一个GO语言性能问题的发现和解决

这是一篇发现问题、分析问题到解决问题的实操性文章……而且，案例就来自大U同事的切身经历：

事件起因

事情起因于公司一位同事在内部邮件组中post了一个问题，一个使用了go1.8.3写的业务程序跑了一段时间后出现部分goroutine卡在等待一个锁ForkLock的现象，同事认为这是go1.8.3的bug，升级到 go1.10 后没有再重现。为了搞清楚这个事情，同事在 github 上发了 issue ：

https://github.com/golang/go/issues/26836，期间也做了很多重现的尝试，但并未重现。

我浏览了一下出现该问题的业务代码，大概的使用方式是父进程调用os/exec下的Command开子进程执行shell命令。Command后面会调用golang封装的forkExec来开子进程并执行命令，forkExec使用了ForkLock。

问题分析

ForkLock 的存在是为了避免下面的情况：在有多个goroutine同时fork exec的情况下, 为了子进程只继承它需要的文件描述符，需要在父进程在创建这些文件描述符的时候加上O_CLOEXEC标志，这样在子进程中这些描述符是关闭的，子进程按需把自己需要继承的描述符打开即可。

Linux在2.6.27之后，打开文件或者管道，和设置O_CLOEXEC是一个原子操作，因此问题不大，但golang对内核版本的要求是2.6.23及以上，另外Unix系统中，open和设置O_CLOEXEC是两个操作，如果在两个操作之间发生fork, 子进程就可能继承它不需要的文件描述符，因此需要加锁。重点看下forkExec时候的源代码：

从问题的现象看，肯定是某goroutine在forkExecPipe或者forkAndExecInChild这两步卡住了，锁没释放，因此有些goroutine一直拿不到锁，饥饿致死。forkExecPipe最后调用的是内核pipe2,forkAndExecInChild最后调用的是内核clone和exec。

原因猜测

pipe2是一个快速系统调用，因此可能block的系统调用是clone和exec, 加上在go1.10上这个问题没有重现，对比go1.8代码和go1.9在forkAndExecInChild函数上的差异:

• go1.8

• go1.9

go1.9增加了CLONE_VFORK和CLONE_VM 。只带SIGCHILD的clone可以认为类似于fork(最后都是调用do_fork), fork的问题是，在父进程占用内存越大性能越差，具体可以看这个链接：

https://bugzilla.redhat.com/show_bug.cgi?id=682922

这个case 2011年提出，今年7月还在更新，这个case反馈的问题是，尽管Linux kernel 引入copy-on-write机制，但fork的时候依然要拷贝页表项，进程虚拟内存越大，需要拷贝的页表项越多，因此fork越慢。Golang的讨论组有人测试过，heap size在2G的情况下，fork耗时可以到毫秒级别, 正常是及几十微秒，上千倍差距。

Go1.9加上这两个参数是为了让子进程和父进程共享内存，相当于调用vfork, 不需要拷贝页表项, 加快创建速度，从测试效果看，稳定在几十微妙。

所以一个合理的猜测是，在低于go1.9版写的程序中，当程序内存占用足够大，而且创建进程频率足够频繁，会导致ForkLock长时间等待。

实验论证

我用go1.8.3写了一个测试程序，在2核4G的虚拟机(kernel 3.10.0-693.17.1.el7.x86_64)下测试。

在外部每隔10秒，给这个程序发SIGUSR1信号，打印运行时堆栈，运行一段时间后，部分goroutine获取ForkLock的时间越来越长。见下面两图：

而在go1.9及以上版本上并未出现上述情况，这个结果我觉得已经可以说明问题。升级版本到go1.9及以上版本可以解决该问题。

写在最后

vfork是为了解决fork拷贝页表项导致的性能问题, 而且大部分场景fork之后是调用exec，exec要把所有页表删除重置新的页表, 实在没必要再拷贝页表项。但由于vfork父子进程共享内存，所以使用要很小心，如果子进程修改某个变量，会影响到父进程，而且kernel会挂起父进程，让子进程先执行，这些限制基本限制vfork只适合跟exec的场景，不如fork通用。

正因为vfork的使用需要小心，因此go1.9准备加入vfork发布之前，有人提出代码不够健壮，因为rawVforkSyscall返回之后，在父进程段还执行指令，这样子进程有机会破坏双方的共享栈，因此提了一个commit去让rawVforkSyscall在返回后，在父进程段什么都不做直接return，解决这个互相影响，如图所示：

如有兴趣深入了解，可以看下这个commit 的review，Rob Pike等人都有发言。

https://go-review.googlesource.com/c/go/+/46173

更多技术干货，你也可以微信关注“云计算总动员”，我们一起在那里，用云计算改变未来！