转自 gaio小记
[问题的提出] (https://github.com/golang/go/issues/15735)
此链接是集中讨论这个问题的github issue。
使用golang开发一个网络服务器，通常的流程是：
1.创建一个net.Listener。
2.从net.Listener去Accept得到一个net.Conn。
3.go func(net.Conn)开启两个独立的goroutine去分别处理读写。
4.分别在reader goroutine和writer goroutine 中，分配一个4KB的buffer，用于收发数据。
这是golang服务器开发的标准阻塞模型，从服务器端的负载角度而言， 在连接数很低的时候，阻塞模型能带来大量的开发便利，降低心智成本。
但在承载大量链接的时候，阻塞模型的缺陷就很明显了，
例如对于一个接入10K个链接的服务器，我们可以计算一下其基本的内存开销为：
10K *(4KB读+4KB写+2KB reader stack+ 2KB writer stack) = 120MB
虽然服务器有大量内存，但这个内存用量需要将golang做到嵌入式系统时就非常困难。
这还不包括20K个goroutine运行队列管理和调度的开销，
例如，对于大量的短消息，几十个字节，或一两百字节，goroutine上下文切换成本会高于数据的处理成本，
例如消息转发场景 ，
这种情况是完全没有必要进行20K goroutine之间的 执行上下文切换的（CPU执行路径的频繁改变）。
如果采用非阻塞+Reactor，或非阻塞+Proactor方式。那么我们可以做到：
仅仅在某个net.Conn有数据的的时候，我们才去分配这个4KB的Read buffer，或者预先全局只分配一个4KB Buffer，顺序去对所有可读(EPOLLIN)的链接进行Read操作，
由于所有链接都可重用这个Buffer，这样即可省掉 10K*(4KB buffer + 2KB stack) = 60MB 内存。（注意，使用全局内存是牺牲并行处理代价的。）
goroutine上下文切换成本的控制和内存控制，是gaio的开发初衷，用于解决高并发下，尤其是有大量小包交换时的网络接入。
选型
采用reactor还是proactor更适合golang做网络服务器开发呢？
市场的同类寥寥无几，调查了github star最高的evio 后，
总结出reactor模式在golang开发中的存在根本缺陷，对于evio这样一种数据处理模型，存在以下几个问题:
//evio 模型代码
events.Data = func(c evio.Conn, in []byte) (out []byte, action evio.Action) {
out = in
return
}
1.始于EPOLLIN事件的数据处理流水线
由于不得不及时接收（不接收会阻塞所有socket接收），
会导致数据接收部分过分争夺计算资源（调度），或内存资源，缺乏根据实际服务器负载状况的反向传导机制。
期望：可控的CPU资源分配，在高业务负载的时候也调整接收速度。
2.缺乏对独立流的Backpressure机制:
evio epoll的level trigger是探测整体的可读状态，
如果出现可读但不读取，那么epoll会反复告知应用有数据可读，导致CPU满载。
于是：不能通过不读取socket，引导流控反向传导，选择性的让某个链接降低发送速度，或者暂停发送。
期望：可控的收取，服务器业务逻辑去决定下一次收取什么数据，不收取什么数据。
3.失控的外传数据:
由于Reactor的模式是有数据必须读取，读取后需要有数据返回给客户端，就必定会产生持续的外传数据。
在带宽速率不匹配的时候，例如大水管A通过evio中转流向小水管B，累积的待发送数据必然会导致out-of-memory。
另一种情况是，某用户突然拔网线，但数据一直产生，也会导致OOM。
期望：完全可控的内存，写操作如果出现阻塞，则反向传导给读操作暂停。
4.侵入型设计：
必须用第三方库提供的数据收发API，完全脱离golang.org/pkg/net，需要较多时间学习API具体使用细则。
期望：有机结合golang.org/pkg/net，简化API学习成本
特性
针对以上三个问题(选型 1,2,3)，
gaio选择采用proactor方式实现， 内部只包含三种主要函数：
Read(ctx interface{}, conn net.Conn, buf []byte) error // 提交一个读取请求
Write(ctx interface{}, conn net.Conn, buf []byte) error // 提交一个发送请求
WaitIO() (r OpResult, err error) // 等待任意请求完成
用户在原有阻塞模式下使用的net.Conn，如listener.Accept之后的链接可以直接在gaio中使用，
或者你可以先按原有阻塞模型使用net.Conn(例如处理头部，握手)，需要时再把net.Conn托管在gaio中使用
（注意反向不成立，在gaio中使用后的net.Conn，不能继续按照原有conn.Read/Write方式使用）。
简单来说，gaio的开发模式就是提交请求，等待结果，读写完全受控于业务逻辑。
#### 为什么采用proactor就没有上面reactor模式的问题呢？
比如：服务器在进行CPU密集计算时，核心逻辑会被迫延缓提交读取数据的请求，
由于socket buffer的写满，并结合TCP的滑动窗口控制，会将压力反向传导给发送端，
让其降低或暂停数据的发送，直至计算结束，负载降低后，用户的核心控制逻辑才会再次提交读取请求，让数据继续流入服务器。
关于第二点的独立流问题，例如服务器需要从三处获得数据，才能进行一次合并计算，
那么在Proactor模式中，某一处的数据接收到后，就可暂停提交此处链接的读取请求，直到其他两处的数据接收完毕并进行合并计算完成后，再发起下一次从三处读取的读取请求，就不会出现数据无限制流入服务器的情况。
另外，由于gaio采用的是Edge-Triggering模式，暂停读取后，事件循环逻辑也不会无休止的报告有可用数据。
同样，基于Proactor的设计模型，我们并不会持续产生发送数据，并把外传数据堆积到待发送缓冲区内，我们只需要一次处理一点，比如读取n-bytes输，产生m-bytes输出，如果出现超时、阻塞、异常，就能及时停止提交读取请求。
设计难点
1.串号问题
对于gaio库而言，net.Conn是一个外部对象，这个外部对象由用户产生，则用户可以对这个net.Conn做任何事情，
例如，被用户conn.Close()掉，被用户设置各种Deadline，
如果我们的epoll/kqueue对于事件的观察是基于net.Conn内部的fd，那么我们就必定会错过close(fd)的事件。
因为fd被close后，是无法被epoll_wait/kqueue得知的(file description被内核删除)。
更坏的一个情况是，
假设我们当前处理队列中net.Conn的sockfd = 5，库外部用户执行conn.Close()关闭连接，再从listener.Accept()得到新的net.Conn，
那极有可能会得到一个拥有相同sockfd=5的文件描述符，
此时，恰好我们的gaio正准备处理上一个sockfd=5的可读事件。就会导致读数据的混乱，从一个 conn串到另一个conn。（file descriptor的事件处理缺乏一致性。）
在不牺牲简洁性的前提下，用户在首次提交net.Conn异步调用的时候，对sockfd进行dup()处理，并关闭原有fd（注意TCP会话并不会被关闭。)，
这样就能得到一个全生命周期一致可控的sockfd，串号问题解决。
2.资源释放问题
当异步读写请求队列为空时，假如远端已经关闭连接，出现实际的EOF，
注意：
EOF是通过读取到0个字节，而不是epoll_wait返回EPOLLHUP/EPOLLERR来表示的，
对于TCP FIN这种情况， epoll只会告知用户EPOLLIN事件（而非EPOLLHUP)。
我们没有任何办法通过预先判断是不是EOF去释放相关资源（例如清空队列，解除绑定，关闭socket fd)，
除非通过syscall.Read系统调用去真正的读一点数据。然而此刻，读取请求队列为空。
如果我们内部开一个buffer在每一次EPOLLIN的时候去预先读取一个字节，并判断返回值是否为0呢？
因为无法判断是不是EOF，
如果不是，这个缓存必然累积到内部buffer，产生和reactor一样的问题，数据不受控的流入。
如果用Recvmsg，并结合MSG_PEEK标志进行读取呢?
我们同样需要在请求队列为空的时候，产生额外的系统调用，性能上非常不划算。
gaio对net.Conn采用的资源释放方式是混合的，
在队列存在请求的时候，请求直接进行读写并会返回错误给用户，在用户发现错误后，可以通过Free(net.conn)去立即释放和这个链接有关的资源。
其次，初次提交请求的时候，net.Conn会被gaio设置一个Finalizer, 整个系统在没有任何待读写请求，也没有任何外部对象持有此net.Conn的时候，会被GC调用，并释放资源，
基于此，gaio内部除了读写请求队列，不会有其他任何地方持有net.Conn对象，仅用对象指针对应。
读写请求队列内部持有net.Conn对象的好处是，在有请求的时候，不会被系统异常GC掉net.Conn，
net.Conn可以通过不断的异步读写请求保证始终有一处（不管是队列，还是用户需要下一次提交）持有net.Conn，
用户不需要单独的数据结构去持有和管理net.Conn.
runtime.SetFinalizer(pcb.conn, func(c net.Conn) {
w.gcMutex.Lock()
w.gc = append(w.gc, c)
w.gcMutex.Unlock()
// notify gc processor
select {
case w.gcNotify <- struct{}{}:
default:
}
})
相同的释放逻辑在Watcher同样成立，
file descriptor的释放问题是整个库的核心问题，Watcher的内部poller的epoll/kqueue fd，事件触发eventfd，以及所有的connection fd，都需要正确无误的释放，
在异步环境下要做到不能串号（老请求读到了新fd）。Watcher的释放需要利用对象释放的技巧，如下：
// Watcher will monitor events and process async-io request(s),
type Watcher struct {
// a wrapper for watcher for gc purpose
*watcher // CORE
}
// watcher finalizer for system resources
wrapper := &Watcher{watcher: w}
runtime.SetFinalizer(wrapper, func(wrapper *Watcher) {
wrapper.Close()
})
因为Watcher内部存在loop goroutine始终持有watcher对象，是无法触发系统GC的，
因此外部调用者需要持有一个独立对象(Watcher)去引用内部对象(*watcher)，
在外部持有对象消失后，GC调用close(chan)去触发goroutine的关闭，并完成资源释放。
3.小包的上下文切换成本
监听到可读取事件，执行上下文切换到具体goroutine，并执行读取。
如果反复执行这种操作，大量的CPU时间会浪费在切换成本自身消耗，
在不牺牲代码可读性的前提下，gaio采取平摊法，如果产生大量的小包可读写事件，事件是按批投递到读写任务的。
即一个goroutine一次上下文切换会处理一堆可读写事件。
type pollerEvents []event
基于调度的平摊方法，对于大量小包的TCP连接非常受益，
例如，聊天消息，游戏报文（通常很小），网络维护报文。
谢谢！
（全文完）