对于性能测试来讲，使用编程语言实现性能测试用例的核心就是并发编程，也就是同时执行多个测试用例，以模拟真实的负载情况。并发编程可以有效地提高测试效率，可以更快地发现系统中的瓶颈和性能问题。在实现并发编程时，需要考虑线程的同步和互斥，以确保测试结果的正确性和可靠性。此外，还需要考虑如何分配和管理资源，以避免资源竞争和浪费。

之前已经使用了Java实现，最近在计划使用Go语言实现一些新的压测功能的开发，这其中肯定也少不了使用到线程池（Go中协程池）。虽然Go语言协程已经非常强大了，很多情况下，我们可以直接使用go关键字直接创建协程去执行任务。但是在任务调度和负载保护的场景中，还是有所欠缺。所以在参考了Java线程池实现类java.util.concurrent.ThreadPoolExecutor自己实现了一个包含等待队列、调度以及等待队列任务完成的协程池。

PS：文中若在Go语言语境中出现线程，均指协程。

ThreadPoolExecutor分析

首先我们看看java.util.concurrent.ThreadPoolExecutor的实现中几个比较重要的功能点，然后简单介绍实现逻辑。下面是构造方法：

/**
     * Creates a new {@code ThreadPoolExecutor} with the given initial
     * parameters.
     *
     * @param corePoolSize the number of threads to keep in the pool, even
     *        if they are idle, unless {@code allowCoreThreadTimeOut} is set
     * @param maximumPoolSize the maximum number of threads to allow in the
     *        pool
     * @param keepAliveTime when the number of threads is greater than
     *        the core, this is the maximum time that excess idle threads
     *        will wait for new tasks before terminating.
     * @param unit the time unit for the {@code keepAliveTime} argument
     * @param workQueue the queue to use for holding tasks before they are
     *        executed.  This queue will hold only the {@code Runnable}
     *        tasks submitted by the {@code execute} method.
     * @param threadFactory the factory to use when the executor
     *        creates a new thread
     * @param handler the handler to use when execution is blocked
     *        because the thread bounds and queue capacities are reached
     * @throws IllegalArgumentException if one of the following holds:
     *         {@code corePoolSize < 0} * {@code keepAliveTime < 0} * {@code maximumPoolSize <= 0} * {@code maximumPoolSize < corePoolSize} * @throws NullPointerException if {@code workQueue}
     *         or {@code threadFactory} or {@code handler} is null
     */ public ThreadPoolExecutor(int corePoolSize, int maximumPoolSize, long keepAliveTime,
                              TimeUnit unit,
                              BlockingQueue workQueue,
                              ThreadFactory threadFactory,
                              RejectedExecutionHandler handler) {
    } 

这里我省略了具体实现，我们看到参数：

1. 核心线程数、最大线程数，这两个用来管理线程池的数量。
2. 最大空闲时间，时间单位，这俩组合起来回收空闲线程。
3. workQueue，用例暂存任务
4. 线程工厂和拒绝策略，这俩用处少，忽略。（Go协程池也没有设计这俩） 下面就要祭出个人原创画作：

这里我借鉴了 动态修改coreThread线程池拓展的思路，不再依靠任务队列是否已满来作为增加线程池线程数的依据。除了依赖等待队列的数量以外，还提供单独的API（这一点跟java.util.concurrent.ThreadPoolExecutor是一样的）。

协程池属性设计

我从Java抄来两个属性：核心数，最大数。其中核心数在协程池自己管理中收到最大值的限制，在使用API时不受限制。

同样的，我抄来一个等待队列的概念，使用chan func() taskType实现，taskType用来区分是普通任务还是具有管理效果的任务（目前只有减少协程数管理事件，自增事件通过单独的协程实现）

超时时间，这个必不可少，庆幸的是Go在这方面比较灵活，我抄了一个简单Demo实现。

我增加了活跃协程数（这个在java.util.concurrent.ThreadPoolExecutor也有，但未显式展示），协程池状态（防止main结束导致进程直接结束）。

计数类，收到任务数，执行任务数，用来统计任务执行数量。这个同java.util.concurrent.ThreadPoolExecutor。

协程池实现

struct展示

type GorotinesPool struct {
 Max int Min int tasks chan func() taskType status bool active int32 ReceiveTotal int32 ExecuteTotal int32 addTimeout   time.Duration
} 

事件类型枚举

type taskType int const (
 normal taskType = 0 reduce taskType = 1 ) 

构造方法

这里我选择了直接创建所有核心线程数。

1. 如果复用java.util.concurrent.ThreadPoolExecutor后创建，会功能变得复杂
2. Go语言创建协程资源消耗较低
3. 测试下来，耗时非常低，简单粗暴但是可靠

// GetPool //  @Description: 创建线程池 //  @param max 最大协程数 //  @param min 最小协程数 //  @param maxWaitTask 最大任务等待长度 //  @param timeout 添加任务超时时间，单位s //  @return *GorotinesPool // func GetPool(max, min, maxWaitTask, timeout int) *GorotinesPool {
 p := &GorotinesPool{
  Max:          max,
  Min:          min,
  tasks: make(chan func() taskType, maxWaitTask), status: true,
  active: 0,
  ReceiveTotal: 0,
  ExecuteTotal: 0,
  addTimeout:   time.Duration(timeout) * time.Second,
 } for i := 0; i < min; i++ { atomic.AddInt32(&p.active, 1) go p.worker()
 } go func() { for { if !p.status { break }
   ftool.Sleep(1000)
   p.balance()
  }
 }() return p
} 

管理协程数

主要分成2个：增加和减少，增加比较简单，减少的话，我通过管理事件（taskType）实现，如果需要减少线程数，我就往队列里面添加一个reduce的事件，然后任意一个协程收到之后就终止。后面会分享worker实现。

// AddWorker //  @Description: 添加worker,协程数加1 //  @receiver pool // func (pool *GorotinesPool) AddWorker() {
 atomic.AddInt32(&pool.active, 1) go pool.worker()
} // ReduceWorker //  @Description: 减少worker,协程数减1 //  @receiver pool // func (pool *GorotinesPool) ReduceWorker() {
 atomic.AddInt32(&pool.active, -1)
 pool.tasks <- func() taskType { return reduce
 }
} // balance //  @Description: 平衡活跃协程数 //  @receiver pool // func (pool *GorotinesPool) balance() { if pool.status { if len(pool.tasks) > 0 && pool.active < int32(pool.Max) {
   pool.AddWorker()
  } if len(pool.tasks) == 0 && pool.active > int32(pool.Min) {
   pool.ReduceWorker()
  }
 }
} 

worker

// worker //  @Description: 开始执行协程 //  @receiver pool // func (pool *GorotinesPool) worker() { defer func() { if p := recover(); p != nil {
   log.Printf("execute task fail: %v", p)
  }
 }()
Fun: for t := range pool.tasks {
  atomic.AddInt32(&pool.ExecuteTotal, 1) switch t() { case normal:
   atomic.AddInt32(&pool.active, -1) case reduce: if pool.active > int32(pool.Min) { break Fun
   }
  }
 }
} 

保障任务完成

为了防止进程终止而任务没有完成，我增加了线程池的状态state和等待方法（此方法需要显式调用）。

// Wait //  @Description: 结束等待任务完成 //  @receiver pool // func (pool *GorotinesPool) Wait() {
 pool.status = false Fun: for { if len(pool.tasks) == 0 || pool.active == 0 { break Fun
  }
  ftool.Sleep(1000)
 } defer close(pool.tasks)
 log.Printf("recieve: %d,execute: %d", pool.ReceiveTotal, pool.ExecuteTotal)
} 

执行任务

有了以上的基础，执行就比较简单了。

// Execute //  @Description: 执行任务 //  @receiver pool //  @param t //  @return error // func (pool *GorotinesPool) Execute(t func()) error { if pool.status { select { case pool.tasks <- func() taskType {
   t() return normal
  }:
   atomic.AddInt32(&pool.ReceiveTotal, 1) return nil case <-time.After(pool.addTimeout): return errors.New("add tasks timeout")
  }
 } else { return errors.New("pools is down")
 }
} 

自测

自测用例

func TestPool(t *testing.T) {
 pool := execute.GetPool(1000, 1, 200, 1) for i := 0; i < 3; i++ {
  pool.Execute(func() {
   log.Println(i)
   ftool.Sleep(1000)
  })
 }
 ftool.Sleep(3000)
 pool.Wait()
 log.Printf("T : %d", pool.ExecuteTotal)
 log.Printf("R : %d", pool.ReceiveTotal)
 log.Printf("max : %d", pool.Max)
 log.Printf("min : %d", pool.Min)
} 

下面是自测结果，从39s两个输出可以看出当时实际运行的协程数已经超过1了，协程池自增策略生效了。

2023/06/23 17:21:38 3
2023/06/23 17:21:39 3
2023/06/23 17:21:39 3
2023/06/23 17:21:41 recieve: 3,execute: 3
2023/06/23 17:21:41 T : 3
2023/06/23 17:21:41 R : 3
2023/06/23 17:21:41 max : 1000
2023/06/23 17:21:41 min : 1
--- PASS: TestPool (3.00s) 

本次分享结束，协程池自测之后效果很不错，后面会依据这个协程池的设计进行其他性能测试功能开发。