从并发模型看 Go 的语言设计

谁践踏了优雅 2022-01-12 21:23 219阅读 0赞

传统的程序语言设计都不会将输入输出作为语言的核心，但 Tony Hoare 认为输入输出是基本的编程原语，且通信顺序进程（Communicating sequential processes，CSP）的并行组合（这里可能用「并发」会更为准确）是基本的程序组织方法。Go 语言的并发设计就是基于 CSP 模型的。

在最初的 CSP 模型中，程序总由若干个可以相互通信的进程构成，其中每一个进程内部是顺序执行的（这也就是 CSP 名称的含义）。注意这里的「进程」并不一定指操作系统中的进程，也不一定是操作系统的线程，它是一个抽象的概念，代表一组计算的序列，例如 goroutine 这种在应用层调度的计算序列也算 CSP 中的「P」。与 Go 语言不同的地方在于，这个最初的设计中并没有通信管道的概念，每个进程是直接和另一个进程进行通信的，但在 Go 语言中，goroutine 是匿名的，一个 goroutine 并没有办法直接将消息发给另一个 goroutine，为了实现 goroutine 之间的通信，Go 语言提供了 first class 的 channel，消息通过 channel 来从一个 goroutine 发到另一个 goroutine。而且，Go 语言也不要求 goroutine 内部是顺序执行的，goroutine 内部可以创建更多的 goroutine，并发地完成工作。

下面，我们通过例子说明基于 CSP 模型是如何组织程序的。

阶乘计算

首先来看的是一个计算阶乘的例子，阶乘的一个简单的递归实现可以是这样的：

fact 0 = 1
    fact n = n * fact (n - 1)

而基于 CSP 组织程序，我们可以这样做：

// 阶乘计算的实体
    func FactCalc(in <-chan int, out chan<- int) {
     var subIn, subOut chan int
     for {
     n := <-in
     if n == 0 {
     out <- 1
     } else {
     if subIn == nil {
     subIn, subOut = make(chan int), make(chan int)
     go FactCalc(subIn, subOut)
     }
     subIn <- n - 1
     r := <-subOut
     out <- n * r
     }
     }
    }
    // 包装一个阶乘计算函数
    func MakeFactFunc() func(int) int {
     in, out := make(chan int), make(chan int)
     go FactCalc(in, out)
     return func(x int) int {
     in <- x
     return <-out
     }
    }

MakeFactFunc 就是简单地封装一下 FactCalc，获取一个计算阶乘的函数。主要的计算是由 FactCalc 进行的。

每一个 FactCalc 都会被作为一个独立的 goroutine 来执行，对于第 i 个 goroutine 而言，它先从第 i - 1 个 goroutine 中读入一个数字 n，然后，如果 n > 0，这个 goroutine 需要做 3 件事：

1. 向第 i + 1 个 goroutine 写入一个 n - 1

2. 从第 i + 1个 goroutine 处读回来一个数字 r

3. 将 n \* r 写入第 i - 1 个 goroutine

否则，则向第 i - 1 个 goroutine 处写入一个 1。

如前所述，由于 Go 语言不支持直接向一个 goroutine 发消息，所以这里的消息收发都要基于 channel 进行。我们可以看到，一旦 FactCalc 发现自己无法完成阶乘问题的计算工作，它就会创建另一个 goroutine（只会创建一次），并将子问题发送给这个 goroutine 进行处理，这会形成一个 FactCalc goroutine 的链条，链条上的每一个 goroutine 都与前一个和后一个 goroutine 进行通信（这就是前文所说的「若干个可以相互通信的进程」）。

我们又了这样的阶乘计算器后，我们可以这么去使用它：

const limit = 5
    func main() {
     fact := MakeFactFunc()
     for i := 0; i < limit; i++ {
     fmt.Println(fact(i))
     }
    }

执行程序，我们可以看到这样的输出：

1
    1
    2
    6
    24

相比于直接使用递归函数调用，这个实现方式非常不直观。下面这个图可能能帮助理解：

![63c62c0e92794df0abb79fd361df5f9a][]

这里的圆形为调用者，每一个矩形都为一个 goroutine，当我们尝试计算 fact(3) 时，会将 3 写入最前面的 in channel 中，数据开始从第一个 goroutine 向后流动。第一个 goroutine 会从这个 channel 中读到这个 3，它将 3 - 1 写入下一个 in channel 中，然后开始阻塞等待 out channel 出现第二个 goroutine 计算的结果，第二个、第三个 goroutine 的计算是类似的，等到第 4 个 goroutine 从 in channel 中读取输入时，它发现这是一个 0，于是直接向 out channel 写入一个 1，此时数据开始从最后一个 goroutine 往回流动，经过第三个和第二个 goroutine 的计算后，第一个 goroutine 会获得 2，然后将 2 \* 3 输出。

注意到这里进行阶乘计算的实体并不是递归的函数，而是并发的 goroutine，它们之间通过 channel 进行通信， 每个 goroutine 都将计算拆分并发送给其他 goroutine 进行处理，直到计算变为 trivial 的情况。当然了，这个实现相比简单的递归函数会显得很啰嗦，我们在实际使用中也不会这么做，但这个例子说明了如何在 CSP 模型下，利用数据的流动实现我们常见的递归。

素数筛

下面的一个例子中，我们使用筛法来计算素数。所谓素数筛，大概就是对正整数 2 ～ n 进行遍历，然后对每一个数字都进行一次筛选，只留下是素数的部分，对于第 i 位的筛选，我们需要依赖前面已经晒出的 m 个素数，当且仅当这 m 个素数都无法整除第 i 位的数字时，这个数字可以通过这一位的筛选，也就是这样：

primes = primesFilter [2..]
     where primesFilter (p:xs) =
     p : primesFilter [x | x <- xs, x `mod` p /= 0]

上面这个实现利用了 Haskell 的惰性求值能力，但对于大多数语言而言，我们的实现都不可能这么简洁，基于传统的顺序计算的思路，程序都会比较啰嗦，而且关键是很不清晰。而在 CSP 模型下，我们可以这么实现：

func Counter(out chan<- int) {
     for i := 2; ; i++ {
     out <- i
     }
    }
    func PrimeFilter(prime int, in <-chan int, out chan<- int) {
     for {
     i := <-in
     if i%prime != 0 {
     out <- i
     }
     }
    }
    func PrimeSieve(out chan<- int) {
     c := make(chan int)
     go Counter(c)
     for {
     prime := <-c
     out <- prime
     newC := make(chan int)
     go PrimeFilter(prime, c, newC)
     c = newC
     }
    }

可以看到，我们的素数筛由三个部分组成，首先，Counter 从 2 开始依次产生自然数。PrimeFilter 就是每一层素数的过滤器，每一层过滤器只持有一个输入 channel 一个输出 channel 和一个素数 prime，它将不断从输入 channel 中读入数字，并将其中无法被 prime整除的部分输出。PrimeSieve 则是一个完整的素数筛，它每获得一个素数，都将素数输出，并创建一个新一层的过滤器，因此整个过程大概是这样的：

![5e69b8c34b784e1e91f84e6089defe40][]

PrimeSieve 可以向 out channel 中依次输出被筛出来的素数，这个过程是惰性的，直到我们从 out channel 中取出素数，下一个素数才会被计算。我们可以这样去使用它：

func main() {
     primes := make(chan int)
     go PrimeSieve(primes)
     for i := 0; i < 5; i++ {
     fmt.Println(<-primes)
     }
    }

执行程序，我们可以看到这样的输出：

2
    3
    5
    7
    11

从这两个例子中我们可以看到 CSP 模型不一定是用于并行计算，至少在这两个例子中，每一个 goroutine 在进行计算之后都在阻塞等待，同一时间事实上仅有一个活跃的 goroutine，但 Go 语言对 CSP 并发模型的支持能让整个设计变得简单清晰（「并发」和「并行」的区别可以参考这个视频）。这反映到 Go 语言设计上的要点有两个：

1.  Goroutine 之间可以通过 channel 来进行通信，channel 是 first class value，可以被直接传递。在这种情况下，goroutine 之间很容易进行协作，共同完成一个计算工作。
2.  Goroutine 十分轻量，可以在单机建立大量 goroutine 而不至于消耗过多性能。对于素数筛的例子，每计算多一个素数都需要多一个 goroutine。而阶乘计算的例子，输入参数 + 1 都需要多一个 goroutine。显然，如果没有系统层调度的「process」的支持，CSP 所能应用的范围就非常局限了。

下面我们再通过另外一个例子看一下 Go 语言的其他设计点。

信号量

一个信号量有两个操作，分别称为 V（signal()）与P（wait()）。其运作方式如下：

1.  初始化，信号标 S 一个非负数的整数值。
2.  执行 P 操作（wait()）时，信号标 S 的值将尝试被减少。当信号标 S 非正数时，进程会阻塞等待；当信号标 S 为正数时，S 被成功减少，进程可以继续往下执行。
3.  执行 V 操作（signal()）时，信号标 S 的值将会被增加。

在 CSP 模型下，我们可以这样实现：

type Semaphore struct {
     inc chan struct{}
     dec chan struct{}
    }
    func (sem *Semaphore) Wait() {
     sem.dec <- struct{}{}
    }
    func (sem *Semaphore) Signal() {
     sem.inc <- struct{}{}
    }
    func MakeSemaphore(initVal int) *Semaphore {
     sem := Semaphore{
     inc: make(chan struct{}),
     dec: make(chan struct{}),
     }
     go func(s int) {
     for {
     if s > 0 {
     select {
     case <-sem.inc:
     s = s + 1
     case <-sem.dec:
     s = s - 1
     }
     } else {
     <-sem.inc
     s = s + 1
     }
     }
     }(initVal)
     return &sem
    }

\*Semaphore 有两个操作，分别是 Wait 和 Signal，它们分别向 dec channel 和 incchannel 发消息。而 MakeSemaphore 中创建的 goroutine 则会根据 s int 状态的不同选择不同的操作，如果 s > 0，则从 inc channel 或 dec channel 中随机读取一个值，并将 s 的值进行增加/减少 1，否则，从 inc channel 中读取一个值，并将 s 的值增加 1。注意这里的「随机」是非常重要的，如果 inc 和 dec 同时都有数据可读，则实际从哪个 channel 中读出数据是不确定的，正是因为 Go 语言的 select 是随机的，我们才可以在这里用它来进行调度。显然，在大多数语言中，如果要实现 channel 这样的类型，一般是以库的形式进行实现，而 Go 语言将其上升到了语言层面实现，这样虽然显的不够纯粹干净，但这样可以通过更方便的语法实现 select 这样强大的功能，如果实现为库的形式，是难以做到这个程度的。

一个简单的服务模板

在这个例子中，我们将基于 Go 语言实现一个极简单的服务模板，代码如下：

type Input struct {
     Req interface{}
     State interface{}
    }
    type Output struct {
     Rsp interface{}
     State interface{}
    }
    type Handler = func(input Input) (Output, error)
    type Response struct {
     Result interface{}
     Error error
    }
    type InMessage struct {
     Req interface{}
     OutChan chan<- Response
    }
    type Service struct {
     inChan chan<- InMessage
    }
    func (service *Service) RpcCall(request interface{}) (interface{}, error) {
     outChan := make(chan Response)
     service.inChan <- InMessage{request, outChan}
     rsp := <-outChan
     if rsp.Error != nil {
     return nil, rsp.Error
     }
     return rsp.Result, nil
    }
    func MakeService(handler Handler, initState interface{}) *Service {
     inChan := make(chan InMessage)
     go func(state interface{}) {
     for {
     in := <-inChan
     out, err := handler(Input{in.Req, state})
     if err != nil {
     in.OutChan <- Response{nil, err}
     } else {
     state = out.State
     in.OutChan <- Response{out.Rsp, nil}
     }
     }
     }(initState)
     return &Service{inChan}
    }

这里的 Service 是一个服务模板，我们通过 MakeService 来创建它。在创建服务模板的时候，我们要求调用者传入一个请求处理函数 handler func(input Input) (Output, error)，从类型可以知道，它接受一个请求，然后进行处理，并返回响应。请求和响应中都带有状态，handler 可以借此保存和修改状态，由于模板并不知道状态是什么，因此，MakeService 还要求调用者传入一个初始的状态 initState。然后，MakeService 会启动一个 goroutine，这个 goroutine 不断从 inChan 读入请求，并调用 handler 进行处理，最终将响应通过 outChan 发回给调用方。RpcCall 简单封装了一下从 inChan 输入请求，从 outChan 读取响应的过程。我们可以使用这个模板这样实现一个简单的电话本服务：

type Query struct {
     Name string
    }
    type Insert struct {
     Name string
     Phone int
    }
    type PhoneBookService = Service
    func (s *PhoneBookService) Insert(name string, phone int) {
     s.RpcCall(Insert{name, phone})
    }
    func (s *PhoneBookService) Query(name string) (int, error) {
     phone, err := s.RpcCall(Query{"Tom"})
     if err != nil {
     return 0, err
     }
     return phone.(int), nil
    }
    func MakePhoneBookService() *PhoneBookService {
     return MakeService(func(i Input) (Output, error) {
     st := i.State.(map[string]int)
     switch req := i.Req.(type) {
     case Query:
     x, ok := st[req.Name]
     if !ok {
     return Output{nil, nil}, fmt.Errorf("%v no found", req.Name)
     }
     return Output{x, st}, nil
     case Insert:
     st[req.Name] = req.Phone
     return Output{nil, st}, nil
     default:
     return Output{nil, nil}, fmt.Errorf("unknonw input: %v", req)
     }
     }, make(map[string]int))
    }
    func main() {
     service := MakePhoneBookService()
     phone, err := service.Query("Tom")
     if err != nil {
     fmt.Println("query err:", err)
     } else {
     fmt.Println("query succ:", phone)
     }
     service.Insert("Tom", 123456)
     phone, err = service.Query("Tom")
     if err != nil {
     fmt.Println("query err:", err)
     } else {
     fmt.Println("query succ:", phone)
     }
    }

这个电话本功能很简单，只有 Insert 和 Query 两种方法。Service 模板的作用是将整个 Go 语言的并发模型封装在函数调用内，从 PhoneBookService 的实现中，我们可以发现，这里没有任何 goroutine 的产生代码，也没有 channel 的使用，仅仅出现了简单的函数调用。对于 handler 的实现，里面也是一个简单的循环。这样一来，具体服务的实现者就不需要接触 Go 语言的并发模型，也可以实现简单的服务了。

执行程序，我们可以看到如下的输出：

query err: Tom no found
    query succ: 123456

在这里，我们可以注意到 Go 语言的另外两点设计，一个是使用错误返回值的错误的处理方式，另一个是只有接口没有泛型。

首先说错误处理。

Go 语言的错误处理方式有很大争议，支持者认为，Go 的错误返回值方式让错误的出现更加明确，不会扰乱让开发者的逻辑，更清晰地表达了意图。而反对者则认为异常抛出的缺失导致 Go 代码的错误处理非常冗长，且频繁打断主要逻辑。显然，这两个观点都有各自的道理，且在不同的语言里我们也看到了这两种错误处理方式的广泛应用，但是我认为在 Go 的并发模型的限制下，使用错误返回值的方式是一个合理正确的选择。如前所述，Go 语言每当创建一个 goroutine 之后，这个 goroutine 就和创建者没有什么关系了，它甚至不能像线程一样直接被等待执行结束。goroutine 和 goroutine 唯一进行关联的方式就是通过 channel 的消息传递。假设 Go 语言支持了抛出异常，那么，一个 goroutine 中抛出了一个没有被捕获的异常，这个异常将会导致什么呢？由于没有任何实体有责任捕获并处理这个异常，因此这里唯一正确的处理方式就是 panic 了，这个处理显然是很不可靠的，一个 goroutine 中的异常导致整个系统的 panic 无法让人接受。当然，有人会说，那在每个 goroutine 的最顶层都 try-catch 一下就可以了。那问题又来了，try-catch 之后呢？如果出现了一个已经被抛到顶层的异常，说明这个异常应该无法被这个 goroutine 自身处理了，应该交由其监视者来处理，例如上面的例子中，调用者就应该负责处理 Service goroutine 中产生的错误。那么，在这个时候，唯一正确的做法就是将抛出的异常以错误值的形式通过 channel 发送给监视者，以期待上层能够正确处理这个异常。那么这样一来，开发者就必须频繁混合使用两种错误处理方式，这样的开发方式是极其混乱且易错的。所以，使用错误返回值的方式应该是更加合理统一的方式了。

第二点，关于泛型的问题。

Go 语言只有接口没有泛型，这导致了很多麻烦，例如我们无法实现带有静态检查的自定义容器，泛型算法也难以实现。许多 Go 语言的开发者对于泛型的看法是：你不需要这个。我承认在实际工程中泛型的使用场合远少于接口，但是，即便从服务开发这个 Go 语言的主战场来看，泛型的必要性也依然很高。从上面的例子中我们可以看到，代码中大量充斥着 interface\{\} 和对 interface\{\} 的类型转换。其原因就是我们在实现这样一个服务模板时，我们并不知道模板的使用者需要处理怎样的 request，返回怎样的 response，也不知道这里的 state 是什么。由于泛型的缺失，我们的代码相当于失去了静态的类型检查，将静态的类型错误变为了运行时错误，这样一来，Go 语言的静态能力就缺失了很多，甚至我们可以说，Go 语言泛型的缺失使得 Go 语言在类型安全性上不如带有泛型能力的静态类型语言，却比这些语言在使用上还要更啰嗦（各种类型转换和错误判断）。

总结

Go 语言是一个原生支持并发的语言，其并发模型基于 CSP 模型。通过使用 Go 语言的并发能力，我们可以设计出非常直观易懂的代码。经过上面几个例子的分析中我们可以看出，从并发模型和并发程序设计的角度来看，Go 在语言设计上的优势在于：

1.  拥有轻量的应用层进程 goroutine，允许开发者基于大量 goroutine 来设计并发程序
2.  First class channel 的支持，使得 goroutine 之间能够很轻易地相互合作
3.  select 关键字的随机能力使得开发者可以基于 channel 来对程序实现调度
4.  使用返回值的形式处理错误，很好地契合了 goroutine + channel 的并发模型

而 Go 在语言设计上的劣势在于：

泛型的缺失导致许多程序设计变得脆弱，增加代码量且失去了安全性

转载于:https://blog.51cto.com/13591395/2390028

[63c62c0e92794df0abb79fd361df5f9a]: http://p9.pstatp.com/large/pgc-image/63c62c0e92794df0abb79fd361df5f9a
[5e69b8c34b784e1e91f84e6089defe40]: /images/20220112/c2c91f2042554ca78d6270bc26759924.png