如何用Worker pool解决异步任务的问题
【导读】本文介绍了 go 移步任务队列的实现。
在一些常见的场景中，如果遇到了某些请求特别耗时间，为了不影响其它用户的请求以及节约服务器资源，我们通常会考虑使用异步任务队列去解决，这样可以快速地处理请求、只返回给用户任务创建结果，等待任务完成之后，我们再告知用户任务的完成情况。
对于 golang，我们可以通过 worker pool 异步处理任务，在大多数情况下，如果不在意数据丢失以及服务器性能足够，我们就没有必要考虑别的方案，毕竟这样实现非常简单。
接下来我们先来说说如何用 worker pool 解决异步任务的问题。
worker pool worker pool，也有叫做 goroutine pool 的，都是指用 go channel 以及 goroutine 来实现的任务队列。go channel 本质上就是一个队列，因此用作任务队列是很自然的。
在我们不用 go channel 的时候，我们也许会使用这样的方式来处理异步任务：
for i := 0;i < 100;i++ { go func() { // process job }()} 这样的方式是不推荐的，因为在请求量到达一定程度，系统处理不过来的时候，会造成 goroutine 的爆炸，拖慢整个系统的运行，甚至程序的崩溃，数据也就完全丢失了。
如果我们用简单的方式，可以看看接下来的例子：一个发送者（也叫做生产者），一个接受者（也叫做消费者，或者 worker）：
type job struct {...}jobchan := make(chan job)quit := make(chan bool)go func() { select { case job := <-jobchan: case <- quit: return }}()for i := 0;i < 100;i++ { jobchan <- job{...}}close(jobchan)quit <- true 如果 worker 不够，我们可以增加，这样可以并行处理任务：
for i := 0;i < 10;i++ { go func() { for job := range jobchan { // process job } }()} 这样，一个非常简单的 worker pool 就完成了，只是，它对任务的处理还会有问题，比如无法设置超时、无法处理 panic 错误等。
实际上，目前已经有很多的开源库可以帮你实现了，以 worker pool 为关键词在 github 上可以搜到一大堆：
github - jeffail/tunny: a goroutine pool for go github - gammazero/workerpool: concurrency limiting goroutine pool 那么，它们的缺点呢？
很明显，它们的缺点就在于缺乏管理，可以说是完全不管任务的结果，即使我们加日志输出也只是为了简单监控，更要命的就是进程重启的时候，比如进程挂了，或者程序更新，都会导致数据丢失，毕竟生产者与消费者在一个进程中的时候，会互相影响（抢占 cpu 与内存资源）。因此前面我也说了，在不管这两个问题的时候，可以考虑用。
如果数据很重要（实际上，我认为用户上传的业务数据都重要，不能丢失），为了解决这些问题，我们必须换一种解决方案。
分布式异步任务队列 接下来再说说异步的分布式任务队列，要用到这个工具的时候，我们大致有以下几个需求：
分布式：生产者与消费者隔离； 数据持久化：在程序重启的时候，不丢失已有的数据； 任务重试：会有任务偶然失败的场景，重试是最简单的方式，但需要保证任务的执行时是冪等的； 任务延时：延迟执行，比如 5 分钟后给用户发红包； 任务结果的临时存储，可用于储存； 任务处理情况监控：及时发现任务执行出错情况； 对于 python 来说，有个大名鼎鼎的 celery(https://github.com/celery/celery)，它完全包含上面的功能。它包含两个比较重要的组件：一个是消息队列，比如 redis/rabbitmq 等，celery 中叫做 broker，然后还需要有数据库，用于存储任务状态，叫做 result backend。
显然对于 go 也有很多不错的开源库，其中一个学 celery 的是 machinery(github.com/richardknop/machinery)，它目前能满足大部分需求，而且一直在积极维护，也是我们团队目前在用的。
它目前支持的 broker 有 amqp(rabbitmq)、redis、aws sqs、gcp pub/sub，目前对国内同行来说，rabbitmq 或者 redis 会相对比较合适。
另外它还支持几个高级用法：
groups：允许你定义多个并行的任务，在最后取任务结果的时候，可以一起返回； chords：允许你定义一个回调任务，在 group 任务执行完毕后执行对应的回调任务； chains：允许你定义串行执行的任务，任务将会被串行执行； 说了优点，再说说它的缺点：
任务监控支持不够，目前只有分布式追踪 opentracing 的支持，假如我要使用 prometheus，会比较困难，它的自定义错误处理过于简单，连上下文都不给你； 传入的参数目前只支持非常简单的参数，不支持 struct、map，还得定义参数的类型，这样的方式会将这个库限制在 golang 世界中，而无法拓展适用于其它语言； p.s. 其实对于 goroutine 的方案，在以下两种情况下，可以考虑使用：
必须同步返回给用户请求结果； 服务器资源足够，仅仅用 worker pool 就能降低请求的响应时长到可接受范围； 这两种方案都会返回请求结果，失败的情况下靠客户端重新请求来解决数据丢失的问题。
原文标题：golang 中的异步任务队列
文章出处：【微信公众号：linux爱好者】欢迎添加关注！文章转载请注明出处。
3只人工智能股年内股价翻倍_为啥富瀚微/海康威视/科大讯飞这么猛
家用投影机安装使用答疑
贵州警用无人机试飞成功
变频器驱动板主要集成驱动IGBT电路的信号放大板作用及功能
十万片晶圆报废重做，让台积电本季营收无法达成原预估目标
如何用Worker pool解决异步任务的问题
币圈大鹏：新手入门怎么快速了解数字货币
锂离子电池充电器电路图解析
基于一个全球性的加密货币社区融资平台Adel介绍
半导体：十年产业投资大机会,我国集成电路市场增速全球第一
融合一二代优点 日本开发出第三代OLED荧光材料
酷派集团发布公告，宣称公司与浦发贷款纠纷案达成和解
Linux PWM开发指南
几种常用单片机介绍
几个方面有针对性地解决当下国内智慧城市建设中的各种问题
LVDS技术原理和设计简介
电源模块布局中考虑元器件的寄生参数
人民时评：挖掘机器人产业更大潜力
用HDL代码描述加法运算要用操作符“+” 看似很简单实则不然
焊接换热器需要具备哪些技能
在一些常见的场景中，如果遇到了某些请求特别耗时间，为了不影响其它用户的请求以及节约服务器资源，我们通常会考虑使用异步任务队列去解决，这样可以快速地处理请求、只返回给用户任务创建结果，等待任务完成之后，我们再告知用户任务的完成情况。
对于 golang，我们可以通过 worker pool 异步处理任务，在大多数情况下，如果不在意数据丢失以及服务器性能足够，我们就没有必要考虑别的方案，毕竟这样实现非常简单。
接下来我们先来说说如何用 worker pool 解决异步任务的问题。
worker pool worker pool，也有叫做 goroutine pool 的，都是指用 go channel 以及 goroutine 来实现的任务队列。go channel 本质上就是一个队列，因此用作任务队列是很自然的。
在我们不用 go channel 的时候，我们也许会使用这样的方式来处理异步任务：
for i := 0;i < 100;i++ { go func() { // process job }()} 这样的方式是不推荐的，因为在请求量到达一定程度，系统处理不过来的时候，会造成 goroutine 的爆炸，拖慢整个系统的运行，甚至程序的崩溃，数据也就完全丢失了。
如果我们用简单的方式，可以看看接下来的例子：一个发送者（也叫做生产者），一个接受者（也叫做消费者，或者 worker）：
type job struct {...}jobchan := make(chan job)quit := make(chan bool)go func() { select { case job := <-jobchan: case <- quit: return }}()for i := 0;i < 100;i++ { jobchan <- job{...}}close(jobchan)quit <- true 如果 worker 不够，我们可以增加，这样可以并行处理任务：
for i := 0;i < 10;i++ { go func() { for job := range jobchan { // process job } }()} 这样，一个非常简单的 worker pool 就完成了，只是，它对任务的处理还会有问题，比如无法设置超时、无法处理 panic 错误等。
实际上，目前已经有很多的开源库可以帮你实现了，以 worker pool 为关键词在 github 上可以搜到一大堆：
github - jeffail/tunny: a goroutine pool for go github - gammazero/workerpool: concurrency limiting goroutine pool 那么，它们的缺点呢？
很明显，它们的缺点就在于缺乏管理，可以说是完全不管任务的结果，即使我们加日志输出也只是为了简单监控，更要命的就是进程重启的时候，比如进程挂了，或者程序更新，都会导致数据丢失，毕竟生产者与消费者在一个进程中的时候，会互相影响（抢占 cpu 与内存资源）。因此前面我也说了，在不管这两个问题的时候，可以考虑用。
如果数据很重要（实际上，我认为用户上传的业务数据都重要，不能丢失），为了解决这些问题，我们必须换一种解决方案。
分布式异步任务队列 接下来再说说异步的分布式任务队列，要用到这个工具的时候，我们大致有以下几个需求：
分布式：生产者与消费者隔离； 数据持久化：在程序重启的时候，不丢失已有的数据； 任务重试：会有任务偶然失败的场景，重试是最简单的方式，但需要保证任务的执行时是冪等的； 任务延时：延迟执行，比如 5 分钟后给用户发红包； 任务结果的临时存储，可用于储存； 任务处理情况监控：及时发现任务执行出错情况； 对于 python 来说，有个大名鼎鼎的 celery(https://github.com/celery/celery)，它完全包含上面的功能。它包含两个比较重要的组件：一个是消息队列，比如 redis/rabbitmq 等，celery 中叫做 broker，然后还需要有数据库，用于存储任务状态，叫做 result backend。
显然对于 go 也有很多不错的开源库，其中一个学 celery 的是 machinery(github.com/richardknop/machinery)，它目前能满足大部分需求，而且一直在积极维护，也是我们团队目前在用的。
它目前支持的 broker 有 amqp(rabbitmq)、redis、aws sqs、gcp pub/sub，目前对国内同行来说，rabbitmq 或者 redis 会相对比较合适。
另外它还支持几个高级用法：
groups：允许你定义多个并行的任务，在最后取任务结果的时候，可以一起返回； chords：允许你定义一个回调任务，在 group 任务执行完毕后执行对应的回调任务； chains：允许你定义串行执行的任务，任务将会被串行执行； 说了优点，再说说它的缺点：
任务监控支持不够，目前只有分布式追踪 opentracing 的支持，假如我要使用 prometheus，会比较困难，它的自定义错误处理过于简单，连上下文都不给你； 传入的参数目前只支持非常简单的参数，不支持 struct、map，还得定义参数的类型，这样的方式会将这个库限制在 golang 世界中，而无法拓展适用于其它语言； p.s. 其实对于 goroutine 的方案，在以下两种情况下，可以考虑使用：
必须同步返回给用户请求结果； 服务器资源足够，仅仅用 worker pool 就能降低请求的响应时长到可接受范围； 这两种方案都会返回请求结果，失败的情况下靠客户端重新请求来解决数据丢失的问题。
原文标题：golang 中的异步任务队列
文章出处：【微信公众号：linux爱好者】欢迎添加关注！文章转载请注明出处。
3只人工智能股年内股价翻倍_为啥富瀚微/海康威视/科大讯飞这么猛
家用投影机安装使用答疑
贵州警用无人机试飞成功
变频器驱动板主要集成驱动IGBT电路的信号放大板作用及功能
十万片晶圆报废重做，让台积电本季营收无法达成原预估目标
如何用Worker pool解决异步任务的问题
币圈大鹏：新手入门怎么快速了解数字货币
锂离子电池充电器电路图解析
基于一个全球性的加密货币社区融资平台Adel介绍
半导体：十年产业投资大机会,我国集成电路市场增速全球第一
融合一二代优点 日本开发出第三代OLED荧光材料
酷派集团发布公告，宣称公司与浦发贷款纠纷案达成和解
Linux PWM开发指南
几种常用单片机介绍
几个方面有针对性地解决当下国内智慧城市建设中的各种问题
LVDS技术原理和设计简介
电源模块布局中考虑元器件的寄生参数
人民时评：挖掘机器人产业更大潜力
用HDL代码描述加法运算要用操作符“+” 看似很简单实则不然
焊接换热器需要具备哪些技能