Go 1.14 新特性之 Goroutine 抢占式调度

栏目: IT技术 · 发布时间: 6年前

内容简介:有这样一段 Go 代码,在程序执行之初将 P 设置到数量为我们分析一下程序执行过程,设置 P 数量以后,执行打印无函数调用的死循环 goroutine 会一直占据一个 P,GC 需要等待所有 goroutine 停止才得以执行,从而会导致 GC 延迟。如果程序中因无意出现这种死循环 goroutine 而造成 bug,很难排查。

代码示例

有这样一段 Go 代码,在程序执行之初将 P 设置到数量为 1 ,有两个 goroutine,一个是 main ,一个是执行死循环的匿名函数:

package main

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

func main() {
    runtime.GOMAXPROCS(1)

    fmt.Println("The program starts ...")

    go func() {
        for {
        }
    }()

    time.Sleep(time.Second)
    fmt.Println("I got scheduled!")
}

我们分析一下程序执行过程,设置 P 数量以后,执行打印 The program starts ... ,之后将匿名 goroutine 加入调度队列,执行 Sleep 操作,在 sleep 过程中调度器会将 main goroutine 从唯一 P 中让出,执行匿名 goroutine,而这个 goroutine 是无限循环,并且中间没有函数调用,导致调度器无法插手把它让出继续执行 main ,所以程序打印完 The program starts ... 之后会一直挂着,并不会打印 I got scheduled!

无函数调用的死循环 goroutine 会一直占据一个 P,GC 需要等待所有 goroutine 停止才得以执行,从而会导致 GC 延迟。如果程序中因无意出现这种死循环 goroutine 而造成 bug,很难排查。

Go 1.14 之前一直是上述的执行过程,协程之间的调度是非抢占式的。 Go 1.14 引入了基于系统信号的异步抢占调度 ,这样,像上面的无函数调用的死循环 goroutine 也可以被抢占了,从而将 main goroutine 重新调度回 P 执行,最终会打印 I got scheduled!

验证

我们创建一个项目目录,并在里面创建两个文件: main.goDockerfilemain.go 就是上面贴的代码, Dockerfile 内容如下:

ARG GO_VERSION
FROM golang:${GO_VERSION}
COPY ./main.go /app/
CMD ["go", "run", "/app/main.go"]

我们通过构建参数来指定基础镜像 golang 的版本( 1.131.14 ),然后将 main.go 拷贝进镜像,然后执行。

执行构建:

$ docker build -t app13 --build-arg GO_VERSION=1.13 .
$ docker build -t app14 --build-arg GO_VERSION=1.14 .

对比执行:

$ docker run -it --rm app13:latest

The program starts ...
$ docker run -it --rm app14:latest

The program starts ...
I got scheduled!

执行 app13 被阻塞住,不会打印 I got scheduled! ,而执行 app14 则可以。

参考

关于新特性抢占式调度更详尽的解读,请参考如下链接:

欢迎关注我们的微信公众号,每天学习Go知识

Go 1.14 新特性之 Goroutine 抢占式调度

以上所述就是小编给大家介绍的《Go 1.14 新特性之 Goroutine 抢占式调度》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

推荐系统与深度学习

推荐系统与深度学习

黄昕、赵伟、王本友、吕慧伟、杨敏 / 清华大学出版社 / 2019-1-1 / 65.00元

本书的内容设置由浅入深,从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者,还是有一定经验的从业人员,相信都能从本书的不同章节中有所收获。 区别于其他推荐算法书籍,本书引入了已被实践证明效果较好的深度学习推荐技术,包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用,并给出了相关的实践代码;除了在算法层面讲解推荐系统的实现,还从工程层面详细阐述推荐系统如何搭建.一起来看看 《推荐系统与深度学习》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试