最近一直在优化行情推送系统，有不少优化心得跟大家分享下。性能方面提升最明显的是时延，在单节点8万客户端时，时延从1500ms优化到40ms，这里是内网mock客户端的得到的压测数据。
对于订阅客户端数没有太执着量级的测试，弱网络下单机8w客户端是没问题的。当前采用的是kubenetes部署方案，可灵活地扩展扩容。
架构图
push-gateway是推送的网关，有这么几个功能：第一点是为了做鉴权；第二点是为了做接入多协议，我们这里实现了websocket, grpc, grpc-web，sse的支持；第三点是为了实现策略调度及亲和绑定等。
push-server 是推送服务，这里维护了订阅关系及监听mq的新消息，继而推送到网关。
问题一：并发操作map带来的锁竞争及时延
推送的服务需要维护订阅关系，一般是用嵌套的map结构来表示，这样造成map并发竞争下带来的锁竞争和时延高的问题。
代码语言：javascript复制// xiaorui.cc
{"topic1": {"uuid1": client1, "uuid2": client2}, "topic2": {"uuid3": client3, "uuid4": client4} ... }
已经根据业务拆分了4个map，但是该订阅关系是嵌套的，直接上锁会让其他协程都阻塞，阻塞就会造成时延高。
加锁操作map本应该很快，为什么会阻塞？上面我们有说过该map是用来存topic和客户端列表的订阅关系，当我进行推送时，必然是需要拿到该topic的所有客户端，然后进行一个个的send通知。（这里的send不是io.send，而是chan send，每个客户端都绑定了缓冲的chan）
解决方法：在每个业务里划分256个map和读写锁，这样锁的粒度降低到1/256。除了该方法，开始有尝试过把客户端列表放到一个新的slice里返回，但造成了 GC 的压力，经过测试不可取。
代码语言：javascript复制// xiaorui.cc
sync.RWMutex
map[string]map[string]client
改成这样
m *shardMap.shardMap
分段map的库已经推到github[1]了，有兴趣的可以看看。
问题二：串行消息通知改成并发模式
简单说，我们在推送服务维护了某个topic和1w个客户端chan的映射，当从mq收到该topic消息后，再通知给这1w个客户端chan。
客户端的chan本身是有大buffer，另外发送的函数也使用 select default 来避免阻塞。但事实上这样串行发送chan耗时不小。对于channel底层来说，需要goready等待channel的goroutine，推送到runq里。
下面是我写的benchmark[2]，可以对比串行和并发的耗时对比。在mac下效果不是太明显，因为mac cpu频率较高，在服务器里效果明显。
串行通知，拿到所有客户端的chan，然后进行send发送。
代码语言：javascript复制for _, notifier := range notifiers {
s.directSendMesg(notifier, mesg)
}
并发send，这里使用协程池来规避morestack的消耗，另外使用sync.waitgroup里实现异步下的等待。
代码语言：javascript复制// xiaorui.cc
notifiers := []*mapping.StreamNotifier{}
// conv slice
for _, notifier := range notifierMap {
notifiers = append(notifiers, notifier)
}
// optimize: direct map struct
taskChunks := b.splitChunks(notifiers, batchChunkSize)
// concurrent send chan
wg := sync.WaitGroup{}
for _, chunk := range taskChunks {
chunkCopy := chunk // slice replica
wg.Add(1)
b.SubmitBlock(
func() {
for _, notifier := range chunkCopy {
b.directSendMesg(notifier, mesg)
}
wg.Done()
},
)
}
wg.Wait()
按线上的监控表现来看，时延从200ms降到30ms。这里可以做一个更深入的优化，对于少于5000的客户端，可直接串行调用，反之可并发调用。
问题三：过多的定时器造成cpu开销加大
行情推送里有大量的心跳检测，及任务时间控速，这些都依赖于定时器。go在1.9之后把单个timerproc改成多个timerproc，减少了锁竞争，但四叉堆数据结构的时间复杂度依旧复杂，高精度引起的树和锁的操作也依然频繁。
所以，这里改用时间轮解决上述的问题。数据结构改用简单的循环数组和map，时间的精度弱化到秒的级别，业务上对于时间差是可以接受的。
Golang时间轮的代码已经推到github[3]了，时间轮很多方法都兼容了golang time原生库。有兴趣的可以看下。
问题四：多协程读写chan会出现send closed panic的问题
解决的方法很简单，就是不要直接使用channel，而是封装一个触发器，当客户端关闭时，不主动去close chan，而是关闭触发器里的ctx，然后直接删除topic跟触发器的映射。
代码语言：javascript复制// xiaorui.cc
// 触发器的结构
type StreamNotifier struct {
Guid string
Queue chan interface{}
closed int32
ctx context.Context
cancel context.CancelFunc
}
func (sc *StreamNotifier) IsClosed() bool {
if sc.ctx.Err() == nil {
return false
}
return true
}
...
问题五：提高grpc的吞吐性能
grpc是基于http2协议来实现的，http2本身实现流的多路复用。通常来说，内网的两个节点使用单连接就可以跑满网络带宽，无性能问题。但在golang里实现的grpc会有各种锁竞争的问题。
如何优化？多开grpc客户端，规避锁竞争的冲突概率。测试下来qps提升很明显，从8w可以提到20w左右。
可参考以前写过的grpc性能测试[4]。
问题六：减少协程数量
有朋友认为等待事件的协程多了无所谓，只是占内存，协程拿不到调度，不会对runtime性能产生消耗。这个说法是错误的。虽然拿不到调度，看起来只是占内存，但是会对 GC 有很大的开销。所以，不要开太多的空闲的协程，比如协程池开的很大。
在推送的架构里，push-gateway到push-server不仅几个连接就可以，且几十个stream就可以。我们自己实现大量消息在十几个stream里跑，然后调度通知。在golang grpc streaming的实现里，每个streaming请求都需要一个协程去等待事件。所以，共享stream通道也能减少协程的数量。
问题七：GC 问题
对于频繁创建的结构体采用sync.Pool进行缓存。有些业务的缓存先前使用list链表来存储，在不断更新新数据时，会不断的创建新对象，对 GC 造成影响，所以改用可复用的循环数组来实现热缓存。
后记
有坑不怕，填上就可以了。
参考资料
[1]
github: https://github.com/rfyiamcool/ccmap/blob/master/syncmap.go
[2]
benchmark: https://github.com/rfyiamcool/go-benchmark/tree/master/batch_notify_channel
[3]
github: https://github.com/rfyiamcool/go-timewheel
[4]
测试: https://github.com/rfyiamcool/grpc_batch_test
