我好像发现了一个Go的Bug?

ywz888
发布于 2022-10-25 11:54
浏览
0收藏

从一次重构说起

这事儿还得从一次重构优化说起。

最近在重构一个路由功能,由于路由比较复杂,需求变化也多,于是想通过​​责任链模式​​​来重构,刚好这段时间也在 ​​Sentinel-Go​​ 中看到相关源码。

用责任链模式,最大的好处是可以针对每次请求灵活地插拔路由能力,如:

我好像发现了一个Go的Bug?-鸿蒙开发者社区

这样实现会在每次请求到来时去​​new​​ 出整个责任链,可以预见对象会频繁的创建、销毁。

对 Java 来说,对象池并不推荐,除非对象的创建特别费力,像一个​​连接对象​​,否则线程之间的锁竞争绝对比直接分配内存的消耗要多的多~

但 Go 不一样,它内置的 ​​sync.Pool​​ 配合调度模型(GMP)能够刚好规避这种锁竞争。

大家知道 Go 的对象池很牛逼就行了,具体原理不是本文重点,也不是一两句话能解释的清楚,有机会再写一篇文章详细说道~

但理论归理论,是骡子是马,得拉出来遛遛才知道是不是真的牛逼~

我好像发现了一个Go的Bug?-鸿蒙开发者社区

Benchmark 超时!

测试这种性能,Benchmark 肯定是首选,于是我写了两个例子来对比,直接 New 对象和使用 sync.Pool 池化对象。

func BenchmarkPooledObject(b *testing.B) {
 b.RunParallel(func(pb *testing.PB) {
  for pb.Next() {
   object := pool.Get().(*MyObject)
   Consume(object)
   // 用完了放回对象池
   object.Reset()
   pool.Put(object)
  }
 })
}

func BenchmarkNewObject(b *testing.B) {
 b.RunParallel(func(pb *testing.PB) {
  for pb.Next() {
   object := &MyObject{
    Name: "hello",
    Age:  2,
   }
   Consume(object)
  }
 })
}

当时是这些测试参数

go test -bench=. -cpu=4 -count=2 -benchtime=10s

跑出了如下结果,似乎还是直接 New 对象更快,这和理论不符合啊!

BenchmarkPooledObject-4         1000000000               6.25 ns/op
BenchmarkNewObject-4            1000000000               0.374 ns/op

于是就想,是不是我测试的方法哪里不太对?

池化技术能减少对象的创建、销毁的消耗,有很大一部分得益于减少 GC 次数,是不是我这只跑了10s,还没开始 GC ?

于是我查了下,什么时候 Go 会触发 GC,得到了如下的答案:

  1. 主动调用​​runtime.GC​​ 来触发
  2. 被动触发,分为两种:
  • 超过2分钟没有触发,则强制触发 GC
  • 内存增长达到一定比例,触发 GC,比如初始化堆大小为4MB,当增长 25%时,即5MB 时触发一次GC

显然主动触发不合适,被动触发没法确认增长比例,那只能依靠2分钟强制触发 GC 来达到目的了,于是我把基础测试的时间加长,改成了  ​​-benchtime=150s​​。

执行后,就去泡了杯茶,上了个厕所...过了很久,终于执行完了,结果却是这样的结局:

*** Test killed with quit: ran too long (11m0s).

执行失败了,而且还执行了11分钟~

我搜索了下这个报错,网上说的是,Go 的单元测试和 Benchmark 都有超时时间,默认是10分钟,可以通过 ​​-timeout​​ 来修改。

但这不是重点,重点是为啥我设置了150s,却执行了11分钟?

我好像发现了一个Go的Bug?-鸿蒙开发者社区

源码之下没有秘密

直觉告诉我这事不简单,要么是我错了,要么是 Go 错了~ 幸好 Go 是开源的,源码之下没有秘密。

通过 Debug 和代码查阅后,先是找到了这段代码

func (b *B) runN(n int) {
 benchmarkLock.Lock()
 defer benchmarkLock.Unlock()
 defer b.runCleanup(normalPanic)
 // 注意看这里,帮我们GC了
 runtime.GC()
 b.raceErrors = -race.Errors()
 b.N = n
 b.parallelism = 1
 // 重置计时器
 b.ResetTimer()
 // 开始计时
 b.StartTimer()
 // 执行 benchmark 方法 
 b.benchFunc(b)
 // 停止计时
 b.StopTimer()
 b.previousN = n
 b.previousDuration = b.duration
 b.raceErrors += race.Errors()
 if b.raceErrors > 0 {
  b.Errorf("race detected during execution of benchmark")
 }
}

这段代码是在执行一次我们定义的 Benchmark 方法,n 就是传入到我们定义方法参数的 ​​*testing.B​​​ 结构中的一个属性。而且它计算的时间也非常合理,只计算了执行我们定义方法的时间,也就是 ​​-benchtime​​ 的时间只是函数执行的时间,Benchmark 框架的耗时不计算在内。

更合理的是,框架在执行方法前,还帮我们触发了一次 GC,也就是说,只有我们的函数在执行的时候产生的内存垃圾才算到我们的 Benchmark 时间中,非常严谨。

但这跟我们的执行失败毫无关系~

但从一个侧面来说,Benchmark 执行的总时间一定是大于 ​​-benchtime​​ 设置的时间的。

真的是这样吗?我做了两组实验,就打破了这个规律:

go test -bench=. -cpu=4 -count=1 -benchtime=5s
 
BenchmarkPooledObject-4         793896368                7.65 ns/op
BenchmarkNewObject-4            1000000000               0.378 ns/op
PASS
ok      all-in-one/go-in-one/samples/object_pool        7.890s

go test -bench=. -cpu=4 -count=1 -benchtime=10s

BenchmarkPooledObject-4         1000000000               7.16 ns/op
BenchmarkNewObject-4            1000000000               0.376 ns/op
PASS
ok      all-in-one/go-in-one/samples/object_pool        8.508s

第二组设置了执行 10s,但总的测试时间只有8.508s,很奇怪,更奇怪的是测试结果的第二列执行次数,他们居然都是 1000000000,这么巧吗?

带着疑问,找到了 Benchmark 的这段核心代码:

func (b *B) launch() {
   ...
 // 标注①
 if b.benchTime.n > 0 {
  // We already ran a single iteration in run1.
  // If -benchtime=1x was requested, use that result.
  if b.benchTime.n > 1 {
   b.runN(b.benchTime.n)
  }
 } else {
  d := b.benchTime.d
   // 标注②
  for n := int64(1); !b.failed && b.duration < d && n < 1e9; {
   last := n
   goalns := d.Nanoseconds()
   prevIters := int64(b.N)
   prevns := b.duration.Nanoseconds()
   if prevns <= 0 {
    prevns = 1
   }
    // 标注③
   n = goalns * prevIters / prevns
   // Run more iterations than we think we'll need (1.2x).
   // 标注④
   n += n / 5
   // Don't grow too fast in case we had timing errors previously.
   // 标注⑤
   n = min(n, 100*last)
   // Be sure to run at least one more than last time.
   // 标注⑥
   n = max(n, last+1)
   // Don't run more than 1e9 times. (This also keeps n in int range on 32 bit platforms.)
   // 标注⑦
   n = min(n, 1e9)
   // 标注⑧
   b.runN(int(n))
  }
 }
 b.result = BenchmarkResult{b.N, b.duration, b.bytes, b.netAllocs, b.netBytes, b.extra}
}

核心都标了序号,这里来解释下:

标注①:Go 的 Benchmark 执行两种传参,执行次数和执行时间限制,我用的是执行时间,也可以用 ​​-benchtime=1000x​​来表示需要测试1000次。

标注②:这里是当设置了执行时间限制时,判断时间是否足够的条件,可以看到除了时间的判断外,还有 ​​n < 1e9​​​ 的限制,也就是最多执行次数是 ​​1e9​​,也就是 1000000000,这解释了上面的一个困惑,为啥执行时间还比设置的 benchtime 小。因为 Go 限制了最大执行次数为 1e9,并不是设置多少就是多少,还有个上限。

标注③到⑧: Go 是如何知道 n 取多少时,时间刚好符合我们设置的 ​​benchtime​​?答案是试探!

n 从1 开始试探,执行1次后,根据执行时间来估算 n。​​n = goalns * prevIters / prevns​​,这就是估算公式,goalns 是设置的执行时间(单位纳秒),prevIters 是上次执行次数,prevns 是上一次执行时间(纳秒)

根据上次执行的时间和目标设定的执行总时间,计算出需要执行的次数,大概是这样吧:

​目标执行次数 = 执行目标时间 / (上次执行时间 / 上次执行次数)​

化简下得到:

​目标执行次数 = 执行目标时间 * 上次执行次数 / 上次执行时间​​,这不就是上面那个公式~

目标执行次数 n 的计算,源码中还做了一些其他处理:

  • 标注④:让实际执行次数大概是目标执行次数的​​1.2​​倍,万一达不到目标时间不是有点尴尬?索性多跑一会
  • 标注⑤:也不能让 n 增长的太快了,设置个最大增长幅度为100倍,当 n 增长太快时,被测试方法一定是执行时间很短,误差可能较大,缓慢增长好测出真实的水平
  • 标注⑥:n 不能原地踏步,怎么也得+1
  • 标注⑦:n 得设置个 1e9 的上限,这是为了在32位系统上不要溢出

Go Benchmark 的执行原理大致摸清了,但我们要的答案还未浮出水面。

接着我对 Benchmark 进行了断点调试。

首先是 ​​-benchtime=10s​

发现 n 的试探增长是 1,100,10000,1000000,100000000,1000000000,最终 n 是 1000000000

这说明我们的执行方法耗时很短,执行次数达到了上限。

再看​​-benchtime=150s​​,开始还挺正常:

n 增长是 1,100,10000,1000000,100000000,但后一个出现了问题:

我好像发现了一个Go的Bug?-鸿蒙开发者社区

n 居然变成了负数!显然这是溢出了。

n = goalns * prevIters / prevns 这个公式,在目标执行时间(goalns)很大,测试方法执行时间(prevns)很短时,会导致 n 溢出!

溢出有什么后果呢?

后面的 ​​n = min(n, 100*last)​​​ 永远等于 100000000 了,但还有 ​​n = max(n, last+1)​​ 保证,所以 n 还是在增加,不过很慢,每次都只 +1,所以后续试探的 n 序列为 100000001,100000002,100000003....

这就导致了 n 很难达到 1e9 的上限,而且总的执行耗时也很难达到设定的预期时间,所以测试程序会一直跑~直到超时!

这大概是一个Bug吧?

写这段 Benchamrk 逻辑的作者加入了这个 1e9 的执行次数上限,考虑了溢出,但没有考虑 n 在计算过程中的溢出情况。

我觉得这应该是一个 Bug,但不能完全确定。

网上没有找到相关的 Bug 报告,于是去给 Go 官方提了 issue 和相应的修复代码,由于 Go 的开发流程比较复杂和漫长,所以在本文发表时,官方并没有明确表明这是 Bug 还是其他。

如果后续官方有回复或其他变故,我再来告诉大家~



文章转载自公众号:捉虫大师

标签
已于2022-10-25 11:54:11修改
收藏
回复
举报
回复
    相关推荐