this?instance?of?Once.?In?other?words,?given //??var?once?Once //?if?once.Do(f)?is?called?multiple?times,?only?the?first?call?will?invoke?f, //?even?if?f?has?a?different?value?in?each?invocation.?A?new?instance?of //?Once?is?required?for?each?function?to?execute. // //?Do?is?intended?for?initialization?that?must?be?run?exactly?once.?Since?f //?is?niladic,?it?may?be?necessary?to?use?a?function?literal?to?capture?the //?arguments?to?a?function?to?be?invoked?by?Do: //??config.once.Do(func()?{?config.init(filename)?}) // //?Because?no?call?to?Do?returns?until?the?one?call?to?f?returns,?if?f?causes //?Do?to?be?called,?it?will?deadlock. // //?If?f?panics,?Do?considers?it?to?have?returned;?future?calls?of?Do?return //?without?calling?f. // func?(o?*Once)?Do(f?func())?{//?Note:?Here?is?an?incorrect?implementation?of?Do:////?if?atomic.CompareAndSwapUint32(&o.done,?0,?1)?{//??f()//?}////?Do?guarantees?that?when?it?returns,?f?has?finished.//?This?implementation?would?not?implement?that?guarantee://?given?two?simultaneous?calls,?the?winner?of?the?cas?would//?call?f,?and?the?second?would?return?immediately,?without//?waiting?for?the?first's?call?to?f?to?complete.//?This?is?why?the?slow?path?falls?back?to?a?mutex,?and?why//?the?atomic.StoreUint32?must?be?delayed?until?after?f?returns.if?atomic.LoadUint32(&o.done)?==?0?{//?Outlined?slow-path?to?allow?inlining?of?the?fast-path.o.doSlow(f)} }func?(o?*Once)?doSlow(f?func())?{o.m.Lock()defer?o.m.Unlock()if?o.done?==?0?{defer?atomic.StoreUint32(&o.done,?1)f()} }拋去大段的注釋，可以看到 sync.Once 實現(xiàn)非常簡潔。Do() 函數(shù)中，通過對成員變量 done 的判斷，來決定是否執(zhí)行傳入的任務函數(shù)。執(zhí)行任務函數(shù)前，通過鎖保證任務函數(shù)的執(zhí)行和 done 的修改是一個互斥操作。在執(zhí)行任務函數(shù)前，對 done 做一個二次判斷，來保證任務函數(shù)只會被執(zhí)行一次，done 只會被修改一次。
3.2.2 ?done 為什么是第一個字段
從字段 done 前有一段注釋，說明了done 為什么是第一個字段。
done 在熱路徑中，done 放在第一個字段，能夠減少 CPU 指令，也就是說，這樣做能夠提升性能。
熱路徑（hot path）是程序非常頻繁執(zhí)行的一系列指令，sync.Once 絕大部分場景都會訪問 o.done，在熱路徑上是比較好理解的。如果 hot path 編譯后的機器碼指令更少，更直接，必然是能夠提升性能的。
為什么放在第一個字段就能夠減少指令呢？因為結構體第一個字段的地址和結構體的指針是相同的，如果是第一個字段，直接對結構體的指針解引用即可。如果是其他的字段，除了結構體指針外，還需要計算與第一個值的偏移（calculate offset）。在機器碼中，偏移量是隨指令傳遞的附加值，CPU 需要做一次偏移值與指針的加法運算，才能獲取要訪問的值的地址。因為，訪問第一個字段的機器代碼更緊湊，速度更快。
參考 What does “hot path” mean in the context of sync.Once? - StackOverflow
3.3 性能差異
我們以一個簡單示例，來說明使用 sync.Once 保證函數(shù)只會被執(zhí)行一次和多次執(zhí)行，二者的性能差異。
考慮一個簡單的場景，函數(shù) ReadConfig 需要讀取環(huán)境變量，并轉換為對應的配置。環(huán)境變量在程序執(zhí)行前已經(jīng)確定，執(zhí)行過程中不會發(fā)生改變。ReadConfig 可能會被多個協(xié)程并發(fā)調用，為了提升性能（減少執(zhí)行時間和內存占用），使用 sync.Once 是一個比較好的方式。
type?Config?struct?{GoRoot?stringGoPath?string }var?(once???sync.Onceconfig?*Config )func?ReadConfigWithOnce()?*Config?{once.Do(func()?{config?=?&Config{GoRoot:?os.Getenv("GOROOT"),GoPath:?os.Getenv("GOPATH"),}})return?config }func?ReadConfig()?*Config?{return?&Config{GoRoot:?os.Getenv("GOROOT"),GoPath:?os.Getenv("GOPATH"),} }我們看下二者的性能差異。
func?BenchmarkReadConfigWithOnce(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?ReadConfigWithOnce()} }func?BenchmarkReadConfig(b?*testing.B)?{for?i?:=?0;?i?<?b.N;?i++?{_?=?ReadConfig()} }執(zhí)行測試結果如下：
go?test?-bench=.?main/once goos:?darwin goarch:?amd64 pkg:?main/once cpu:?Intel(R)?Core(TM)?i7-9750H?CPU?@?2.60GHz BenchmarkReadConfigWithOnce-12??????????670438965????????????????1.732?ns/op BenchmarkReadConfig-12??????????????????13339154????????????????87.46?ns/op PASS ok??????main/once???????3.006ssync.Once 中保證了 Config 初始化函數(shù)僅執(zhí)行了一次，避免了多次重復初始化，在并發(fā)環(huán)境下很有用。
4.使用 sync.Cond 通知協(xié)程
4.1 簡介
sync.Cond 是基于互斥鎖/讀寫鎖實現(xiàn)的條件變量，用來協(xié)調想要訪問共享資源的那些 Goroutine，當共享資源的狀態(tài)發(fā)生變化的時候，sync.Cond 可以用來通知等待條件發(fā)生而阻塞的 Goroutine。
sync.Cond 基于互斥鎖/讀寫鎖，它和互斥鎖的區(qū)別是什么呢？
互斥鎖 sync.Mutex 通常用來保護共享的臨界資源，條件變量 sync.Cond 用來協(xié)調想要訪問共享資源的 Goroutine。當共享資源的狀態(tài)發(fā)生變化時，sync.Cond 可以用來通知被阻塞的 Goroutine。
4.2 使用場景
sync.Cond 經(jīng)常用在多個 Goroutine 等待，一個 Goroutine 通知（事件發(fā)生）的場景。如果是一個通知，一個等待，使用互斥鎖或 channel 就能搞定了。
我們想象一個非常簡單的場景：
有一個協(xié)程在異步地接收數(shù)據(jù)，剩下的多個協(xié)程必須等待這個協(xié)程接收完數(shù)據(jù)，才能讀取到正確的數(shù)據(jù)。在這種情況下，如果單純使用 chan 或互斥鎖，那么只能有一個協(xié)程可以等待，并讀取到數(shù)據(jù)，沒辦法通知其他的協(xié)程也讀取數(shù)據(jù)。
這個時候，就需要有個全局的變量來標志第一個協(xié)程數(shù)據(jù)是否接受完畢，剩下的協(xié)程，反復檢查該變量的值，直到滿足要求。或者創(chuàng)建多個 channel，每個協(xié)程阻塞在一個 channel 上，由接收數(shù)據(jù)的協(xié)程在數(shù)據(jù)接收完畢后，逐個通知。總之，需要額外的復雜度來完成這件事。
Go 語言在標準庫 sync 中內置一個 sync.Cond 用來解決這類問題。
4.3 原理
sync.Cond 內部維護了一個等待隊列，隊列中存放的是所有在等待這個 sync.Cond 的 Go 程，即保存了一個通知列表。sync.Cond 可以用來喚醒一個或所有因等待條件變量而阻塞的 Go 程，以此來實現(xiàn)多個 Go 程間的同步。
sync.Cond 的定義如下：
//?Cond?implements?a?condition?variable,?a?rendezvous?point //?for?goroutines?waiting?for?or?announcing?the?occurrence //?of?an?event. // //?Each?Cond?has?an?associated?Locker?L?(often?a?*Mutex?or?*RWMutex), //?which?must?be?held?when?changing?the?condition?and //?when?calling?the?Wait?method. // //?A?Cond?must?not?be?copied?after?first?use. type?Cond?struct?{noCopy?noCopy//?L?is?held?while?observing?or?changing?the?conditionL?Lockernotify??notifyListchecker?copyChecker }每個 Cond 實例都會關聯(lián)一個鎖 L（互斥鎖 *Mutex，或讀寫鎖 *RWMutex），當修改條件或者調用 Wait 方法時，必須加鎖。
sync.Cond 的四個成員函數(shù)定義如下：
//?NewCond?returns?a?new?Cond?with?Locker?l. func?NewCond(l?Locker)?*Cond?{return?&Cond{L:?l} }NewCond 創(chuàng)建 Cond 實例時，需要關聯(lián)一個鎖。
//?Wait?atomically?unlocks?c.L?and?suspends?execution //?of?the?calling?goroutine.?After?later?resuming?execution, //?Wait?locks?c.L?before?returning.?Unlike?in?other?systems, //?Wait?cannot?return?unless?awoken?by?Broadcast?or?Signal. // //?Because?c.L?is?not?locked?when?Wait?first?resumes,?the?caller //?typically?cannot?assume?that?the?condition?is?true?when //?Wait?returns.?Instead,?the?caller?should?Wait?in?a?loop: // //????c.L.Lock() //????for?!condition()?{ //????????c.Wait() //????} //????...?make?use?of?condition?... //????c.L.Unlock() // func?(c?*Cond)?Wait()?{c.checker.check()t?:=?runtime_notifyListAdd(&c.notify)c.L.Unlock()runtime_notifyListWait(&c.notify,?t)c.L.Lock() }Wait 用于阻塞調用者，等待通知。調用 Wait 會自動釋放鎖 c.L，并掛起調用者所在的 goroutine。如果其他協(xié)程調用了 Signal 或 Broadcast 喚醒了該協(xié)程，那么 Wait 方法在結束阻塞時，會重新給 c.L 加鎖，并且繼續(xù)執(zhí)行 Wait 后面的代碼。
對條件的檢查，使用了 for !condition() 而非 if，是因為當前協(xié)程被喚醒時，條件不一定符合要求，需要再次 Wait 等待下次被喚醒。為了保險起，使用 for 能夠確保條件符合要求后，再執(zhí)行后續(xù)的代碼。
//?Signal?wakes?one?goroutine?waiting?on?c,?if?there?is?any. // //?It?is?allowed?but?not?required?for?the?caller?to?hold?c.L //?during?the?call. func?(c?*Cond)?Signal()?{c.checker.check()runtime_notifyListNotifyOne(&c.notify) }//?Broadcast?wakes?all?goroutines?waiting?on?c. // //?It?is?allowed?but?not?required?for?the?caller?to?hold?c.L //?during?the?call. func?(c?*Cond)?Broadcast()?{c.checker.check()runtime_notifyListNotifyAll(&c.notify) }Signal 只喚醒任意 1 個等待條件變量 c 的 goroutine，無需鎖保護。Broadcast 喚醒所有等待條件變量 c 的 goroutine，無需鎖保護。
4.4 使用示例
我們實現(xiàn)一個簡單的例子，三個協(xié)程調用 Wait() 等待，另一個協(xié)程調用 Broadcast() 喚醒所有等待的協(xié)程。
var?done?=?falsefunc?read(name?string,?c?*sync.Cond)?{c.L.Lock()for?!done?{c.Wait()}log.Println(name,?"starts?reading")c.L.Unlock() }func?write(name?string,?c?*sync.Cond)?{log.Println(name,?"starts?writing")time.Sleep(time.Second)done?=?truelog.Println(name,?"wakes?all")c.Broadcast() }func?main()?{cond?:=?sync.NewCond(&sync.Mutex{})go?read("reader1",?cond)go?read("reader2",?cond)go?read("reader3",?cond)write("writer",?cond)time.Sleep(time.Second?*?3) }done 即多個 Goroutine 阻塞等待的條件。
read() 調用 Wait() 等待通知，直到 done 為 true。
write() 接收數(shù)據(jù)，接收完成后，將 done 置為 true，調用 Broadcast() 通知所有等待的協(xié)程。
write() 中的暫停了 1s，一方面是模擬耗時，另一方面是確保前面的 3 個 read 協(xié)程都執(zhí)行到 Wait()，處于等待狀態(tài)。main 函數(shù)最后暫停了 3s，確保所有操作執(zhí)行完畢。
運行輸出：
go?run?main.go 2022/03/07?17:20:09?writer?starts?writing 2022/03/07?17:20:10?writer?wakes?all 2022/03/07?17:20:10?reader3?starts?reading 2022/03/07?17:20:10?reader1?starts?reading 2022/03/07?17:20:10?reader2?starts?reading更多關于 sync.Cond 的討論可參考 How to correctly use sync.Cond? - StackOverflow。
4.5 注意事項
sync.Cond 不能被復制
sync.Cond 不能被復制的原因，并不是因為其內部嵌套了 Locker。因為 NewCond 時傳入的 Mutex/RWMutex 指針，對于 Mutex 指針復制是沒有問題的。
主要原因是 sync.Cond 內部是維護著一個 Goroutine 通知隊列 notifyList。如果這個隊列被復制的話，那么就在并發(fā)場景下導致不同 Goroutine 之間操作的 notifyList.wait、notifyList.notify 并不是同一個，這會導致出現(xiàn)有些 Goroutine 會一直阻塞。
喚醒順序
從等待隊列中按照順序喚醒，先進入等待隊列，先被喚醒。
調用 Wait() 前要加鎖
調用 Wait() 函數(shù)前，需要先獲得條件變量的成員鎖，原因是需要互斥地變更條件變量的等待隊列。在 Wait() 返回前，會重新上鎖。
參考文獻
github.com/uber-go/guide
go-proverbs
github/dgryski/go-perfbook
High Performance Go Workshop - Dave Cheney
atomic 的原理與使用場景
極客兔兔.Go 語言高性能編程
深度解密Go 語言之sync.Pool - Stefno - 博客園
最近好文：
在鵝廠工作1到11年的程序媛
技術她力量，鵝廠女博士的尋“豹”之旅
微信全文搜索技術優(yōu)化
總結
以上是生活随笔為你收集整理的Go 高性能编程技法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 技术她力量，鹅厂女博士的寻“豹”之旅
- 下一篇： 低代码是什么？有什么优势