Go的奇妙之处在于,我们可以使用goroutines和channel轻松地执行并发任务。如果在生产环境中使用goroutines和channel,但是不了解它们的行为方式,会造成一些严重的影响。
好吧,我们就面临着这样的影响,我们在goroutines中出现了泄漏,导致应用服务器随着时间的推移而膨胀,消耗了大量的CPU和频繁的GC,影响了多个服务的SLA。
从本文中可以看到什么
正如你在上面所附的指标中所看到的,goroutines开始随着时间的推移成倍地飙升。唯一的一次下降是当我们的一个正在运行的实例被A**调度走,新的实例被启动,或者有一个新的版本,杀死了现有的容器并产生了新的容器。
如果你观察GC暂停的时间,它会随着活动的goroutine的数量不断增加。GC暂停的次数越多,CPU利用率就越高,响应时间也越来越长。
回到这个问题上,什么是goroutine泄漏?
goroutine泄漏是指客户端生成一个goroutine来做一些异步任务,并在任务完成后将一些数据写入一个channel,但是
func newgoroutine(dataChan chan <dataType>) {
data := makeNetworkCall()
dataChan <- data
return
}
func main() {
dataChan := make(chan <dataType>)
go newgoroutine(dataChan)
// Some application processing (but forgot to consume data from the channel (dataChan))
return
}
在上述情况下,代码成功地完成了执行,好像根本就没有问题。但这里发生的情况是,会有一个没有被管理的goroutine驻留在内存中,占用CPU和RAM。
为什么呢?
主要原因是第3行,我们正在向一个通道写入数据,但根据Go原则,一个未缓冲的通道会阻止向通道的写入,直到消费者从该channel取走信息。
所以在这种情况下,第4行的返回将永远不会被执行,并且newgoroutine函数在整个应用程序生命周期中都被卡住,因为这个channel没有消费者。
func newgoroutine(dataChan chan <dataType>) {
data := makeNetworkCall()
dataChan <- data
return
}
func main() {
dataChan := make(chan <dataType>)
go newgoroutine(dataChan)
// Some application processing
if processingError != nil {
return
}
data := <- dataChan
// Do something with data
return
}
在这个案例中,有一个小小的改进。我们有一个消费者从dataChan中消费数据,但是从我们生成goroutine开始,到我们开始从通道中消费数据之前,有大量的应用程序代码驻留在那里,这些代码可以在一些处理错误|DB错误|无指针异常|panic的情况下退出主函数,由于这些原因,channel的数据可能从未被执行。
这就是一个goroutine看似正常,实际可能导致泄漏的情况。
我们不能在应用处理之前将channel中的值提前消费,因为消费者会阻止剩下业务逻辑的处理,直到它收到数据,从而消除了并发任务的执行。
以上两种情况是当goroutine因为没有channle的消费者而被阻塞,或者消费者从channel中消费数据的代码块被跳过。
当我们把一个channel传递给goroutine去消费时,当发送者向通道发送数据时出现了问题,这是否也是同样的情况?
func newgoroutine(dataChan chan <dataType>) {
// Consume data from dataChan
data := <- dataChan
// Do some processing on the data
return
}
func main() {
dataChan := make(chan <dataType>)
go newgoroutine(dataChan)
data, err := makeNetworkCall()
if err != nil {
return
}
dataChan <- data // This piece of code is never executed in error case of networkCall which makes newgoroutine dangling
// Do something with data
return
}
好吧,95%的goroutine泄露都是因为这3种情况中的一种,在我们的案例中,是由于情景-2。我们在GoIbibo-Makemytrip的工作是折扣和便利费服务。
当客户应用一个促销代码时,我们有一套规则要执行,以找出正确的折扣。我们有另一个微服务,我们称之为实时动态折扣器(DD),它试图根据一些算法(黑盒子)来计算折扣。
这个动态折扣是一个A/B实验,只有10%的用户会参与其中。只有当我们的静态规则中存在有效的折扣时,我们才会覆盖DD折扣。
一个关于我们的伪代码
func loadDDDiscount(ddChan chan <dataType>) {
ddRequest := formDDRequest()
response := callDDService(ddRequest)
ddChan <- response
}
func ApplyPromo() (discount int, err error) {
ddChan := make(chan <dataType>)
if ddEnabledRequest {
loadDDDiscount(ddChan)
}
discount, err = validateStaticRules()
// Got to say there is hell lot of processing & multiple error handlings while processing
if err != nil {
return 0, err
}
if ddEnabledRequest {
ddDiscount <- ddChan
discount = overrideDiscount()
}
return discount, nil
}
我们只有在处理完静态规则后才需要DD的响应。所以来自ddChan的消费将在最后进行。
如果静态规则的评估有问题|如果没有满足请求的有效规则|如果用户应用了一些假的促销活动,我们从ddChan中消耗数据的代码将无法到达,这导致loadDDDiscount函数成为一个无法控制的goroutine。
那么,有什么方法可以解决这个问题?
我们用第三种方法将变化带入生产环境,你可以看到显著的影响。
以前是线性增长的goroutine数量,现在下降到150个,我们的GC暂停频率也是如此。
整个事情中最痛苦的部分是,如何找到代码中存在goroutine泄漏的部分?
好吧,有一些包,比如https://github.com/uber-go/goleak
,可以帮助你找到goroutine的泄漏,我发现用这个包来调试泄漏是很困难的。
所以我的方法是这样的。
func ApplyPromo() {
fmt.Println(runtime.NumGoroutine())
defer fmt.Println(runtime.NumGoroutine()
// Process your application logic
}
现在,如果一个服务在前后返回不同的Goroutines数量,那么这个逻辑就存在泄漏。
我们有近20个API和大约35-40个地方使用了goroutines以改善并发性。幸运的是,我能够在前3次迭代中找出泄漏问题,并发现了这个存在泄漏的逻辑。
希望这个经验能够帮助大家在编写一些并发代码的时候,不要出现goroutines泄露的情况。