微信终端自研C++协程框架的设计与实现

背景

基于跨平台考虑，微信终端很多基础组件使用 C++ 编写，随着业务越来越复杂，传统异步编程模型已经无法满足业务需要。Modern C++ 虽然一直在改进，但一直没有统一编程模型，为了提升开发效率，改善代码质量，我们自研了一套 C++ 协程框架 owl，用于为所有基础组件提供统一的编程模型。

owl 协程框架目前主要应用于 C++ 跨平台微信客户端内核（Alita），Alita 的业务逻辑部分全部用协程实现，相比传统异步编程模型，至少减少了 50% 代码量。Alita 目前已经应用于儿童手表微信、Linux 车机微信、Android 车机微信等多个业务，其中 Linux 车机微信的所有 UI 逻辑也全部用协程实现。

为什么要造轮子？

那么问题来了，既然 C++20 已经支持了协程，业界也有不少开源方案（如 libco、libgo 等），为什么不直接使用？

原因：

• owl 基础库需要支持尽量多的操作系统和架构，操作系统包括：Android、iOS、macOS、Windows、Linux、RTOS；架构包括：x86、x86_64、arm、arm64、loongarch64，目前并没有任何一个方案能直接支持。
• owl 协程自 2019 年初就推出了，而当时 C++20 还未成熟，实际上到目前为止 C++20 普及程度依然不高，公司内部和外部合作伙伴的编译器版本普遍较低，导致目前 owl 最多只能用到 C++14 的特性
• 业界已有方案有不少缺点：
  1. 大多为后台开发设计，不适用终端开发场景
  2. 基本只支持 Linux 系统和 x86/x86_64 架构
  3. 封装层次较低，大多是玩具或 API 级别，并没有达到框架级别
  4. 在 C++ 终端开发没有看到大规模应用案例

Show me the code

那么协程比传统异步编程到底好在哪里？下面我们结合代码来展示一下协程的优势，同时也回顾一下异步编程模型的演化过程：

假设有一个异步方法 AsyncAddOne，用于将一个 int 值加 1，为了简单起见，这里直接开一个线程 sleep 100ms 后再回调新的值：

void AsyncAddOne(int value, std::function<void (int)> callback) {
    std::thread t([value, callback = std::move(callback)] {
        std::this_thread::sleep_for(100ms);
        callback(value + 1);
    });
    t.detach();
}

要调用 AsyncAddOne 将一个 int 值加 3，有三种主流写法：

1、Callback

传统回调方式，代码写起来是这样：

AsyncAddOne(100, [] (int result) {
    AsyncAddOne(result, [] (int result) {
        AsyncAddOne(result, [] (int result) {
            printf("result %d\n", result);
        });
    });
});

回调有一些众所周知的痛点，如回调地狱、信任问题、错误处理困难、生命周期管理困难等，在此不再赘述。

2、Promise

Promise 解决了 Callback 的痛点，使用 owl::promise 库的代码写起来是这样：

// 将回调风格的 AsyncAddOne 转成 Promise 风格
owl::promise AsyncAddOnePromise(int value) {
    return owl::make_promise([=] (auto d) {
        AsyncAddOne(value, [=] (int result) {
            d.resolve(result);
        });
    });
}

// Promise 方式
AsyncAddOnePromise(100)
.then([] (int result) {
    return AsyncAddOnePromise(result);
})
.then([] (int result) {
    return AsyncAddOnePromise(result);
})
.then([] (int result) {
    printf("result %d\n", result);
});

很显然，由于消除了回调地狱，代码漂亮多了。实际上 owl::promise 解决了 Callback 的所有痛点，通过使用模版元编程和类型擦除技术，甚至连语法都接近 JavaScript Promise。

但实践发现，Promise 只适合线性异步逻辑，复杂一点的异步逻辑用 Promise 写起来也很乱（如循环调用某个异步接口），因此我们废弃了 owl::promise，最终将方案转向了协程。

3、Coroutine

使用 owl 协程写起来是这样：

// 将回调风格的 AsyncAddOne 转成 Promise 风格
// 注：
// owl::promise 擦除了类型，owl::promise2 是类型安全版本
// owl 协程需要配合 owl::promise2 使用
owl::promise2<int> AsyncAddOnePromise2(int value) {
    return owl::make_promise2<int>([=] (auto d) {
        AsyncAddOne(value, [=] (int result) {
            d.resolve(result);
        });
    });
}

// Coroutine 方式
// 使用 co_launch 启动一个协程
// 在协程中即可使用 co_await 将异步调用转成同步方式
owl::co_launch([] {
    auto value = 100;
    for (auto i = 0; i < 3; i++) {
        value = co_await AsyncAddOnePromise2(value);
    }
    printf("result %d\n", value);
});

使用协程可以用同步方式写异步代码，大大减轻了异步编程的心智负担。co_await 语法糖让 owl 协程写起来跟很多语言内置的协程并无差别。

回调转协程

要在实际业务中使用协程，必须通过某种方式让回调代码转换为协程支持的形式。通过上面的例子可以看出，回调风格接口要支持在协程中同步调用非常简单，只需短短几行代码将回调接口先转成 Promise 接口，在协程中即可直接通过 co_await 调用：

// 回调接口
void AsyncAddOne(int value, std::function<void (int)> callback);

// Promise 接口
owl::promise2<int> AsyncAddOnePromise2(int value);

// 协程中调用
auto value = co_await AsyncAddOnePromise2(100);

实际项目中通常会省略掉上述中间步骤，直接一步到位：

// 在协程中可以像调用普通函数一样调用此函数
int AsyncAddOneCoroutine(int value) {
    return co_await owl::make_promise2<int>([=] (auto d) {
        AsyncAddOne(value, [=] (int result) {
            d.resolve(result);
        });
    });
}

后台开发使用协程，通常会 hook socket 相关的 I/O API，而终端开发很少需要在协程中使用底层 I/O 能力，通常已经封装好了高层次的异步 I/O 接口，因此 owl 协程并没有 hook I/O API，而是提供一种方便的将回调转协程的方式。

一个完整的例子

上述代码片段很难体现出协程的实际用法，这个例子使用协程实现了一个 tcp-echo-server，只有 40 多行代码：

int main(int argc, char* argv[]) {
    // 使用 co_thread_scope() 创建一个协程作用域，并启动一个线程作为协程调度器
    co_thread_scope() {
        owl::tcp_server server;
        int error = server.listen(3090);
        if (error < 0) {
            zerror("tcp server listen failed!");
            return;
        }
        zinfo("tcp server listen OK, local %_", server.local_address());

        while (true) {
            auto client = server.accept();
            if (!client) {
                zerror("tcp server accept failed!");
                break;
            }

            zinfo("accept OK, local %_, peer %_", client->local_address(), client->peer_address());

            // 当有新 client 连接时，使用 co_launch 启动一个协程专门处理
            owl::co_launch([client] {
                char buf[1024] = { 0 };
                while (true) {
                    auto num_recv = client->recv_some(buf, sizeof(buf), 0);
                    if (num_recv <= 0) {
                        break;
                    }
                    buf[num_recv] = '\0';
                    zinfo("[fd=%_] RECV %_ bytes: %_", client->fd(), num_recv, buf);

                    if (strcmp(buf, "exit") == 0) {
                        break;
                    }
                    auto num_send = client->send(buf, num_recv, 0);
                    if (num_send < 0) {
                        break;
                    }
                    zinfo("[fd=%_] SENT %_ bytes back", client->fd(), num_send);
                }
            });
        }
    };
    return 0;
}

框架分层

为了便于扩展和复用，owl 协程采用分层设计，开发者可以直接使用最上层的 API，也可以基于 Context API 或 Core API 搭建自己的协程框架。

协程设计

协程栈

协程按有无调用栈分为两类：

• 有栈协程（stackful）：每个协程都有自己的调用栈，类似于线程的调用栈
• 无栈协程（stackless）：协程没有调用栈，协程的状态通过状态机或闭包来实现

很显然，无栈协程比有栈协程占用更少的内存，但无栈协程通常需要手动管理状态，如果自研协程采用无栈方式会非常难用。因此语言级别的协程通常使用无栈协程，将复杂的状态管理交给编译器处理；自研方案通常使用有栈协程，owl 也不例外是有栈协程。

有栈协程按栈的管理方式又可以分为两类：

• 独立栈：每个协程都有独立的调用栈
• 共享栈：每个协程都有独立的状态栈，一个线程中的多个协程共享一个调用栈。由于这些协程中同时只会有一个协程处于活跃状态，当前活跃的协程可以临时使用调用栈。当此协程被挂起时，将调用栈中的状态保存到自身的状态栈；当协程恢复运行时，将状态栈再拷贝到调用栈。实践中通常设置较大的调用栈和较小的状态栈，来达到节省内存的目的。

共享栈本质上是一种时间换空间的做法，但共享栈有一个比较明显的缺点，看代码：

owl::co_launch("co1", [] {
    char buf[1024] = { 0 };
    auto job = owl::co_launch("co2", [&buf] {
        // oops!!!
        buf[0] = 'a';
    });
    job->join();
});

上面的代码在共享栈模式下会出问题，协程 co1 在栈上分配的 buf，在协程 co2 访问的时候已经失效了。要规避共享栈的这个缺点，可能需要对协程的使用做一些限制或检查，无疑会加重使用者的负担。

对于终端开发，由于同时运行的协程数量并不多，性能问题并不明显，为了使用上的便捷性，owl 协程使用独立栈。

选择独立栈之后，协程栈应该如何分配又是另外的问题，有如下几种方案：

• Split Stacks：简单来说是一个支持自动增长的非连续栈，由于只有 gcc 支持且有兼容性问题，实践中比较少用
• malloc/mmap：直接使用 malloc 或 mmap 分配内存，业界主流方案
• Thread Stack：在线程中预先分配一大段栈内存作为协程栈，业界比较少用

后两种方案通常还会采用内存池来优化性能，采用 mprotect 来进行栈保护

owl 协程同时使用了后两种方案，那么什么场景下会使用到 Thread Stack 方案呢？因为 Android JNI 和部分 RTOS 系统调用 会检查 sp 寄存器是否在线程栈空间内，如果不在则认为栈被破坏，程序会直接挂掉。独立栈协程在执行时 sp 寄存器会被修改为指向协程栈，而通过 malloc/mmap 分配的协程栈空间不属于任何线程栈，一定无法通过 sp 检查。为了解决这个问题，我们在 Android 和部分 RTOS 上默认使用 Thread Stack。

协程调度

协程按控制传递机制分为两类：

• 对称协程（Symmetric Coroutine）：和线程类似，协程之间是对等关系，多个协程之间可以任意跳转
• 非对称协程（Asymmetric Coroutine）：协程之间存在调用和被调用关系，如协程 A 调用/恢复协程 B，协程 B 挂起/返回时只能回到协程 A

非对称协程与函数调用类似，比较容易理解，主流编程语言对协程的支持大都是非对称协程。从实现的角度，非对称协程的实现也比较简单，实际上我们很容易用非对称协程实现对称协程。owl 协程使用非对称协程。

上图展示了非对称协程调用和函数调用的相似性，详细的时序如下：

1. 调用者调用 co_create() 创建协程，这一步会分配一个单独的协程栈，并为 func 设置好执行环境
2. 调用者调用 co_resume() 启动协程，func 函数开始运行
3. 协程运行到 co_yield()，协程挂起自己并返回到调用者
4. 调用者调用 co_resume() 恢复协程，协程从 co_yield() 后续代码继续执行
5. 协程执行完毕，返回到调用者

如上图所示，有意思的是，如果一个协程没用调用 co_yield()，这个协程的调用流程其实跟函数一模一样，因此我们经常会说：函数就是协程的一种特例。

单线程调度器

协程和线程很像，不同的是线程多是抢占式调度，而协程多是协作式调度。多个线程之间共享资源时通常需要锁和信号量等同步原语，而协程可以不需要。

通过上面的示例可以看出，使用 co_create() 创建协程后，可以通过不断调用 co_resume() 来驱动协程的运行，而协程函数可以随时调用 co_yield() 来挂起自己并将控制权转移给调用者。

很显然，当协程数量较多时，通过手工调用 co_resume() 来驱动协程不太现实，因此需要实现协程调度器。

协程调度器分为两类：

• 1:N 调度（单线程调度）：使用 1 个线程调度 N 个协程，由于多个协程都在同一个线程中运行，因此协程之间访问共享资源无需加锁
• M:N 调度（多线程调度）：使用 M 个线程调度 N 个协程，由于多个协程可能不在同一个线程运行，甚至同一个协程每次调度都有可能运行在不同线程，因此协程之间访问共享资源需要加锁，且协程中使用 TLS（Thread Local Storage） 会有问题

单线程调度通常使用 RunLoop 之类的消息循环来作为调度器，虽然调度性能低于多线程调度，但单线程调度器可以免加锁的特性，能极大降低编码复杂度，因此 owl 协程使用单线程调度。

使用 RunLoop 作为调度器的原理其实很简单，将所有 co_resume() 调用都 Post 到 RunLoop 中执行即可。原理如图所示，要想象一个协程是如何在 RunLoop 中执行的，大概可以认为是：协程函数中的代码被 co_yield() 分隔成多个部分，每一部分代码都被 Post 到 RunLoop 中执行。

使用 RunLoop 作为调度器除了协程不用加锁，还有一些额外的好处：

• 协程中的代码可以和 RunLoop 中的传统异步代码和谐共处
• 若使用 UI 框架的 RunLoop 作为调度器，从协程中可以直接访问 UI

为了方便扩展，owl 协程将调度器抽象成一个单独的接口类，开发者可以很容易实现自己的调度器，或和项目已有的 RunLoop 机制结合：

class executor {
public:
    virtual ~executor() {}
    virtual uint64_t post(std::function<void ()> closure) = 0;
    virtual uint64_t post_delayed(unsigned delay, std::function<void ()> closure) = 0;
    virtual void cancel(uint64_t id) {}
};

在 Linux 车机微信客户端，我们通过实现自定义调度器让协程运行在 UI 框架的消息循环中，得以方便地在协程中访问 UI。

协程间通信

通过使用单线程调度器，多个协程之间访问共享资源不再需要多线程的锁机制了。

那么用协程写代码是否就完全不需要加锁呢？看代码：

static int value = 0;
for (auto i = 0; i < 4; ++i) {
    owl::co_launch([] {
        value++;
        owl::co_delay(1000);
        value--;
        printf("value %d\n", value);
    });
}

假设协程中要先将 value++，做完一些事情，再将 value--，我们期望最终 4 个协程的输出都是 0。但由于 owl::co_delay(1000) 这一行导致了协程调度，最终输出结果必然不符合预期。

一些协程库为了解决这种问题，提供了和多线程锁类似的协程锁机制。好不容易避免了线程锁，又要引入协程锁，难道没有更好的办法了吗？

实际上目前主流的并发模型除了共享内存模型，还有 Actor 模型与 CSP（Communicating Sequential Processes）模型，对比如下：

Do not communicate by sharing memory; instead, share memory by communicating. 不要通过共享内存来通信，而应该通过通信来共享内存

相信这句 Go 语言的哲学大家已经不陌生了，如何理解这句话？本质上看，多个线程或协程之间同步信息最终都是通过共享内存来进行的，因为无论是用哪种通信模型，最终都是从内存中获取数据，因此这句话我们可以理解为 尽量使用消息来通信，而不要直接共享内存。

Actor 模型和 CSP 模型采用的都是消息机制，区别在于 Actor 模型里协程与消息队列（mailbox）是绑定关系；而 CSP 模型里协程与消息队列（channel）是独立的。从耦合性的角度，CSP 模型比 Actor 模型更松耦合，因此 owl 协程使用 channel 作为协程间通信机制。

由于我们在实际业务开发中并没有遇到一定需要协程锁的场景，因此 owl 协程暂没有提供协程锁机制。

结构化并发

想象这样一个场景：我们写一个 UI 界面，在这个界面会启动若干协程通过网络去拉取和更新数据，当用户退出 UI 时，为了不泄露资源，我们希望协程以及协程发起的异步操作都能取消。当然，我们可以通过手动保存每一个协程的句柄，在 UI 退出时通知每一个协程退出，并等待所有协程都结束后再退出 UI。然而，手动进行上述操作非常繁琐，而且很难保证正确性。

不止是使用协程才会遇到上述问题，把协程换成线程，问题依然存在。传统并发主要有两类问题：

• 生命周期问题：如何保证协程引用的资源不被突然释放？
• 协程取消问题：1）如何打断正在挂起的协程？2）结束协程时，如何同时结束协程中创建的子协程？3）如何等待所有子协程都结束后再结束父协程？

这里的主要矛盾在于：协程是独立的，但业务是结构化的。

为了解决这个问题，owl 协程引入了结构化并发：

结构化并发的概念是：

• 作用域中的并发操作，必须在作用域退出前结束
• 作用域可以嵌套

作用域是一个抽象概念，有明确生命周期的实体都是作用域，如：

• 一个代码块
• 一个对象
• 一个 UI 页面

如上图所示，代码由上而下执行，在进入外部 scope 后，从 scope 中启动了两个协程，并进入了内部 scope，当执行流最终从外部 scope 出来时，结构化并发机制必须保证这两个协程已经结束。同样的，若内部 scope 中启动了协程，执行流从内部 scope 出来时，也必须保证其中的协程全部结束。

结构化并发在 owl 协程的实现其实并不复杂，本质上是一个树形结构：

核心理念是：

• 协程也是一个作用域
• 协程有父子关系
• 父协程取消，子协程也自动取消
• 父协程结束前，必须等待子协程结束

光说概念有点抽象，最后来看一个 owl 协程结构化并发的例子：

class SimpleActivity {
public:
    SimpleActivity() {
        // 为 scope_ 设置调度器，后续通过 scope_ 启动的协程
        // 默认使用 UI 的消息循环作为调度器
        scope_.set_exec(GetUiExecutor());
    }

    ~SimpleActivity() {
        // UI 销毁的时候取消所有子协程
        scope_.cancel();
        // scope_ 析构时会等待所有子协程结束
    }

    void OnButtonClicked() {
        // 在 UI 事件中通过 scope_ 启动协程
        scope_.co_launch([=] {
            // 启动子协程下载图片
            auto p1 = owl::co_async([] { return DownloadImage(...); });
            auto p2 = owl::co_async([] { return DownloadImage(...); });

            // 等待图片下载完毕
            auto image1 = co_await p1;
            auto image2 = co_await p2;

            // 合并图片
            auto new_image = co_await AsyncCombineImage(image1, image2);

            // 更新图片，由于协程运行在消息循环中，可以直接访问 UI
            image_->SetImage(new_image);
        });

        // 可以通过 scope_ 启动任意多个协程
        scope_.co_launch([=] {
            ...
        });
    }

private:
    owl::co_scope scope_;
    ImageLabel* image_;
};

性能测试

说明：

• 上下文切换：使用 Context API 进行上下文切换的性能，耗时在 20~30ns 级别
• 协程切换：使用单线程调度器进行协程切换的性能，耗时在 0.5~3us 级别
• 线程切换：pthread 线程切换的性能，耗时在 2~8us 级别

owl 协程受限于单线程调度器性能，切换速度和上下文切换比并不算快，但在终端使用也足够了。

总结

总的来说，自 owl 协程在实际项目中应用以来，开发效率和代码质量都有很大提升。owl 协程虽然已经得到广泛应用，但还存在很多不完善的地方，未来会继续迭代打磨。owl 现阶段在腾讯内部开源，待框架更完善且 API 稳定后，再进行对外开源。