Go語言中怎么實現每分鐘處理100萬個請求

今天就跟大家聊聊有關Go語言中怎么實現每分鐘處理100萬個請求，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

Go語言程序的單純方法

最初我們采取了一個非常單純的POST處理方式，僅僅試圖將任務并行化處理放到一個簡單的goroutine：

對于中等負載來說，這可能對大多數人是有效的，但這很快證明在大型負載時，效果不太好。我們預期有很多的請求，但當我們部署第一個版本到產品中時，并沒有看到這個數量級的請求。我們完全低估了流量。

上面的方法在幾個方面都不好，沒有辦法控制我們正在大量生產的Go程序要產生多少個例程。由于我們每分鐘收到100萬個POST請求，理所當然的，這段代碼很快就崩潰了。

再次嘗試

我們需要尋找一個不同的方式。從一開始，我們就討論如何保持請求處理程序的生命周期非常短，并在后臺生成處理進程。當然，這是必須在Ruby on Rails領域要做的，否則這將限制所有可用的web處理器，無論你使用的是puma, unicorn, passenger中的哪一個（請不要參加JRuby討論）。那么我們就需要利用通用的解決方案去做這個，例如Resque, Sidekiq, SQS,等等。清單還可以繼續列下去，因為有很多方法可以做到這一點。

所以第二個版本是創建一個緩存通道，在這里我們可以對一些作業進行排隊并上傳到S3，由于我們可以控制隊列中的最大項目數，在內存中我們有足夠多的RAM對任務進行排隊，我們認為只在通道隊列中緩存作業是可以的。

然后實際上的作業出列和處理，我們使用的是類似的函數：

說實話，我不知道我們在想什么。這一定是一個充滿紅牛的深夜。這種方法沒有給我們帶來任何好處，我們用緩沖隊列來交換有缺陷的并發，也只是推遲了問題的產生時間而已。我們的同步處理器一次只上傳一個有效負載到S3,而且由于傳入請求的速率比單處理器上傳到S3的能力大得多，所以緩沖通道很快就達到了極限，限制了請求處理程序來排隊更多項目的能力。

我們只是簡單地回避這個問題，最終導致系統的死亡。在我們部署了這個有缺陷的版本之后，我們的延遲率以不變的速率持續增長。

更好的解決方案

當使用Go語言通道時，我們決定利用通用模式以便創造一個2階的通道系統，一個用于作業排隊，另外一個控制多少作業者同時在JobQueue上操作。

這個想法是以某種可持續的速度并行上傳到S3，它既不會削弱機器性能，也不會從S3開始生成連接錯誤。所以我們選擇了創建一個作業/作業者模式。對那些熟悉java,C#等語言的人來說，可以考慮采用Go語言實現通道方式而不是作業者線程池的方式。

我們修改了Web請求處理程序，創建一個帶負載的jobstruct實例，發送到JobQueue通道，便于作業者去拾取。

在網站服務器初始化過程中，我們創建一個Dispatcher，調用Run()去創建一個作業者池，開始偵聽出現在JobQueue的作業。

dispatcher := NewDispatcher(MaxWorker)

dispatcher.Run()

下面是用于dispatcher執行的代碼：

注意，我們會提供被實例化和被添加到作業者池的最大的作業者量。 因為我們這個帶有dockerized Go環境的項目使用了亞馬遜Elasticbeanstalk，我們總是設法遵循12要素方法論來配置生產中的系統，從環境變量中讀取這些數值。這樣就可以控制有多少作業者和作業隊列的最大值，因此，我們可以快速地調整這些值，而不需要重新部署集群。

var (

MaxWorker = os.Getenv(“MAX_WORKERS”)

MaxQueue = os.Getenv(“MAX_QUEUE”)

)

在部署完它之后，我們立刻發現所有的延遲率都降到了無關緊要的數字，系統處理請求的能力急劇上升。

彈性負載均衡完全預熱幾分鐘后，我們看到ElasticBeanstalk應用服務每分鐘逼近100萬個請求。通常在早晨的幾個小時里，流量高峰會超過每分鐘100萬個請求。

一旦我們部署了新的代碼，服務器的數量從100臺減少到大約20臺。

在恰當地配置了集群和自動縮放設置以后，我們能夠把它降低到僅有4x EC2 c4。如果CPU連續5分鐘超過90%，大型實例和彈性自動縮放設置就生成一個新實例。

看完上述內容，你們對Go語言中怎么實現每分鐘處理100萬個請求有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。