【導讀】本文介紹了 Go 移步任務隊列的實現。

在一些常見的場景中，如果遇到了某些請求特別耗時間，為了不影響其它用戶的請求以及節約服務器資源，我們通常會考慮使用異步任務隊列去解決，這樣可以快速地處理請求、只返回給用戶任務創建結果，等待任務完成之后，我們再告知用戶任務的完成情況。

對于 Golang，我們可以通過 Worker pool 異步處理任務，在大多數情況下，如果不在意數據丟失以及服務器性能足夠，我們就沒有必要考慮別的方案，畢竟這樣實現非常簡單。

接下來我們先來說說如何用 Worker pool 解決異步任務的問題。

Worker pool

Worker pool，也有叫做 Goroutine pool 的，都是指用 Go channel 以及 Goroutine 來實現的任務隊列。Go channel 本質上就是一個隊列，因此用作任務隊列是很自然的。

在我們不用 Go channel 的時候，我們也許會使用這樣的方式來處理異步任務：

fori:=0;i100;i++{
gofunc(){
//processjob
}()
}

這樣的方式是不推薦的，因為在請求量到達一定程度，系統處理不過來的時候，會造成 Goroutine 的爆炸，拖慢整個系統的運行，甚至程序的崩潰，數據也就完全丟失了。

如果我們用簡單的方式，可以看看接下來的例子：一個發送者（也叫做生產者），一個接受者（也叫做消費者，或者 Worker）：

typeJobstruct{...}
jobChan:=make(chanJob)
quit:=make(chanbool)
gofunc(){
select{
casejob:=<-jobChan:
???case<-?quit:
???return
}
}()

fori:=0;i100;i++{
jobChan<-?Job{...}
}
close(jobChan)
quit<-?true

如果 Worker 不夠，我們可以增加，這樣可以并行處理任務：

fori:=0;i10;i++{
gofunc(){
forjob:=rangejobChan{
//processjob
}
}()
}

這樣，一個非常簡單的 Worker pool 就完成了，只是，它對任務的處理還會有問題，比如無法設置超時、無法處理 panic 錯誤等。

實際上，目前已經有很多的開源庫可以幫你實現了，以worker pool為關鍵詞在 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，它們的缺點呢？

很明顯，它們的缺點就在于缺乏管理，可以說是完全不管任務的結果，即使我們加日志輸出也只是為了簡單監控，更要命的就是進程重啟的時候，比如進程掛了，或者程序更新，都會導致數據丟失，畢竟生產者與消費者在一個進程中的時候，會互相影響（搶占 CPU 與內存資源）。因此前面我也說了，在不管這兩個問題的時候，可以考慮用。

如果數據很重要（實際上，我認為用戶上傳的業務數據都重要，不能丟失），為了解決這些問題，我們必須換一種解決方案。

分布式異步任務隊列

接下來再說說異步的分布式任務隊列，要用到這個工具的時候，我們大致有以下幾個需求：

• 分布式：生產者與消費者隔離；
• 數據持久化：在程序重啟的時候，不丟失已有的數據；
• 任務重試：會有任務偶然失敗的場景，重試是最簡單的方式，但需要保證任務的執行時是冪等的；
• 任務延時：延遲執行，比如 5 分鐘后給用戶發紅包；
• 任務結果的臨時存儲，可用于儲存；
• 任務處理情況監控：及時發現任務執行出錯情況；

對于 Python 來說，有個大名鼎鼎的 Celery(https://github.com/celery/celery)，它完全包含上面的功能。它包含兩個比較重要的組件：一個是消息隊列，比如 Redis/RabbitMQ 等，Celery中叫做Broker，然后還需要有數據庫，用于存儲任務狀態，叫做Result Backend。

顯然對于 Go 也有很多不錯的開源庫，其中一個學 Celery 的是 Machinery(github.com/RichardKnop/machinery)，它目前能滿足大部分需求，而且一直在積極維護，也是我們團隊目前在用的。

它目前支持的 Broker 有 AMQP(RabbitMQ)、Redis、AWS SQS、GCP Pub/Sub，目前對國內同行來說，RabbitMQ 或者 Redis 會相對比較合適。

另外它還支持幾個高級用法：

1. Groups：允許你定義多個并行的任務，在最后取任務結果的時候，可以一起返回；
2. Chords：允許你定義一個回調任務，在 Group 任務執行完畢后執行對應的回調任務；
3. Chains：允許你定義串行執行的任務，任務將會被串行執行；

說了優點，再說說它的缺點：

1. 任務監控支持不夠，目前只有分布式追蹤 opentracing 的支持，假如我要使用 prometheus，會比較困難，它的自定義錯誤處理過于簡單，連上下文都不給你；
2. 傳入的參數目前只支持非常簡單的參數，不支持 struct、map，還得定義參數的類型，這樣的方式會將這個庫限制在 Golang 世界中，而無法拓展適用于其它語言；

P.S.

其實對于 Goroutine 的方案，在以下兩種情況下，可以考慮使用：

1. 必須同步返回給用戶請求結果；
2. 服務器資源足夠，僅僅用 Worker pool 就能降低請求的響應時長到可接受范圍；

這兩種方案都會返回請求結果，失敗的情況下靠客戶端重新請求來解決數據丟失的問題。