go 搭建并行处理管道

前端之家收集整理的这篇文章主要介绍了go 搭建并行处理管道前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

一. Go语言并发编程

  • 采用了CSP(Communication Seuential process)模型
  • 不需要锁,不需要callback
  • 并发编程 vs 并行计算

1.1 CSP并发模型

CSP模型是上个世纪七十年代提出的,用于描述两个独立的并发实体通过共享的通讯 channel(管道)进行通信的并发模型。 CSP中channel是第一类对象,它不关注发送消息的实体,而关注与发送消息时使用的channel。

1.2 Golang CSP

Golang 就是借用CSP模型的一些概念为之实现并发进行理论支持,其实从实际上出发,go语言并没有,完全实现了CSP模型的所有理论,仅仅是借用了 process和channel这两个概念。process是在go语言上的表现就是 goroutine 是实际并发执行的实体,每个实体之间是通过channel通讯来实现数据共享


1.3 不需要锁,不需要callback

go使用CSP模型进行通信,不需要使用锁,其实,这里不需要锁指的是用户在使用go语言进行并发通信的时候不需要使用锁. 也不需要使用callback. 但是,go底层其实还是使用了锁和callback的.

2.1 模拟服务器启动,打印内容页面

package main

import (
    "fmt"
    net/http"
)

func main() {
    http.HandleFunc(/",func(writer http.ResponseWriter,request *http.Request) {
        fmt.Fprintf(writer,<h1>Hello World %s</h1>name))
    })

    http.ListenAndServe(:8888,nil)
}

这里面需要注意的是启动一个服务器的方式

2.2 主方法main和Hello world方法进行通信, 通信使用的是channel

time
)

func main() {
    ch := make(chan string)
    for i := 0; i< 5000; i++ {
        go hello(i,ch)
    }

    for {
        str := <-ch
        fmt.Println(str)

    }

    time.Sleep(time.Millisecond)
}

func hello(i int,ch chan ) {
     {
        ch <- fmt.Sprintf(hello world,%d
func main() {

    arr := []int {2,5,1)">1,1)">9,1)">23,1)">01}
    sort.Ints(arr)
    for i,v := range arr  {
        fmt.Printf(%d,%d\n函数

 

2.4 go实现外部排序 pipeline

我们使用外部排序的时候,会用到归并排序,先来看看什么是归并排序?

将数据分为左右两半,分别归并排序,再把两个有序数据归并

 

上图演示了归并排序中的二路归并. 其实归并排序还可以有三路归并,N路归并

有一个大的集合,首先将其分为两个小的集合,使用内部排序对两个小的集合进行内部排序

得到排好序的两个集合,然后进行归并排序

第一步: 取出两个集合的首元素. 比较,如果一样,取左侧元素---->1

第二步: 再次取出两个集合的首元素,比较,右侧小--->1

第三步: 再次取出两个集合的首元素,左侧小--->2

........

依次类推

 

接下来,我们的外部排序,采用二路归并的方式实现.

 

 数据源,来自多方. 比如hadoop中的多个hdfs

然后将数据发送到节点1,进行二路归并,归并后的结果在发送到节点2,再次进行二路归并.......一次类推,直到最后只有一路数据,就是我们要的结果

 

 


  3. 代码实现

我们使用案例来说明管道的使用

 

3.1 channel是goroutine和goroutine之间的通信

首先,将数据放入管道中.....这里有个疑问,为什么要将数据放入管道中呢?

假如: 这每一个数组都是一个对象,一个很大的对象,处理链路比较长. 这时候,放入管道中. 就可以并发处理了. 不影响后面的流程. 该怎么处理,就怎么处理.

package pipeline

func ArraySource(arr ...int) chan int {
    out := make(chan )
    go func() {
        for a := range arr  {
            out <- a
        }

        close(out)
    }()
    return out
}

这是一个将数组放入管道的过程. 有两点

  • 创建一个channel. 然后将这个channel return
  • 记住: channel是goroutine和goroutine之间的通信. 我们在给channel赋值的时候,不能直接赋值,要将其放在一个单独的goroutine中.
  • 注意: 这里有一个close,意思是:我把数据向管道中放完了,没有数据了. 后面取数据的人,请不要再取了

所以,这里定义了一个单独的goroutine,用来向管道中存数据

 

接下来写一个demo,取数据

test007/pipeline
)

func main() {
    sourceChan := pipeline.ArraySource(4,1)">8,1)">19,1)">5)

     {
        if data,ok := <- sourceChan; ok {
            fmt.Println(data:else {
            break
        }
    }

    time.Sleep(time.Second * 10)
}

首先,我将一个数组,放入管道中.

然后,从管道中持续不断的去取数据. 所以有一个for死循环. 循环的时候,使用了ok来判断,是否还有数据可以取出,如果没有了,就退出

注意: 这里使用了close关闭了管道,所以,我们就不会不停的取数据. 

还有一种方式,直接有数据取出,不用我们手动判断

)
    for v := range sourceChan {
            fmt.Println()
}

如果使用了range的方式,从管道中取数据,那么....必须要手动close,否则,for循环不知道该何时退出,将会发生死锁的现象. 

为什么死锁呢?

因为,这里的for循环不知道何时退出,一直处于等待状态,后面的代码没有办法执行,所以就发生了死锁.

 

那么: 通常情况下,我们的管道是不会手动close的. 当管道中有数据的时候,我们就取出,如果管道中没有数据,我们就等待. 这个怎么做呢?

也就是说,我们不会手动close,如何才能让goroutine一直等待,直到有数据到来呢? 接收方也使用单独的goroutine,单独来接收数据.这样就不会阻塞主goroutine了.

)
    go func() {
        for v := range sourceChan {
            fmt.Println()
}

加上一个单独的goroutine为什么不会发生死锁?

我猜: 因为单开一个goroutine去sourceChan中接收数据,那么....他就不会阻塞主线程向下运行. 单独的goroutine的作用是: 如果有数据,就处理,没有,就等待. 哪怕等一年,两年....它都可以等.

上面这个demo需要记住的重点:

1. channel是goroutine和goroutine之间的通信

2. 如果不想要发生死锁,那么向channel中放数据和从channel中取数据都要在一个单独的goroutine中进行. 很有可能这两个goroutine永远都不工作,但是活着,不会影响主goroutine


 3.2 管道是有方向的

管道的输入,和管道的返回值都是有方向的. 

还是上面的demo. 如果ArraySource的返回值是一个 <- chan int,那么,表示,返回的是一个可以取数据的管道. 那么,后面接收这个返回值的变量,就不可以向其中放数据

package pipeline

import 

func ArraySource(arr ...int) <- chan int a
        }

        time.Sleep(time.Second * 2)
        out <- 9
        //close(out)

}

注意,这里的返回值类型的管道是可以取数据的管道.

那么像下面这样,在管道里放数据是不ok的,直接报错

 

 


 

3.3. 学习定义一个返回值为channel的func 

学习老师写管道方法的模板

 比如: 老师要进行一个sort排序
func Sort(in <-chan int) <- chan {
     第一步: 定义一个chan
    )
    
     第三步: 向管道里放数据,单独开一个goroutine
    go func() {
        
    }()
    
     第二步: return 这个channel
    
}

第一步: 定义一个chan of int 类型的管道变量

第二步: 将这个管道变量返回

第三步: 向管道中放数据. 放什么样的数据,那就是业务逻辑了. 

这样定义,就不会发生死锁. 因为,开一个goroutine是很快的.


 3.4 定义排序方法

func InMemSort(int) <-chan  第一步: 定义一个channel变量
     第三步: 向channel中放数据
    go func() {
        var arr []int
         管道到这里会阻塞,等待close以后,才会退出这个for循环
         如果没有close,就会发生死锁
        for v := range in  {
            arr = append(arr,v)
        }
        fmt.Println(arr: for _,1)"> range arr {
             v
        }
    }()

     第二步: 返回这个channel
    
}

这个排序方法,就使用了老师定义一个channel 方法的三个步骤

在第三步: 处理业务. 首先,从输入的in管道中,取出数据. 

取出数据使用的是for循环. 循环从管道中取数据. 这里会发生阻塞. 直到所有的数据全部都被取出,且in管道close. 否则,会无限循环等待下去.

 


 3.5 归并算法,将两个数组中的数据进行合并

依然采用的是三步走方法
第一步: 定一个channel变量, 
第二步: 返回channel 变量
第三步: 定义goroutine放入数据
func Merge(in1,in2 <-chan  第一步: 定义一个管道变量
     第三步: 向管道中放入数据
 第四步: 从两个管道中取一个数据
        v1,ok1 := <- in1
        v2,ok2 := <- in2

         第五步: 如果能够从任意一个管道中取出数据,则处理
        for ok1 || ok2 {
            if !ok2 || (ok1 && v1 <= v2) {
                 v1
                v1,ok1 = <- in1
            }  {
                 v2
                v2,ok2 = <-in2
            }
        }

         第六步: 没有数据可以取出来,close管道,表示已经取完了
            }()

     第二步: 返回这个管道
    
}

这里业务逻辑在goroutine里面. 因为是管道. 所以,每次从管道中取一个数据出来,循环从管道取数据比较. 

然后,我们造两个数组,测试将两个数组合并

package main

import (
"

)

func main() {
    mergeChan := pipeline.Merge(
        pipeline.InMemSort(pipeline.ArraySource(1,4,8,2,19,5)),pipeline.InMemSort(pipeline.ArraySource(0,29,43,1,7,9)))

    go func() {
         range mergeChan {
            fmt.Println()
}

输出结果:

GOROOT=/usr/local/go #gosetup
GOPATH=/Users/luoxiaoli/go #gosetup
/usr/local/go/bin/go build -o /private/var/folders/g2/74np978j3971l2864zdk7lgc0000gn/T/___go_build_main_go_darwin /Users/luoxiaoli/test007/pipeline/pipelinedemo/main.go #gosetup
/var/folders/g2/74np978j3971l2864zdk7lgc0000gn/T/___go_build_main_go_darwin #gosetup
arr:  [1 4 8 2 19 ]
arr:  [0 29 43 7 95 199 43]
data: 0
data: 147829

Process finished with exit code 0

这里遇到一个问题: 

 

 in1中的数据取完了,发现,后面的代码就不执行了. 虽然没有发生死锁,但是,阻止了后面数据的输出

究其原因,在这里: 

 

 在做内部排序的时候,排序完了,没有close. 这样就导致,range 管道的时候,如果没有数据,就一直等待,如果始终没有,就卡在那里了.


 3.6 改变数据源为从文件读取

之前,我们的数据源是自己定义的一个数组ArraySource. 传进来一个数组,然后,我们将数组放入管道中进行处理. 如下情况:
func ArraySource(arr ... a
        }
        close()
    }()
    
}

真实情况是. 我们通常是从文件读取数据源,比如日志文件. 而且,数据源可能不止一个. 比如: hdfs有n个,我们要读取n个hdfs数据源.

下面,我们从文件读取数据源. 这里定义一种通用读取的方式. 不管是什么数据源,我们都使用reader来读取. 读取的内容,放入管道中.

/**
 * 从redader中读取数据
 */
func ReaderSource(reader io.Reader) <- chan  这里定义为8个字节,原因是我的机器是64位的,所以int也是64位,那么对应的字节数就是8个字节
        buffer := make([]byte,1)">   {
             reader返回两个参数,第一个是读取到的字节数,第二个是err异常
            n,err := reader.Read(buffer)
            if n >   {
                 如果读到了,就把读到的东西发给channel
                u := binary.BigEndian.Uint64(buffer)
                out <- (u)
            }

            if err != nil {
                
            }
        }
        close(
}

 

 接下来,我们有读取数据源了,还有最后只进不出的Sink,Sink从管道里读数据,将读到的数据,输出

*
 * 只读数据,不写数据的,将读出来的数据打印出来
 * 可以打印到控制台,也可以写入到文件. 这里就写入到文件
 
func WriteSink(writer io.Writer, {
        b := make([])
        binary.BigEndian.PutUint64(b,uint64(v))
        writer.Write(b)
    }
}

最后为了方便操作,我们定义一个生成随机数的代码. 将随机数写入到文件

*
 * 生成一个随机
 func RandomSource(count  {
     )
     go func() {
          生成count个随机
        0; i<count ; i++ rand.Int()
        }

        close()
    }()
     
 }

下面对以上操作进行一个整合. 整合代码如下:

func main() {
     第一步: 造数据,生成100个随机数,写入到文件
    const fileName  = small.in"
    const count = 100
     第一步: 将随机生产的数字保存到small.in文件
     构造第一个数据源
    file,e := os.Create(fileName)
    if e != nil {
        panic(e)
    }
    defer file.Close()
    dataSource := pipeline.RandomSource(count)
    writer := bufio.NewWriter(file)
    pipeline.WriteSink(writer,dataSource)
    writer.Flush()
    
     第二步: 从文件中读取文件内容,在控制台打印
     从第一个数据源读取出数据
    f,1)"> os.Open(fileName)
     nil {
        panic(e)
    }
    defer f.Close()
    readerSource := pipeline.ReaderSource(bufio.NewReader(f))

    var num = 0
    for rs := range readerSource{
        fmt.Println(rs)
        num ++
        if num > 100
        }
    }
}

最后,生成随机数,就是一个造数据的过程. 我们可以利用这个main方法,早两类数据,一个是小数据,一个是大数据.

其实,这个部分,就是练习channel. go语言是如何通过channel进行通信的. 每一个部分,都是channel

 


 

3.7 多路合并

接下来,我们实现多路合并,其实这里的多路合并,是多个数据源通过传古来,但最终还是两两进行合并.
*
 * N个节点两两归并
 
 func MergeN(inputs ... <-chan {
     if len(inputs) ==  {
         return inputs[]
     }

     middle := len(inputs) / 2
      两个两个的合并
     return Merge(MergeN(inputs[:middle]...),MergeN(inputs[middle:]...))
 }

先将输入分为两半,然后递归再去两半,直到最后将两个通道数据合并.

 


 

3.8 单机外部排序 

单机外部排序分为3部分:
1. 读取数据,将数据进行合并
2. 将数据写入文件
3. 将写入文件的数据读出来
 
首先来看第一部分: 从文件读取数据,将数据源两两合并,最后返回合并后的数据通道
*
 * @param fileName: 文件名
 * @param fileSize: 文件大小
 * @param chunkCount: 将文件分成多少块
 
func createPipeline(fileName string,fileSize,chunkCount {
    pipeline.Init()
     每次读取的内容的字节大小
    chunkSize := fileSize/chunkCount
    sortResult := []<-chan {}
    0; i < chunkCount; i++ {
        file,e := os.Open(fileName)
         nil {
            panic(e)
        }
         offset: 从文件的什么位置开始读 whence: 从第几个字符开始读
        file.Seek(int64(chunkSize*i),1)">)

         读取文件内容
        source := pipeline.ReaderSource(bufio.NewReader(file),chunkSize)

         在内存中对内容进行排序
        sortResult = append(sortResult,pipeline.InMemSort(source))
    }

     合并所有的内部排序后的结果
     pipeline.MergeN(sortResult...)
}

 

第二部分: 将数据写入到文件

*
 * 将合并后的结果写入到文件
 
func writeToFile(p <- chan ) {

    file,1)"> nil {
        panic(e)
    }
    defer file.Close()

    writer := bufio.NewWriter(file)
    defer writer.Flush()

     这一步是将读取的内容写入到文件
    pipeline.WriteSink(writer,p)

}

 

第三部分: 将文件中的数据打印到控制台

func printFile(fileName ) {
    file,1)"> nil {
        panic(e)
    }
    defer file.Close()

    reader := bufio.NewReader(file)
    source := pipeline.ReaderSource(reader,-)
    count :=  range source {
        fmt.Println(v)
        count ++
        if count > 
        }
    }
}

这里,我们在上面生成了一个512k的文件,那么最后合并后的数据也应该是512k

大数据是8000000字节,那么最后合并后也应该是80000000字节.

阶段总结:

通过上面的demo,可以,所有的方法,都是通过管道进行通信. 传一个管道到过去,管道里现在可能没有数据,那么就等待,直到有数据了,才能取出
上面的demo由两部分: 
第一部分: 造数据. 随机生成数据,然后保存到文件
第二部分: 将文件中的数据,分片读取,分了4片. 对每一片数据,进行内部排序,排序后,n片数据,在两两归并排序,最后输出一路数据.  然后将数据输出文件

 

 如上图分析: 

可以看到,基本都是使用管道进行的通信,读取数据的时候,并不是说,最开始放入一个数据,到最后,输出一个数据,中间有等待的过程.

只要有等待,那么就可能发生死锁,放完了数据,一定要调用close. 这样,取数据的一方就不会不停的等待. 

这个就是搭建的管道通信方式

 

 还有一个部分就是带有缓冲的管道. 发现,如果管道没有缓冲,那就,就要一直等待. 我放一个,有人取走了,我再放一个,走人再去走了,知道放数据的一边说,我放完了. 然后,取数据的一遍就结束了,不在取了

这样1对1 效率有些低,因此,我们将给管道增加一个缓冲,比如这里增加了1000个数据的缓冲,也就是里面可以放1000个数据,这样就大大提高了效率

 定义一个节点,处理数据
func InMemSort( 第一步: 定义一个channel变量
    out := make(chan int,1000)

    read data: sorted data:  v
        }
        close()
    }()

    
}


func Merge(in1,in2 <-chan  第一步: 定义一个管道变量
    out := make(chan int,表示已经取完了
        close()
        fmt.Println(merged data: 
}

*
 * 从redader中读取数据
 * 将reader改为分块读取,每次读取指定字符长度
 
func ReaderSource(reader io.Reader,trunkSize {
    out := make(chan int,1000)
    go func() {
        )
        readered := 0
         记录已经读取的个数
             reader.Read(buffer)
            readered += n
            if err != nil || (trunkSize != -1 && readered >= trunkSize){
                
            }
            fmt.Println("已读字符数",readered)
        }
        close(
}

标红的部分,增加了管道缓冲,提高了管道处理的效率

 3.9 网络版外部排序

 通过上面的排序结果,我们看到,一个800M的文件排序时间大概是40-50秒. 其实这个时间并不快,或者说,如果不用管道,那么会更快. 用了管道反而更慢了,那我们为什么还要用管道呢?

首先,用了管道为什么会变慢呢? 因为,管道之间的通信,有等待的过程. 肯定是要比直接处理要慢的. 

第二: 虽然用管道会慢,但我们依然用它,为什么么? 这里是开启了4路并行处理. 文件一共800M,那么如果是8G呢?800G呢?我们能用一个线程单独去执行么? 显然不可以. 一定要用这种并行的方式.

----------------------------

通常服务器的日志都是放在不同的机器上的,某几台机器接收日志文件. 然后传输给其他机器进行数据处理. 数据处理以后,在发送给其他机器,进行数据合并,最后入库. 这几个步骤可能都发生在不同的机器上. 接下来,我们就真实模拟一下,服务器之间,是如何传输这些数据的.

接下来我们要做的事情是这样的

 

 将InMemSort在内存中排序和ReaderSource读取数据进行合并,这两个步骤分开. 分别在两个服务器上执行.

原理: 有多少个节点,就开多少个server,然后merge节点去接这些server.

---------------------------

 现在要做的有两件事情

1. 从文件读取到的数据,放入到server中,然后将数据通过网络发送里给连接到客户端的client

2. 客户端对数据进行Merge后输出文件

提取第一部分: 将数据源的文件读取后发送到server中

func NetWorkSink(addr in <- chan  第一步: 开启服务器的监听端口
    listener,e := net.Listen(tcp nil {
        panic(e)
    }
    go func() {
        defer listener.Close()

         第二步: 等待客户端连接
        conn,1)"> listener.Accept()
         nil {
            panic(e)
        }
        defer conn.Close()

         第三步: 将数据通过网络发送出去
        writer := bufio.NewWriter(conn)
        defer writer.Flush()

        WriteSink(writer,in)
    }()

}

将数据发送给连接的客户端

 

第二部分: 客户端接收到数据后,读取数据,并发送到通道里面

func NetWorkSource(addr string) <-chan )
    go func() {
        conn,e := net.Dial( nil {
            panic(e)
        }
        defer conn.Close()

        reader := bufio.NewReader(conn)
        source := ReaderSource(reader,1)">for s := range source {
             s
        }

        close()

    }()
    
}

接下来创建一个网络pipeline


func createNetWorkPipeline(fileName {}
    sortAddr := [] pipeline.InMemSort(source)

        addr := :" + strconv.Itoa(7000 + i)
        pipeline.NetWorkSink(addr,sort)
         在内存中对内容进行排序
        sortResult = append(sortResult,pipeline.InMemSort(source))
        sortAddr = append(sortAddr,addr)
    }

     range sortAddr  {
        sortResult = pipeline.MergeN(sortResult...)
}

最后测试:网络版的文件接收通信,

 第一步: 生成pipeline文件
    p := createNetWorkPipeline(large.in800000000,1)">time.Sleep(time.Hour)
     第二步: 写入到文件
    writeToFile(p,1)">large.out 第三步: 打印出来
    printFile()
}

运行结果:

 

总结:

网络版这一块做的事情,是在讲什么? 在模拟真实的使用场景.  

 

 

总结: 再次体验了整个go是如何使用chan进行通信的. 几乎每一部都是在使用chan进行通信. 

最后这个网络版的的排序,只是一个简单的模拟,不过,真实情况也许就是这样的. 修改一下就可以使用在客户端和服务端了.

 


 

3.10 附源码 

项目结构

 

1.  nodes.go

package pipeline

import (
    encoding/binaryiomath/randsort
)

var startTime time.Time

func Init() {
    startTime = time.Now()
}

func ArraySource(arr ...1000
 }


bufioos
)

func main() {
    100000000
     nil {
        panic(e)
    }
    defer f.Close()
    readerSource := pipeline.ReaderSource(bufio.NewReader(f),1)">
        }
    }
}

func MergeDemo() {
    mergeChan := pipeline.Merge(
        pipeline.InMemSort(pipeline.ArraySource()),pipeline.InMemSort(pipeline.ArraySource(0,1)">29,1)">43,1)">7,1)">)))

    go func() {
        )
}
第三步: net_nodes.go
net
)

func NetWorkSink(addr  bufio.NewWriter(conn)
        defer writer.Flush()

        WriteSink(writer,1)">)
    }()

}


func NetWorkSource(addr 
}

4.  sort.go

strconv)
}

func printFile(fileName 
        }
    }
}

 pipeline.MergeN(sortResult...)
}


 pipeline.MergeN(sortResult...)
}

 

 
 
 
参考资料:
原文链接:/go/997124.html

猜你在找的Go相关文章