eraft 精解课程

我们团队致力于解读国外优秀的分布式存储相关开源课程,下面是课程体系图 我们始终坚信优秀的本科教学不应该是照本宣科以及应付考试,一门优秀的课程,应该具备让学生学会思考、动手实践、找到问题、反复试错、并解决问题的能力,同时应该尽量用最直白,最简单的语言传达关键的知识点。作为计算机工业界的工作者,我相信做课程和做技术一样,并不是越复杂越好,应该尽量的让设计出来的东西简单化。 关注我们的最新动态,欢迎关注 https://www.zhihu.com/people/liu-jie-84-52 接下来我们进入正题,如何实现一个分布式系统。
  1. MIT6.824 分布式系统系列

MIT 分布式系统(二)Go 语言基础知识 #

Go语言优点

首先 Go 是一门开源的语言,他出生名门 Google,社区有强有力的顶级技术人员支撑。它最开始的设计者是 Rob Pike,Robert Griesemer,Ken Thompson。 你可以在这个页面找到他们的资料 https://golang.design/history/ 其中 Ken Thompson 是 UNIX 系统的发明者。 Go 语言对于初学者很友好,很容易在短时间内快速上手,你可以通过这个网站上提供的代码示例快速的入门 Go 语言:https://gobyexample.com。 作为多核时代的语言,Go 语言在设计之初就对并发编程有很多内置的支持,提供的及其健壮的相关标准库。利用它,我们可以快速的编写出高并发的应用程序。 最后,国内外很多大厂都在使用 Go 语言,它有一个强大的社区,全世界优秀的技术人员开发了丰富的工具生态,有很多脚手架帮你快速的构建应用程序。

切片

切片是一个数组的一段,它基于数组构建,并提供了更多丰富的数据操作功能,提供开发者灵活和便利的操作数组结构。 在 Go 语言内部,切片只是对底层数组数据结构的引用。接下来我们将熟悉如何创建和使用切片,并了解它底层是怎么工作的。

使用字面量列表创建


这种方式类似 c++ 里面的初始化列表
var s = []int{3, 5, 7, 9, 11, 13, 17}
这种方式创建切片的时候,它首先会创建一个数组,然后返回对该数组切片的引用。

从已有数组创建切片

// Obtaining a slice from an array `a`
a[low:high]
这里我们对 a 数组进行切割得到切片,这个操作得到的结果是索引 [low, high) 的元素,生成的切片包括索引低,但是不包括索引高之间的所有数组元素。
你可以运行下面的示例,理解这个切片操作
package main

import "fmt"

func main() {

    var a = [5]string{"Alpha", "Beta", "Gamma", "Delta", "Epsilon"}

    // Creating a slice from the array
    var s []string = a[1:4]

    fmt.Println("Array a = ", a)        

    fmt.Println("Slice s = ", s)       

}       

// output      


Array a =  [Alpha Beta Gamma Delta Epsilon]       

Slice s =  [Beta Gamma Delta]       
        

修改切片中的元素

由于切片是引用类型,它指向了底层的数组。所以当我们使用切片引用去修改数组中对应的元素的时候,引用相同数组的其他切片对象也会看到这个修改结果。
package main
import "fmt"
func main() {
a := [7]string{"Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"}
slice1 := a[1:]
slice2 := a[3:]
fmt.Println("------- Before Modifications -------")
fmt.Println("a = ", a)
fmt.Println("slice1 = ", slice1)
fmt.Println("slice2 = ", slice2)
slice1[0] = "TUE"
slice1[1] = "WED"
slice1[2] = "THU"
slice2[1] = "FRIDAY"
fmt.Println("\n-------- After Modifications --------")
fmt.Println("a = ", a)
fmt.Println("slice1 = ", slice1)
fmt.Println("slice2 = ", slice2)
}
// Output
------- Before Modifications -------
a = [Mon Tue Wed Thu Fri Sat Sun]
slice1 = [Tue Wed Thu Fri Sat Sun]
slice2 = [Thu Fri Sat Sun]
type: post
-------- After Modifications --------
a = [Mon TUE WED THU FRIDAY Sat Sun]
slice1 = [TUE WED THU FRIDAY Sat Sun]
slice2 = [THU FRIDAY Sat Sun]

例如上面这个示例,slice2 的修改操作在 slice1 中是能被看到的, slice1 的修改在 slice2 也能被看到。

切片底层结构

一个切片由三个部分组成,如图
1.一个指向底层数组的指针 Ptr
2.切片所包含数组段的长度 Len
3.切片的容量 Cap

我们看一个具体的切片结构的底层示例: var a = [6]int{10, 20, 30, 40, 50, 60}
var s = [1:4] s 在 Go 内部是这样表示的:
一个切片的长度和容量我们是可以通过 len(), cap() 函数获取的,例如我们可以通过下面的方式获取 s 的长度和容量。
package main
import "fmt"
func main() {
a := [6]int{10, 20, 30, 40, 50, 60}
s := a[1:4]
fmt.Printf("s = %v, len = %d, cap = %d\n", s, len(s), cap(s))
}
// output
s = [20 30 40], len = 3, cap = 5

Goruntine

Goruntine 是由 Go 运行时所管理的一个轻量级的线程,一个 Go 程序中的 Goroutines 在相同的地址空间中运行,因此对共享内存的访问必须同步。
我们运行一个简单地示例来看看:
package main
    
import (
"fmt"
"time"
)
func say(s string) {
for i := 0; i < 5; i++ {
time.Sleep(100 * time.Millisecond)
fmt.Println(s)
}
}
func main() {
go say("world")
say("hello")
}
// output
hello
world
hello
world
hello
world
world
hello
hello

我们可以看到主线程中 say("hello") 和 goruntine 的 say("world") 在交替的输出,它们在同时的运行,在其他语言做这个事情先要创建线程,然后绑定相关的执行函数,而 Go 语言直接把并发设计到了编译器语言支持层面,用 go 关键字就可以轻松地创建轻量级的线程。

调度器

调度器的设计决策

在解释 Go 语言调度器之前,我们先一个例子:
func main() {
var wg sync.WaitGroup
wg.Add(11)
for i := 0; i <= 10; i++ {
go func(i int) {
defer wg.Done()
fmt.Printf("loop i is - %d\n", i)
}(i)
}
wg.Wait()
fmt.Println("Hello, Welcome to Go")
}
// output
loop i is - 0
loop i is - 4
loop i is - 1
loop i is - 2
loop i is - 3
loop i is - 8
loop i is - 7
loop i is - 9
loop i is - 5
loop i is - 10
loop i is - 6
Hello, Welcome to Go

这个程序创建了 11 个 Goruntine,对于这个输出结果,我们可能会问:
这 11 个 Goruntine 是如何并行运行的?
它们运行有没有特别的顺序?
要回答这两个问题,我们需要思考:
如何将多个 Goruntine 分配到我们有限个数的 CPU 核心的机器上运行的多个 OS 线程上?
为了公平的让这些 Goruntine 获得 CPU 资源,这些 Goruntine 应该以什么的顺序在这多个 CPU 核心上运行?

Go 调度器的模型介绍

为了解决上面的调度问题,Go 语言设计了图 d 中的调度器模型:
Go 语言使用协程调度被称为 GMP 模型,其中:
G: 代表一个 Goruntine,是我们使用 go 关键字创建出来的可以并行运行的代码块。
M: 代表一个操作系统线程
P: 代表逻辑处理器
我们看到上图中由两个 P 处理核心运行时调度正在调度执行 8 个 Goruntine。
图中我们还看到了有两种类型的队列:
本地队列 (Local Run Queue): 存放等待运行的 G,这个队列存储的数量有限,一般不能超过 256个,当用户新建 Goruntine 时,如果这个队列满了,Go 运行时会将一半的 G 移动到全局队列中。
全局队列 (Global Queue): 存放等待运行的 G,其他的本地队列满了,会移动 G 过来。

Go 调度器的工作流程

GMP 调度器调度 Goruntine 执行的大致逻辑如下:
1.线程想要调度 G 执行就必须要先与某个 P 关联
2.然后从 P 的本地队列中获取 G
3.如果本地队列中没有可运行的 G 了,M 就会从全局队列拿一批 G 放到本地的 P 队列
4.如果全局队列也没有可以运行的 G 的时候,M 会随机的从其他的 P 的本地队列偷一半 G 任务放到自己(P)的本地队列中。
5.拿到可以运行的 G 之后,M 运行 G, G 执行完成之后,M 会运行下一个 G,一直重复执行下去。

跟踪 Go 调度器工作流程

Go 提供了 GODEBUG 工具可以跟踪调度器调度过程上述模型实时状态
我们使用下面的程序示例来追踪一下 Go 调度器是如何调度执行程序中的 Goruntine 的

package main

import (
"sync"
"time"
)
func main() {
var wg sync.WaitGroup
wg.Add(10)
for i := 0; i < 10; i++ {
go work(&wg)
}
wg.Wait()
// Wait to see the global run queue deplete.
time.Sleep(3 * time.Second)
}
func work(wg *sync.WaitGroup) {
time.Sleep(time.Second)
var counter int
for i := 0; i < 1e10; i++ {
counter++
}
wg.Done()
}
代码中创建了十个 Goruntine, 每个 Goruntine 都在做循环加 counter 值的操作。
我们编译上述例子
go build go_demo.go 然后使用 GODEBUG 工具来分析观察这些 Goruntine 的调度情况
执行命令: GOMAXPROCS=2 GODEBUG=schedtrace=1000 ./go_demo 可以得到看到如下的输出,当然机器不一样可能输出会不一样, 以下是在我的笔记本上输出的, 我的本子有四个核心,下面的指令我指定了创建两个逻辑处理核心
colin@book % GOMAXPROCS=2 GODEBUG=schedtrace=1000 ./go_demo
SCHED 0ms: gomaxprocs=2 idleprocs=1 threads=4 spinningthreads=0 idlethreads=1 runqueue=0 [0 0]
SCHED 1009ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=0 [8 0]
SCHED 2009ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=2 [3 3]
SCHED 3016ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=2 [3 3]
SCHED 4017ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=7 [0 1]
SCHED 5027ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=5 [0 3]
SCHED 6031ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=3 [2 3]
SCHED 7037ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=5 [1 2]
SCHED 8045ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=4 [2 2]
SCHED 9052ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=8 [0 0]
SCHED 10065ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=4 [0 4]
SCHED 11069ms: gomaxprocs=2 idleprocs=0 threads=4 spinningthreads=0 idlethreads=1 runqueue=4 [1 3]
输出信息的含义如下
我们选取第二条分析
1009ms: 这个是从程序启动到这个 trace 采集度过的时间
gomaxprocs=2:配置的逻辑处理核心,我们启动命令中写的
idleprocs=0:空闲逻辑核心的数量
threads=4:运行时正在管理的线程数量
idlethreads=1:空闲线程的数量,这里有1个空闲,3个正在运行中
runqueue=0:全局运行队列中 Goruntine 的数量
[8 0]:表示逻辑核心上本地队列中排队中 Goruntine 的数量,我们看到有一个核心上面有 8 个 Goruntine,另一个有 0 个,当然我们看后面的 trace 后续这两个核心的本地队列上都有任务了

了解更多调度器原理

Go 语言是开源的,你可以在这个文件里面找到调度器的主要逻辑,https://github.com/golang/go/blob/master/src/runtime/proc.go ,目前最新的代码有 6千多行了,值得去读一读,弄懂个大概也是很有收获的。

内存管理

内存管理架构概览

Go 最早的内存分配发源自 tcmalloc,它比普通的 malloc 性能要好,随着 Go 语言的不断演进,当前的内存管理性能已经非常好了。
我们首先通过图 e 来看 Go 内存管理架构的概览
图中涉及到的主要结构如下:
resident set (常驻集)
虚拟内存划分为每个 8kb 的页面,由一个全局的 mheap 对象管理
mheap
这里管理了 Go 语言动态存储的数据结构(即编译时无法计算大小的任何数据),这是最大的内存块,也是 Go 垃圾收集发生的地方。
mheap 里面有管理了不同结构的页面,主要结构如下
mspan
mspan 是 mheap 中管理内存页的最基本结构,它底层结构是一个双向链表,span size class,以及 span 中的页面数量。和 tcmalloc 的操作一样,Go 将内存页面按大小划分为 67 个不同类的块,8b ~ 32kb 不等,如图所示
mcentral
mcentral 将相同大小 span 类组成分组,每个 mcentral 中包含两个 mspan:
empty: 一个双向的 span 链表,其中没有空闲的对象或者 span 缓存在 mcache 中
non-empty: 有空闲对象的双链接列表,当 mcentral 请求新的 span 的时候,会从 non-empty 移动到 empty list
当 mcentral 没哟任何空闲的 span 是,它会向 mheap 请求一个新的运行页面
arena
堆内存在分配的虚拟内存中根据需要进行扩大和收缩,当需要更多的内存时,mheap 从虚拟内存中拉大小为 64MB 的内存块出来,这个被叫做 arean。
mcache
mcache 是提供给 P(逻辑处理核心)的内存缓存,用来存储小对象(也就是大小 <= 32kb)。这有点类似于线程栈,但是它其实是堆的一部分,用于动态数据。mcache 中包含了 scan 和 noscan 类型所有大小的 mspan 对象
Goroutine 们可以从 mcache中获取内存,不需要加人任何锁,因为 P 在同一时刻只能调度一个 G, 因此这是很高效的, mcache 在需要的时候会向 mcentral 中获取新的 span
Stack
这里是管理堆栈的内存区域,每个 Goroutine 都有一个堆栈,这里用来存储静态数据,包括函数框架,静态的结构,原语值和指向动态数据机构的指针。
内存分配流程概要
分配器会按对象大小分配
Tiny
对于 Tiny (超小, size < 16 B) 对象:
直接使用 mcache 的 tiny 分配器分配大小小于 16 字节的对象,这是非常高效的。
Small
对于 Small (小型,size 16B ~ 32KB) 对象:
大小在 16 字节到 32 k字节的对象分配时,在运行中 G 的 P 上的 mcache 里面获取。
在 Tiny 和 Small 分配中,如果 mspan 列表为空,没有页面用来分配了,分配器将从 mheap 获取一系列页面用于 mspan。
Large
对于 Large (大型,size > 32KB) 对象, 直接分配在 mheap 相应大小的类上。如果 mheap 为空或者没有足够大的页面来分配了,那么它会从操作系统的进程虚拟内存分配一组新的页面过来(至少 1MB)。
  1. MIT6.824 分布式系统系列

捐赠

整理这本书耗费了我们大量的时间和精力。如果你觉得有帮助,一瓶矿泉水的价格支持我们继续输出优质的分布式存储知识体系,2.99¥,感谢大家的支持。

遵循MIT协议开源。

感谢 「赫蹏」 提供如此优秀的中文排版系统

本站总访问量