go/node/python 多进程与多核cpu

node

node单线程，没有并发，但是可以利用cluster进行多cpu的利用。cluster是基于child_process的封装，帮你做了创建子进程，负载均衡，IPC的封装。

const cluster = require('cluster');
const http = require('http');

if (cluster.isMaster) {

  let numReqs = 0;
  setInterval(() => {
    console.log(`numReqs = ${numReqs}`);
  }, 1000);

  function messageHandler(msg) {
    if (msg.cmd && msg.cmd === 'notifyRequest') {
      numReqs += 1;
    }
  }

  const numCPUs = require('os').cpus().length;
  for (let i = 0; i < numCPUs; i++) {
    cluster.fork();
  }

  for (const id in cluster.workers) {
    cluster.workers[id].on('message', messageHandler);
  }

} else {

  // Worker processes have a http server.
  http.Server((req, res) => {
    res.writeHead(200);
    res.end('hello world
');

    process.send({ cmd: 'notifyRequest' });
  }).listen(8000);
}

我们通过cluster.fork()来创造几个子进程，让子进程来替我们工作。在fork的时候会传一个参数到子进程，cluster.isMaster就是根据有没有这个参数判断的。
如果是子进程就起一个server。
每个子进程都会绑定到8000端口，这不会引起端口占用吗？
答案是不会，因为listen并不会真的监听到8000端口，它会通过IPC把子进程的消息传到主进程，主进程会创建服务器，然后调用子进程的回调。
在子进程的回调中：子进程会根据主进程是否返回handle句柄来执行下一步的操作，如果没有handle句柄，说明在负载均衡的策略没有选中本进程。那么就自己造一个handle对象返回。
那自己造个对象怎么返回请求呢？
请求到主进程，主进程会分发请求，处理到该请求的子进程会通过IPC与主进程通信，这样就完成了一个请求的响应。

通过cluster完成单机器的负载均衡，那么多机器呢？还是得用nginx。

node & pm2

pm2 是node的进程管理工具，它封装了cluster，可以通过命令行来创建多个进程来处理。

写个config文件：
app.json

{
    "name"        : "app",
    "script"      : "src/main.js",
    "watch"       : true,
    "merge_logs"  : true,
    "instances"   : "max", // 使用cluster
    "error_file" : "./log/error.log",
    "out_file"   : "./log/asccess.log",
    "pid_file"   : "./log/pid.pid",
    "cwd"         : "./",
    "max_restarts" : 10, 
    "min_uptime": "10s",
    "env": {
        "NODE_ENV": "development",
        "BABEL_ENV": "node"
    },
    "env_prod" : {
        "NODE_ENV": "production"
    }
}

pm2 start app.json

也可以不写配置文件直接写pm2 start -i 4 --name server index.js
开启4个instance。

通过参数开启多个子进程，而不需要修改我们的业务代码。

go

go也是非阻塞io，Golang默认所有的任务都在一个cpu核里，如果想使用多核来跑goroutine的任务，需要配置runtime.GOMAXPROCS。
自从Go 1.5开始， Go的GOMAXPROCS默认值已经设置为 CPU的核数，我们不用手动设置这个参数。
我们先说说go的并发。
go本身就可以通过go关键字来进行并发操作。go关键字创建的并发单元在go中叫goroutine。
比如：

 package main
 
  import (
      "fmt"
      "time"，
   //   "runtime" 
  )
func main() {
    go func(){
        fmt.Println("123")
    }()

     go func(){
        fmt.Println("456")
    }()
   // runtime.Gosched()
    fmt.Println("789")
    time.Sleep(time.Second)
}

会打印789 ，123，456，或者 780，456，123。
在主线程开始就通过go字段开启了2个goroutine，两个goroutine的执行顺序不确定。
如果当前goroutine发生阻塞，它就会让出CPU给其他goroutine。
如果当前goroutine不发生阻塞，一直在执行，那么什么时候执行其他goroutine就看go调度器的处理了。

不过go提供runtime.Gosched()来达到让出CPU资源效果的函数，当然不是不执行，会在之后的某个时间段执行。如果把注释去掉，789就会最后执行。

单核的时候其实goroutine并不是真的“并行”，goroutine都在一个线程里，它们之间通过不停的让出时间片轮流运行，达到类似并行的效果。
如果我在123，或者456之前加 time.Sleep(time.Second)。那么CPU的资源又会转让回主进程。

当一个goroutine发生阻塞，Go会自动地把与该goroutine处于同一系统线程的其他goroutines转移到另一个系统线程上去，以使这些goroutines不阻塞，主线程返回的时候goroutines又进入runqueue

下面这段代码：

import (
    "fmt"
    "runtime"
)

var quit chan int = make(chan int)

func loop() {
    for i := 0; i < 100; i++ { //为了观察，跑多些
        fmt.Printf("%d ", i)
    }
    quit <- 0
}

func main() {
    runtime.GOMAXPROCS(1)

    go loop()
    go loop()

    for i := 0; i < 2; i++ {
        <-quit
    }
}

会打印什么呢？
runtime.GOMAXPROCS(2)改成双核cpu，又会打印什么呢？
我们能看到，双核cpu的时候，goroutine会真正的并发执行而不是并行。他们会抢占式的执行。

参考https://studygolang.com/articles/1661

python

python是有多线程的，但是python有gil影响了他的多cpu利用。
GIL是CPython中特有的全局解释器锁
这把锁在解释器进程中是全局有效的，它主要锁定Python线程的CPU执行资源。
想要执行多核的进程需要满足2个条件

1. 被操作系统调度出来【操作系统允许它占用CPU】
2. 获取到GIL【CPython解释器允许它执行指令】

python在单核cpu上执行没有问题，这个线程总能获得gil，但是在多核的时候，线程会出现竞争，GIL只能同时被一个线程申请到，没申请到的就会被阻塞，就会一直处于闲置状态。
到线程切换时间然后睡眠，被唤醒之后获取gil又失败，恶性循环。

特别是计算型线程，会一直持有gil。

GIL 可以被 C 扩展释放，Python 标准库会在每次 I/O 阻塞结束后释放 GIL，因此 GIL 不会对 I/O 服务器产生很大的性能影响。因此你可以 fork 进程或者创建多线程来创建网络服务器处理异步 I/O，GIL 在这种情况下并没有影响。

解决方案：

1. 使用python3.4或更高版本（对GIL机制进行了优化）
2. 使用多进程替换多线程（多进程之间没有GIL，但是进程本身的资源消耗较多）
3. 指定cpu运行线程（使用affinity模块）
4. 全IO密集型任务时使用多线程
5. 协程 （gevent模块）

Python 3.2开始使用新的GIL。新的GIL实现中用一个固定的超时时间来指示当前的线程放弃全局锁。在当前线程保持这个锁，且其他线程请求这个锁时，当前线程就会在5毫秒后被强制释放该锁。

总结

node是没有多线程的利用的，只能用多进程来利用多核cpu，python因为gil的问题，也没法完全利用多线程，但是有一些神奇的方案可以利用比如指定cpu运行。
go的实现是比较好的，毕竟是后来的语言，可以多核跑协程，来利用cpu