嗨，大家好! 我的名字是Sergey Kamardin，我是Mail.Ru的工程師。
介紹
首先介紹我們的故事的上下文，應該介紹幾點我們為什么需要這個服務器。
Mail.Ru有很多有狀態的系統。 用戶電子郵件存儲是其中之一。 跟蹤系統中的狀態變化和系統事件有幾種方法。 這主要是通過定期系統輪詢或關于其狀態變化的系統通知。
兩種方式都有利弊。 但是當涉及郵件時，用戶收到新郵件的速度越快越好。
郵件輪詢涉及每秒大約50,000個HTTP查詢，其中60%返回304狀態，這意味著郵箱沒有變化。
因此，為了減少服務器上的負載并加快郵件傳遞給用戶，決定通過編寫發布-訂閱服務器，一方面將接收有關狀態更改的通知，另一方面則會收到這種通知的訂閱。
先前
現在
第一個方案顯示了以前的樣子。 瀏覽器定期輪詢API，并查詢有關Storage(郵箱服務)的更改。
第二個方案描述了新架構。 瀏覽器與通知API建立WebSocket連接，通知API是Bus服務器的客戶端。收到新的電子郵件后，Storage會向Bus(1)發送一條通知，由Bus發送到訂閱者。 API確定連接以發送接收到的通知，并將其發送到用戶的瀏覽器(3)。
所以今天我們將討論API或WebSocket服務器。 我們的服務器將有大約300萬個在線連接。
實現方式
讓我們看看如何使用Go函數實現服務器的某些部分，而無需任何優化。
在進行net/http ，我們來談談我們如何發送和接收數據。 站在WebSocket協議(例如JSON對象) 之上的數據在下文中將被稱為分組 。
我們開始實現包含通過WebSocket連接發送和接收這些數據包的Channel結構。
channel 結構
//?Packet?represents?applicationleveldata.
type?Packet?struct?{
...
}
//?Channel?wrapsuserconnection.
type?Channel?struct?{
conn?net.Conn????//?WebSocketconnection.
send?chan?Packet?//?Outgoing?packets?queue.
}
func?NewChannel(conn?net.Conn)?*Channel?{
c?:=?&Channel{
conn:?conn,
send:?make(chan?Packet,?N),
}
go?c.reader()
go?c.writer()
returnc
}
注意這里有reader和writer連個goroutines。 每個goroutine都需要自己的內存棧， 根據操作系統和Go版本可能具有2到8 KB的初始大小。
在300萬個在線連接的時候，我們將需要24 GB的內存 (堆棧為4 KB)用于維持所有連接。 這還沒有計算為Channel結構分配的內存，傳出的數據包ch.send和其他內部字段消耗的內存。
I/O?goroutines
我們來看看“reader”的實現：
func?(c?*Channel)?reader()?{
//?We?make?a?bufferedreadtoreducereadsyscalls.
buf?:=?bufio.NewReader(c.conn)
for{
pkt,?_?:=?readPacket(buf)
c.handle(pkt)
}
}
這里我們使用bufio.Reader來減少read() syscalls的數量，并讀取與buf緩沖區大小一樣的數量。 在無限循環中，我們期待新數據的到來。 請記住： 預計新數據將會來臨。 我們稍后會回來。
我們將離開傳入數據包的解析和處理，因為對我們將要討論的優化不重要。 但是， buf現在值得我們注意：默認情況下，它是4 KB，這意味著我們需要另外12 GB內存。 “writer”有類似的情況：
func?(c?*Channel)?writer()?{
//?We?make?buffered?writetoreduce?write?syscalls.
buf?:=?bufio.NewWriter(c.conn)
forpkt?:=?range?c.send?{
_?:=?writePacket(buf,?pkt)
buf.Flush()
}
}
我們遍歷c.send ，并將它們寫入緩沖區。細心讀者已經猜到的，我們的300萬個連接還將消耗12 GB的內存。
HTTP
我們已經有一個簡單的Channel實現，現在我們需要一個WebSocket連接才能使用。
注意：如果您不知道WebSocket如何工作。客戶端通過稱為升級的特殊HTTP機制切換到WebSocket協議。 在成功處理升級請求后，服務器和客戶端使用TCP連接來交換二進制WebSocket幀。 這是連接中的框架結構的描述。
import?(
"net/http"
"some/websocket"
)
http.HandleFunc("/v1/ws",?func(w?http.ResponseWriter,?r?*http.Request)?{
conn,?_?:=?websocket.Upgrade(r,?w)
ch?:=?NewChannel(conn)
//...
})
請注意， http.ResponseWriter為bufio.Reader和bufio.Writer (使用4 KB緩沖區)進行內存分配，用于*http.Request初始化和進一步的響應寫入。
無論使用什么WebSocket庫，在成功響應升級請求后， 服務器在responseWriter.Hijack()調用之后，連同TCP連接一起接收 I/O緩沖區。
提示：在某些情況下， go:linkname 可用于 通過調用 net/http.putBufio{Reader,Writer} 將緩沖區返回到 net/http 內 的 sync.Pool 。
因此，我們需要另外24 GB的內存來維持300萬個鏈接。
所以，我們的程序即使什么都沒做，也需要72G內存。
優化
我們來回顧介紹部分中談到的內容，并記住用戶連接的行為。 切換到WebSocket之后，客戶端發送一個包含相關事件的數據包，換句話說就是訂閱事件。 然后(不考慮諸如ping/pong等技術信息)，客戶端可能在整個連接壽命中不發送任何其他信息。
連接壽命可能是幾秒到幾天。
所以在最多的時候，我們的Channel.reader()和Channel.writer()正在等待接收或發送數據的處理。 每個都有4 KB的I/O緩沖區。
現在很明顯，某些事情可以做得更好，不是嗎?
Netpoll
你還記得bufio.Reader.Read()內部，Channel.reader()實現了在沒有新數據的時候conn.read()會被鎖。如果連接中有數據，Go運行時“喚醒”我們的goroutine并允許它讀取下一個數據包。 之后，goroutine再次鎖定，期待新的數據。 讓我們看看Go運行時如何理解goroutine必須被“喚醒”。 如果我們看看conn.Read()實現 ，我們將在其中看到net.netFD.Read()調用 ：
//?net/fd_unix.go
func?(fd?*netFD)Read(p?[]byte)?(nint,?err?error)?{
//...
for{
n,?err?=?syscall.Read(fd.sysfd,?p)
if?err?!=?nil?{
n?=?0
if?err?==?syscall.EAGAIN?{
if?err?=?fd.pd.waitRead();?err?==?nil?{
continue
}
}
}
//...
break
}
//...
}
Go在非阻塞模式下使用套接字。 EAGAIN表示，套接字中沒有數據，并且在從空套接字讀取時不會被鎖定，操作系統將控制權返還給我們。
我們從連接文件描述符中看到一個read()系統調用。 如果讀取返回EAGAIN錯誤 ，則運行時會使pollDesc.waitRead()調用 ：
//?net/fd_poll_runtime.go
func?(pd?*pollDesc)?waitRead()?error?{
returnpd.wait('r')
}
func?(pd?*pollDesc)?wait(modeint)?error?{
res?:=?runtime_pollWait(pd.runtimeCtx,?mode)
//...
}
如果我們深入挖掘 ，我們將看到netpoll是使用Linux中的epoll和BSD中的kqueue來實現的。 為什么不使用相同的方法來進行連接? 我們可以分配一個讀緩沖區，只有在真正有必要時才使用goroutine：當套接字中有真實可讀的數據時。
在github.com/golang/go上， 導出netpoll函數有問題 。
擺脫goroutines
假設我們有Go的netpoll實現 。 現在我們可以避免使用內部緩沖區啟動Channel.reader() goroutine，并在連接中訂閱可讀數據的事件：
ch?:=?NewChannel(conn)
//?Make?conntobe?observedbynetpoll?instance.
poller.Start(conn,?netpoll.EventRead,?func()?{
//?We?spawn?goroutine?heretoprevent?poller?wait?loop
//tobecome?locked?during?receiving?packetfromch.
go?Receive(ch)
})
//?Receive?reads?a?packetfromconnandhandles?it?somehow.
func?(ch?*Channel)?Receive()?{
buf?:=?bufio.NewReader(ch.conn)
pkt?:=?readPacket(buf)
c.handle(pkt)
}
使用Channel.writer()更容易，因為只有當我們要發送數據包時，我們才能運行goroutine并分配緩沖區：
func?(ch?*Channel)?Send(p?Packet)?{
if?c.noWriterYet()?{
go?ch.writer()
}
ch.send?<-?p
}
請注意，當操作系統在 write() 系統調用時返回 EAGAIN 時，我們不處理這種情況 。 對于這種情況，我們傾向于Go運行時那樣處理。 如果需要，它可以以相同的方式來處理。
從ch.send (一個或幾個)讀出傳出的數據包后，writer將完成其操作并釋放goroutine棧和發送緩沖區。
完美! 通過擺脫兩個連續運行的goroutine中的堆棧和I/O緩沖區，我們節省了48 GB 。
資源控制
大量的連接不僅涉及高內存消耗。 在開發服務器時，我們會經歷重復的競爭條件和死鎖，常常是所謂的自動DDoS，這種情況是當應用程序客戶端肆意嘗試連接到服務器，從而破壞服務器。
例如，如果由于某些原因我們突然無法處理ping/pong消息，但是空閑連接的處理程序會關閉這樣的連接(假設連接斷開，因此沒有提供數據)，客戶端會不斷嘗試連接，而不是等待事件。
如果鎖定或超載的服務器剛剛停止接受新連接，并且負載均衡器(例如，nginx)將請求都傳遞給下一個服務器實例，那壓力將是巨大的。
此外，無論服務器負載如何，如果所有客戶端突然想要以任何原因發送數據包(大概是由于錯誤原因)，則先前節省的48 GB將再次使用，因為我們將實際恢復到初始狀態goroutine和并對每個連接分配緩沖區。
Goroutine池
我們可以使用goroutine池來限制同時處理的數據包數量。 這是一個go routine池的簡單實現：
package?gopool
func?New(sizeint)?*Pool?{
return&Pool{
work:?make(chan?func()),
sem:??make(chan?struct{},size),
}
}
func?(p?*Pool)?Schedule(task?func())?error?{
select{
casep.work<-?task:
casep.sem?<-?struct{}{}:
go?p.worker(task)
}
}
func?(p?*Pool)?worker(task?func())?{
defer?func()?{?<-p.sem?}
for{
task()
task?=?<-p.work
}
}
現在我們的netpoll代碼如下：
pool?:=?gopool.New(128)
poller.Start(conn,?netpoll.EventRead,?func()?{
//?We?will?block?poller?wait?loopwhen
//allpool?workers?are?busy.
pool.Schedule(func()?{
Receive(ch)
})
})
所以現在我們讀取數據包可以在池中使用了空閑的goroutine。
同樣，我們將更改Send() ：
pool?:=?gopool.New(128)
func?(ch?*Channel)?Send(p?Packet)?{
if?c.noWriterYet()?{
pool.Schedule(ch.writer)
}
ch.send?<-?p
}
而不是go ch.writer() ，我們想寫一個重用的goroutine。 因此，對于N goroutines池，我們可以保證在N請求同時處理并且到達N + 1我們不會分配N + 1緩沖區進行讀取。 goroutine池還允許我們限制新連接的Accept()和Upgrade() ，并避免大多數情況下被DDoS打垮。
零拷貝升級
讓我們從WebSocket協議中偏離一點。 如前所述，客戶端使用HTTP升級請求切換到WebSocket協議。 協議是樣子：
GET?/ws?HTTP/1.1
Host:?mail.ru
Connection:?Upgrade
Sec-Websocket-Key:?A3xNe7sEB9HixkmBhVrYaA==
Sec-Websocket-Version:?13
Upgrade:?websocket
HTTP/1.1?101?Switching?Protocols
Connection:?Upgrade
Sec-Websocket-Accept:?ksu0wXWG+YmkVx+KQR2agP0cQn4=
Upgrade:?websocket
也就是說，在我們的例子中，我們需要HTTP請求和header才能切換到WebSocket協議。 這個知識點和http.Request的內部實現表明我們可以做優化。我們會在處理HTTP請求時拋棄不必要的內存分配和復制，并放棄標準的net/http服務器。
例如， http.Request 包含一個具有相同名稱的頭文件類型的字段，它通過將數據從連接復制到值字符串而無條件填充所有請求頭。 想像一下這個字段中可以保留多少額外的數據，例如大型Cookie頭。
但是要做什么呢?
WebSocket實現
不幸的是，在我們的服務器優化時存在的所有庫都允許我們對標準的net/http服務器進行升級。 此外，所有庫都不能使用所有上述讀寫優化。 為使這些優化能夠正常工作，我們必須使用一個相當低級別的API來處理WebSocket。 要重用緩沖區，我們需要procotol函數看起來像這樣：
func?ReadFrame(io.Reader)?(Frame,?error)
func?WriteFrame(io.Writer,?Frame)?error
如果我們有一個這樣的API的庫，我們可以從連接中讀取數據包，如下所示(數據包寫入看起來差不多)：
//?getReadBuf,?putReadBuf?are?intendedto
//?reuse?*bufio.Reader?(withsync.Poolforexample).
func?getReadBuf(io.Reader)?*bufio.Reader
func?putReadBuf(*bufio.Reader)
//?readPacket?must?be?calledwhendata?could?bereadfromconn.
func?readPacket(conn?io.Reader)?error?{
buf?:=?getReadBuf()
defer?putReadBuf(buf)
buf.Reset(conn)
frame,?_?:=?ReadFrame(buf)
parsePacket(frame.Payload)
//...
}
簡而言之，現在是制作我們自己庫的時候了。
github.com/gobwas/ws
為了避免將協議操作邏輯強加給用戶，我們編寫了WS庫。 所有讀寫方法都接受標準的io.Reader和io.Writer接口，可以使用或不使用緩沖或任何其他I/O包裝器。
除了來自標準net/http升級請求之外， ws支持零拷貝升級 ，升級請求的處理和切換到WebSocket，而無需內存分配或復制。 ws.Upgrade()接受io.ReadWriter ( net.Conn實現了這個接口)。 換句話說，我們可以使用標準的net.Listen()并將接收到的連接從ln.Accept()立即傳遞給ws.Upgrade() 。 該庫可以復制任何請求數據以供將來在應用程序中使用(例如， Cookie以驗證會話)。
以下是升級請求處理的基準 ：標準net/http服務器與net.Listen()加零拷貝升級：
BenchmarkUpgradeHTTP?5156?ns/op?8576?B/op?9?allocs/op
BenchmarkUpgradeTCP?973?ns/op?0?B/op?0?allocs/op
切換到ws和零拷貝升級節省了另外24 GB內存 - 這是由net/http處理程序請求處理時為I/O緩沖區分配的空間。
概要
讓我們結合代碼告訴你我們做的優化。
讀取內部緩沖區的goroutine是非常昂貴的。 解決方案 ：netpoll(epoll，kqueue); 重用緩沖區。
寫入內部緩沖區的goroutine是非常昂貴的。 解決方案 ：必要時啟動goroutine; 重用緩沖區。
DDOS，netpoll將無法工作。 解決方案 ：重新使用數量限制的goroutines。
net/http不是處理升級到WebSocket的最快方法。 解決方案 ：在連接上使用零拷貝升級。
這就是服務器代碼的樣子：
import?(
"net"
"github.com/gobwas/ws"
)
ln,?_?:=?net.Listen("tcp",":8080")
for{
//?Trytoaccept?incomingconnectioninsidefreepool?worker.
//?If?therenofreeworkersfor1ms,?donotaccept?anythingandtry?later.
//?This?will?help?ustoprevent?many?self-ddosoroutofresource?limit?cases.
err?:=?pool.ScheduleTimeout(time.Millisecond,?func()?{
conn?:=?ln.Accept()
_?=?ws.Upgrade(conn)
//?Wrap?WebSocketconnectionwithour?Channel?struct.
//?This?will?help?ustohandle/send?our?app's?packets.
ch?:=?NewChannel(conn)
//?Waitforincoming?bytesfromconnection.
poller.Start(conn,?netpoll.EventRead,?func()?{
//?Donotcrossthe?resource?limits.
pool.Schedule(func()?{
//Readandhandle?incoming?packet(s).
ch.Recevie()
})
})
})
if?err?!=?nil?{
time.Sleep(time.Millisecond)
}
}
結論
過早優化是萬惡之源。 Donald Knuth
當然，上述優化是有意義的，但并非所有情況都如此。 例如，如果可用資源(內存，CPU)和在線連接數之間的比例相當高(服務器很閑)，則優化可能沒有任何意義。 但是，您可以從哪里需要改進以及改進內容中受益匪淺。
