多核處理器越來越普及。有沒有一種簡單的辦法，能夠讓我們寫的軟件釋放多核的威力？是有的。隨着Golang, Erlang, Scale等爲併發設計的程序語言的興起，新的併發模式逐漸清晰。正如過程式編程和麪向對象一樣，一個好的編程模式有一個極其簡潔的內核，還有在此之上豐富的外延。可以解決現實世界中各種各樣的問題。本文以GO語言爲例，解釋其中內核、外延。
併發模式之內核
這種併發模式的內核只需要協程和通道就夠了。協程負責執行代碼，通道負責在協程之間傳遞事件。
不久前，併發編程是個非常困難的事。要想編寫一個良好的併發程序，我們不得不瞭解線程，鎖，semaphore，barrier甚至CPU更新高速緩存的方式，而且他們個個都有怪脾氣，處處是陷阱。筆者除非萬不得以，決不會自己操作這些底層併發元素。一個簡潔的併發模式不需要這些複雜的底層元素，協程和通道就夠了。
協程是輕量級的線程。在過程式編程中，當調用一個過程的時候，需要等待其執行完才返回。而調用一個協程的時候，不需要等待其執行完，會立即返回。協程十分輕量，Go語言可以在一個進程中執行有數以十萬計的協程，依舊保持高性能。而對於普通的平臺，一個進程有數千個線程，其CPU會忙於上下文切換，性能急劇下降。隨意創建線程可不是一個好主意，但是我們可以大量使用的協程。
通道是協程之間的數據傳輸通道。通道可以在衆多的協程之間傳遞數據，具體可以值也可以是個引用。通道有兩種使用方式。
- 協程可以試圖向通道放入數據，如果通道滿了，會掛起協程，直到通道可以爲他放入數據爲止。
- 協程可以試圖向通道索取數據，如果通道沒有數據，會掛起協程，直到通道返回數據爲止。
如此，通道就可以在傳遞數據的同時，控制協程的運行。有點像事件驅動，也有點像阻塞隊列。
這兩個概念非常的簡單，各個語言平臺都會有相應的實現。在Java和C上也各有庫可以實現兩者。
| Golang | Erlang | Scale(Actor) | |
| 協程 | goroutines | process | actor |
| 消息隊列 | channel | mailbox | channel |
只要有協程和通道，就可以優雅的解決併發的問題。不必使用其他和併發有關的概念。那如何用這兩把利刃解決各式各樣的實際問題呢？
併發模式之外延
協程相較於線程，可以大量創建。打開這扇門，我們拓展出新的用法，可以做生成器，可以讓函數返回“服務”，可以讓循環併發執行，還能共享變量。但是出現新的用法的同時，也帶來了新的棘手問題，協程也會泄漏，不恰當的使用會影響性能。下面會逐一介紹各種用法和問題。演示的代碼用GO語言寫成，因爲其簡潔明瞭，而且支持全部功能。
生成器
有的時候，我們需要有一個函數能不斷生成數據。比方說這個函數可以讀文件，讀網絡，生成自增長序列，生成隨機數。這些行爲的特點就是，函數的已知一些變量，如文件路徑。然後不斷調用，返回新的數據。
下面生成隨機數爲例， 以讓我們做一個會併發執行的隨機數生成器。
非併發的做法是這樣的：
// 函數 rand_generator_1 ，返回 int
func rand_generator_1() int {
return rand.Int()
}上面是一個函數，返回一個int。假如rand.Int()這個函數調用需要很長時間等待，那該函數的調用者也會因此而掛起。所以我們可以創建一個協程，專門執行rand.Int()。
// 函數 rand_generator_2，返回 通道(Channel)
func rand_generator_2() chan int {
// 創建通道
out := make(chan int)
// 創建協程
go func() {
for {
//向通道內寫入數據，如果無人讀取會等待
out <- rand.Int()
}
}()
return out
}
func main() {
// 生成隨機數作爲一個服務
rand_service_handler := rand_generator_2()
// 從服務中讀取隨機數並打印
fmt.Printf("%d\n", <-rand_service_handler)
}上面的這段函數就可以併發執行了rand.Int()。有一點值得注意到函數的返回可以理解爲一個“服務”。但我們需要獲取隨機數據 時候，可以隨時向這個服務取用，他已經爲我們準備好了相應的數據，無需等待，隨要隨到。如果我們調用這個服務不是很頻繁，一個協程足夠滿足我們的需求了。但如果我們需要大量訪問，怎麼辦？我們可以用下面介紹的多路複用技術，啓動若干生成器，再將其整合成一個大的服務。
調用生成器，可以返回一個“服務”。可以用在持續獲取數據的場合。用途很廣泛，讀取數據，生成ID，甚至定時器。這是一種非常簡潔的思路，將程序併發化。
多路複用
多路複用是讓一次處理多個隊列的技術。Apache使用處理每個連接都需要一個進程，所以其併發性能不是很好。而Nighx使用多路複用的技術，讓一個進程處理多個連接，所以併發性能比較好。同樣，在協程的場合，多路複用也是需要的，但又有所不同。多路複用可以將若干個相似的小服務整合成一個大服務。
那麼讓我們用多路複用技術做一個更高併發的隨機數生成器吧。
// 函數 rand_generator_3 ，返回通道(Channel)
func rand_generator_3() chan int {
// 創建兩個隨機數生成器服務
rand_generator_1 := rand_generator_2()
rand_generator_2 := rand_generator_2()
//創建通道
out := make(chan int)
//創建協程
go func() {
for {
//讀取生成器1中的數據，整合
out <- <-rand_generator_1
}
}()
go func() {
for {
//讀取生成器2中的數據，整合
out <- <-rand_generator_2
}
}()
return out
}上面是使用了多路複用技術的高併發版的隨機數生成器。通過整合兩個隨機數生成器，這個版本的能力是剛纔的兩倍。雖然協程可以大量創建，但是衆多協程還是會爭搶輸出的通道。Go語言提供了Select關鍵字來解決，各家也有各家竅門。加大輸出通道的緩衝大小是個通用的解決方法。
多路複用技術可以用來整合多個通道。提升性能和操作的便捷。配合其他的模式使用有很大的威力。
Furture技術
Furture是一個很有用的技術，我們常常使用Furture來操作線程。我們可以在使用線程的時候，可以創建一個線程，返回Furture，之後可以通過它等待結果。 但是在協程環境下的Furtue可以更加徹底，輸入參數同樣可以是Furture的。
調用一個函數的時候，往往是參數已經準備好了。調用協程的時候也同樣如此。但是如果我們將傳入的參數設爲通道，這樣我們就可以在不準備好參數的情況下調用函數。這樣的設計可以提供很大的自由度和併發度。函數調用和函數參數準備這兩個過程可以完全解耦。下面舉一個用該技術訪問數據庫的例子。
//一個查詢結構體
type query struct {
//參數Channel
sql chan string
//結果Channel
result chan string
}
//執行Query
func execQuery(q query) {
//啓動協程
go func() {
//獲取輸入
sql := <-q.sql
//訪問數據庫，輸出結果通道
q.result <- "get " + sql
}()
}
func main() {
//初始化Query
q :=
query{make(chan string, 1), make(chan string, 1)}
//執行Query，注意執行的時候無需準備參數
execQuery(q)
//準備參數
q.sql <- "select * from table"
//獲取結果
fmt.Println(<-q.result)
}上面利用Furture技術，不單讓結果在Furture獲得，參數也是在Furture獲取。準備好參數後，自動執行。Furture和生成器的區別在於，Furture返回一個結果，而生成器可以重複調用。還有一個值得注意的地方，就是將參數Channel和結果Channel定義在一個結構體裏面作爲參數，而不是返回結果Channel。這樣做可以增加聚合度，好處就是可以和多路複用技術結合起來使用。
Furture技術可以和各個其他技術組合起來用。可以通過多路複用技術，監聽多個結果Channel，當有結果後，自動返回。也可以和生成器組合使用，生成器不斷生產數據，Furture技術逐個處理數據。Furture技術自身還可以首尾相連，形成一個併發的pipe filter。這個pipe filter可以用於讀寫數據流，操作數據流。
Future是一個非常強大的技術手段。可以在調用的時候不關心數據是否準備好，返回值是否計算好的問題。讓程序中的組件在準備好數據的時候自動跑起來。
併發循環
循環往往是性能上的熱點。如果性能瓶頸出現在CPU上的話，那麼九成可能性熱點是在一個循環體內部。所以如果能讓循環體併發執行，那麼性能就會提高很多。
要併發循環很簡單，只有在每個循環體內部啓動協程。協程作爲循環體可以併發執行。調用啓動前設置一個計數器，每一個循環體執行完畢就在計數器上加一個元素，調用完成後通過監聽計數器等待循環協程全部完成。
//建立計數器
sem := make(chan int, N);
//FOR循環體
for i,xi := range data {
//建立協程
go func (i int, xi float) {
doSomething(i,xi);
//計數
sem <- 0;
} (i, xi);
}
// 等待循環結束
for i := 0; i < N; ++i { <-sem }上面是一個併發循環例子。通過計數器來等待循環全部完成。如果結合上面提到的Future技術的話，則不必等待。可以等到真正需要的結果的地方，再去檢查數據是否完成。
通過併發循環可以提供性能，利用多核，解決CPU熱點。正因爲協程可以大量創建，才能在循環體中如此使用，如果是使用線程的話，就需要引入線程池之類的東西，防止創建過多線程，而協程則簡單的多。
Chain Filter技術
前面提到了Future技術首尾相連，可以形成一個併發的pipe filter。這種方式可以做很多事情，如果每個Filter都由同一個函數組成，還可以有一種簡單的辦法把他們連起來。
由於每個Filter協程都可以併發運行，這樣的結構非常有利於多核環境。下面是一個例子，用這種模式來產生素數。
// A concurrent prime sieve
package main
// Send the sequence 2, 3, 4, ... to channel 'ch'.
func Generate(ch chan<- int) {
for i := 2; ; i++ {
ch <- i // Send 'i' to channel 'ch'.
}
}
// Copy the values from channel 'in' to channel 'out',
// removing those divisible by 'prime'.
func Filter(in <-chan int, out chan<- int, prime int) {
for {
i := <-in // Receive value from 'in'.
if i%prime != 0 {
out <- i // Send 'i' to 'out'.
}
}
}
// The prime sieve: Daisy-chain Filter processes.
func main() {
ch := make(chan int) // Create a new channel.
go Generate(ch) // Launch Generate goroutine.
for i := 0; i < 10; i++ {
prime := <-ch
print(prime, "\n")
ch1 := make(chan int)
go Filter(ch, ch1, prime)
ch = ch1
}
}上面的程序創建了10個Filter，每個分別過濾一個素數，所以可以輸出前10個素數。
Chain-Filter通過簡單的代碼創建併發的過濾器鏈。這種辦法還有一個好處，就是每個通道只有兩個協程會訪問，就不會有激烈的競爭，性能會比較好。
共享變量
協程之間的通信只能夠通過通道。但是我們習慣於共享變量，而且很多時候使用共享變量能讓代碼更簡潔。比如一個Server有兩個狀態開和關。其他僅僅希望獲取或改變其狀態，那又該如何做呢。可以將這個變量至於0通道中，並使用一個協程來維護。
下面的例子描述如何用這個方式，實現一個共享變量。
//共享變量有一個讀通道和一個寫通道組成
type sharded_var struct {
reader chan int
writer chan int
}
//共享變量維護協程
func sharded_var_whachdog(v sharded_var) {
go func() {
//初始值
var value int = 0
for {
//監聽讀寫通道，完成服務
select {
case value = <-v.writer:
case v.reader <- value:
}
}
}()
}
func main() {
//初始化，並開始維護協程
v := sharded_var{make(chan int), make(chan int)}
sharded_var_whachdog(v)
//讀取初始值
fmt.Println(<-v.reader)
//寫入一個值
v.writer <- 1
//讀取新寫入的值
fmt.Println(<-v.reader)
}這樣，就可以在協程和通道的基礎上實現一個協程安全的共享變量了。定義一個寫通道，需要更新變量的時候，往裏寫新的值。再定義一個讀通道，需要讀的時候，從裏面讀。通過一個單獨的協程來維護這兩個通道。保證數據的一致性。
一般來說，協程之間不推薦使用共享變量來交互，但是按照這個辦法，在一些場合，使用共享變量也是可取的。很多平臺上有較爲原生的共享變量支持，到底用那種實現比較好，就見仁見智了。另外利用協程和通道，可以還實現各種常見的併發數據結構，如鎖等等，就不一一贅述。
協程泄漏
協程和內存一樣，是系統的資源。對於內存，有自動垃圾回收。但是對於協程，沒有相應的回收機制。會不會若干年後，協程普及了，協程泄漏和內存泄漏一樣成爲程序員永遠的痛呢？一般而言，協程執行結束後就會銷燬。協程也會佔用內存，如果發生協程泄漏，影響和內存泄漏一樣嚴重。輕則拖慢程序，重則壓垮機器。
C和C++都是沒有自動內存回收的程序設計語言，但只要有良好的編程習慣，就能解決規避問題。對於協程是一樣的，只要有好習慣就可以了。
只有兩種情況會導致協程無法結束。一種情況是協程想從一個通道讀數據，但無人往這個通道寫入數據，或許這個通道已經被遺忘了。還有一種情況是程想往一個通道寫數據，可是由於無人監聽這個通道，該協程將永遠無法向下執行。下面分別討論如何避免這兩種情況。
對於協程想從一個通道讀數據，但無人往這個通道寫入數據這種情況。解決的辦法很簡單，加入超時機制。對於有不確定會不會返回的情況，必須加入超時，避免出現永久等待。另外不一定要使用定時器才能終止協程。也可以對外暴露一個退出提醒通道。任何其他協程都可以通過該通道來提醒這個協程終止。
對於協程想往一個通道寫數據，但通道阻塞無法寫入這種情況。解決的辦法也很簡單，就是給通道加緩衝。但前提是這個通道只會接收到固定數目的寫入。比方說，已知一個通道最多隻會接收N次數據，那麼就將這個通道的緩衝設置爲N。那麼該通道將永遠不會堵塞，協程自然也不會泄漏。也可以將其緩衝設置爲無限，不過這樣就要承擔內存泄漏的風險了。等協程執行完畢後，這部分通道內存將會失去引用，會被自動垃圾回收掉。
func never_leak(ch chan int) {
//初始化timeout，緩衝爲1
timeout := make(chan bool, 1)
//啓動timeout協程，由於緩存爲1，不可能泄露
go func() {
time.Sleep(1 * time.Second)
timeout <- true
}()
//監聽通道，由於設有超時，不可能泄露
select {
case <-ch:
// a read from ch has occurred
case <-timeout:
// the read from ch has timed out
}
}上面是個避免泄漏例子。使用超時避免讀堵塞，使用緩衝避免寫堵塞。
和內存裏面的對象一樣，對於長期存在的協程，我們不用擔心泄漏問題。一是長期存在，二是數量較少。要警惕的只有那些被臨時創建的協程，這些協程數量大且生命週期短，往往是在循環中創建的，要應用前面提到的辦法，避免泄漏發生。協程也是把雙刃劍，如果出問題，不但沒能提高程序性能，反而會讓程序崩潰。但就像內存一樣，同樣有泄漏的風險，但越用越溜了。
併發模式之實現
在併發編程大行其道的今天，對協程和通道的支持成爲各個平臺比不可少的一部分。雖然各家有各家的叫法，但都能滿足協程的基本要求—併發執行和可大量創建。筆者對他們的實現方式總結了一下。
下面列舉一些已經支持協程的常見的語言和平臺。
GoLang 和Scala作爲最新的語言，一出生就有完善的基於協程併發功能。Erlang最爲老資格的併發編程語言，返老還童。其他二線語言則幾乎全部在新的版本中加入了協程。 令人驚奇的是C/C++和Java這三個世界上最主流的平臺沒有在對協程提供語言級別的原生支持。他們都揹負着厚重的歷史，無法改變，也無需改變。但他們還有其他的辦法使用協程。 Java平臺有很多方法實現協程：
其中修改字節碼的方式比較常見。因爲這樣的實現辦法，可以平衡性能和移植性。最具代表性的JVM語言Scale就能很好的支持協程併發。流行的Java Actor模型類庫akka也是用修改字節碼的方式實現的協程。 對於C語言，協程和線程一樣。可以使用各種各樣的系統調用來實現。協程作爲一個比較高級的概念，實現方式實在太多，就不討論了。比較主流的實現有libpcl, coro,lthread等等。 對於C++，有Boost實現，還有一些其他開源庫。還有一門名爲μC++語言，在C++基礎上提供了併發擴展。 可見這種編程模型在衆多的語言平臺中已經得到了廣泛的支持，不再小衆。如果想使用的話，隨時可以加到自己的工具箱中。 結語本文探討了一個極其簡潔的併發模型。在只有協程和通道這兩個基本元件的情況下。可以提供豐富的功能，解決形形色色實際問題。而且這個模型已經被廣泛的實現，成爲潮流。相信這種併發模型的功能遠遠不及此，一定也會有更多更簡潔的用法出現。或許未來CPU核心數目將和人腦神經元數目一樣多，到那個時候，我們又要重新思考併發模型了。 |
--------------------------------------------我是分割線----------------------------------------------------
