worker pool簡介 worker pool其實就是線程池thread pool。對於go來說，直接使用的是goroutine而非線程，不過這裡仍然以線程來解釋線程池。 線上程池模型中， 有2個隊列一個池子：任務隊列、已完成任務隊列和線程池 。其中已完成任務隊列可能存在也可能不存在，依據實際需 ...
worker pool簡介
worker pool其實就是線程池thread pool。對於go來說，直接使用的是goroutine而非線程，不過這裡仍然以線程來解釋線程池。
線上程池模型中，有2個隊列一個池子：任務隊列、已完成任務隊列和線程池。其中已完成任務隊列可能存在也可能不存在，依據實際需求而定。
只要有任務進來，就會放進任務隊列中。只要線程執行完了一個任務，就將任務放進已完成任務隊列，有時候還會將任務的處理結果也放進已完成隊列中。
worker pool中包含了一堆的線程(worker，對go而言每個worker就是一個goroutine)，這些線程嗷嗷待哺，等待著為它們分配任務，或者自己去任務隊列中取任務。取得任務後更新任務隊列，然後執行任務，並將執行完成的任務放進已完成隊列。
下圖來自wiki：
在Go中有兩種方式可以實現工作池：傳統的互斥鎖、channel。
傳統互斥鎖機制的工作池
假設Go中的任務的定義形式為：
type Task struct {
...
}每次有任務進來時，都將任務放在任務隊列中。
使用傳統的互斥鎖方式實現，任務隊列的定義結構大概如下：
type Queue struct{
M sync.Mutex
Tasks []Task
}然後在執行任務的函數中加上Lock()和Unlock()。例如：
func Worker(queue *Queue) {
for {
// Lock()和Unlock()之間的是critical section
queue.M.Lock()
// 取出任務
task := queue.Tasks[0]
// 更新任務隊列
queue.Tasks = queue.Tasks[1:]
queue.M.Unlock()
// 在此goroutine中執行任務
process(task)
}
}假如線上程池中激活了100個goroutine來執行Worker()。Lock()和Unlock()保證了在同一時間點只能有一個goroutine取得任務並隨之更新任務列表，取任務和更新任務隊列都是critical section中的代碼，它們是具有原子性。然後這個goroutine可以執行自己取得的任務。於此同時，其它goroutine可以爭奪互斥鎖，只要爭搶到互斥鎖，就可以取得任務並更新任務列表。當某個goroutine執行完process(task)，它將因為for迴圈再次參與互斥鎖的爭搶。
上面只是給出了一點主要的代碼段，要實現完整的線程池，還有很多額外的代碼。
通過互斥鎖，上面的一切操作都是線程安全的。但問題在於加鎖/解鎖的機制比較重量級，當worker(即goroutine)的數量足夠多，鎖機制的實現將出現瓶頸。
通過buffered channel實現工作池
在Go中，也能用buffered channel實現工作池。
示例代碼很長，所以這裡先拆分解釋每一部分，最後給出完整的代碼段。
在下麵的示例中，每個worker的工作都是計算每個數值的位數相加之和。例如給定一個數值234，worker則計算2+3+4=9。這裡交給worker的數值是隨機生成的[0,999)範圍內的數值。
這個示例有幾個核心功能需要先解釋，也是通過channel實現線程池的一般功能：
- 創建一個task buffered channel，並通過allocate()函數將生成的任務存放到task buffered channel中
- 創建一個goroutine pool，每個goroutine監聽task buffered channel，並從中取出任務
- goroutine執行任務後，將結果寫入到result buffered channel中
- 從result buffered channel中取出計算結果並輸出
首先，創建Task和Result兩個結構，並創建它們的通道：
type Task struct {
ID int
randnum int
}
type Result struct {
task Task
result int
}
var tasks = make(chan Task, 10)
var results = make(chan Result, 10)這裡，每個Task都有自己的ID，以及該任務將要被worker計算的隨機數。每個Result都包含了worker的計算結果result以及這個結果對應的task，這樣從Result中就可以取出任務信息以及計算結果。
另外，兩個通道都是buffered channel，容量都是10。每個worker都會監聽tasks通道，並取出其中的任務進行計算，然後將計算結果和任務自身放進results通道中。
然後是計算位數之和的函數process()，它將作為worker的工作任務之一。
func process(num int) int {
sum := 0
for num != 0 {
digit := num % 10
sum += digit
num /= 10
}
time.Sleep(2 * time.Second)
return sum
}這個計算過程其實很簡單，但隨後還睡眠了2秒，用來假裝執行一個計算任務是需要一點時間的。
然後是worker()，它監聽tasks通道並取出任務進行計算，並將結果放進results通道。
func worker(wg *WaitGroup){
defer wg.Done()
for task := range tasks {
result := Result{task, process(task.randnum)}
results <- result
}
}上面的代碼很容易理解，只要tasks channel不關閉，就會一直監聽該channel。需要註意的是，該函數使用指針類型的*WaitGroup作為參數，不能直接使用值類型的WaitGroup作為參數，這樣會使得每個worker都有一個自己的WaitGroup。
然後是創建工作池的函數createWorkerPool()，它有一個數值參數，表示要創建多少個worker。
func createWorkerPool(numOfWorkers int) {
var wg sync.WaitGroup
for i := 0; i < numOfWorkers; i++ {
wg.Add(1)
go worker(&wg)
}
wg.Wait()
close(results)
}創建工作池時，首先創建一個WaitGroup的值wg，這個wg被工作池中的所有goroutine共用，每創建一個goroutine都wg.Add(1)。創建完所有的goroutine後等待所有的groutine都執行完它們的任務，只要有一個任務還沒有執行完，這個函數就會被Wait()阻塞。當所有任務都執行完成後，關閉results通道，因為沒有結果再需要向該通道寫了。
當然，這裡是否需要關閉results通道，是由稍後的range迭代這個通道決定的，不關閉這個通道會一直阻塞range，最終導致死鎖。
工作池部分已經完成了。現在需要使用allocate()函數分配任務：生成一大堆的隨機數，然後將Task放進tasks通道。該函數有一個代表創建任務數量的數值參數：
func allocate(numOfTasks int) {
for i := 0; i < numOfTasks; i++ {
randnum := rand.Intn(999)
task := Task{i, randnum}
tasks <- task
}
close(tasks)
}註意，最後需要關閉tasks通道，因為所有任務都分配完之後，沒有任務再需要分配。當然，這裡之所以需要關閉tasks通道，是因為worker()中使用了range迭代tasks通道，如果不關閉這個通道，worker將在取完所有任務後一直阻塞，最終導致死鎖。
再接著的是取出results通道中的結果進行輸出，函數名為getResult()：
func getResult(done chan bool) {
for result := range results {
fmt.Printf("Task id %d, randnum %d , sum %d\n", result.task.id, result.task.randnum, result.result)
}
done <- true
}getResult()中使用了一個done參數，這個參數是一個信號通道，用來表示results中的所有結果都取出來並處理完成了，這個通道不一定要用bool類型，任何類型皆可，它不用來傳數據，僅用來返回可讀，所以上面直接close(done)的效果也一樣。通過下麵的main()函數，就能理解done信號通道的作用。
最後還差main()函數：
func main() {
// 記錄起始終止時間，用來測試完成所有任務耗費時長
startTime := time.Now()
numOfWorkers := 20
numOfTasks := 100
// 創建任務到任務隊列中
go allocate(numOfTasks)
// 創建工作池
go createWorkerPool(numOfWorkers)
// 取得結果
var done = make(chan bool)
go getResult(done)
// 如果results中還有數據，將阻塞在此
// 直到發送了信號給done通道
<- done
endTime := time.Now()
diff := endTime.Sub(startTime)
fmt.Println("total time taken ", diff.Seconds(), "seconds")
}上面分配了20個worker，這20個worker總共需要處理的任務數量為100。但註意，無論是tasks還是results通道，容量都是10，意味著任務隊列最長只能是10個任務。
下麵是完整的代碼段：
package main
import (
"fmt"
"math/rand"
"sync"
"time"
)
type Task struct {
id int
randnum int
}
type Result struct {
task Task
result int
}
var tasks = make(chan Task, 10)
var results = make(chan Result, 10)
func process(num int) int {
sum := 0
for num != 0 {
digit := num % 10
sum += digit
num /= 10
}
time.Sleep(2 * time.Second)
return sum
}
func worker(wg *sync.WaitGroup) {
defer wg.Done()
for task := range tasks {
result := Result{task, process(task.randnum)}
results <- result
}
}
func createWorkerPool(numOfWorkers int) {
var wg sync.WaitGroup
for i := 0; i < numOfWorkers; i++ {
wg.Add(1)
go worker(&wg)
}
wg.Wait()
close(results)
}
func allocate(numOfTasks int) {
for i := 0; i < numOfTasks; i++ {
randnum := rand.Intn(999)
task := Task{i, randnum}
tasks <- task
}
close(tasks)
}
func getResult(done chan bool) {
for result := range results {
fmt.Printf("Task id %d, randnum %d , sum %d\n", result.task.id, result.task.randnum, result.result)
}
done <- true
}
func main() {
startTime := time.Now()
numOfWorkers := 20
numOfTasks := 100
var done = make(chan bool)
go getResult(done)
go allocate(numOfTasks)
go createWorkerPool(numOfWorkers)
// 必須在allocate()和getResult()之後創建工作池
<-done
endTime := time.Now()
diff := endTime.Sub(startTime)
fmt.Println("total time taken ", diff.Seconds(), "seconds")
}執行結果：
Task id 19, randnum 914 , sum 14
Task id 9, randnum 150 , sum 6
Task id 15, randnum 215 , sum 8
............
Task id 97, randnum 315 , sum 9
Task id 99, randnum 641 , sum 11
total time taken 10.0174705 seconds總共花費10秒。
可以試著將任務數量、worker數量修改修改，看看它們的性能比例情況。例如，將worker數量設置為99，將需要4秒，將worker數量設置為10，將需要20秒。
