当前位置:首页 > 文章列表 > Golang > Go问答 > 限制 Go 例程数量在完全受 CPU 限制的工作负载中是否是必要的?

限制 Go 例程数量在完全受 CPU 限制的工作负载中是否是必要的?

来源:stackoverflow 2024-02-16 21:48:21 0浏览 收藏

编程并不是一个机械性的工作,而是需要有思考,有创新的工作,语法是固定的,但解决问题的思路则是依靠人的思维,这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《限制 Go 例程数量在完全受 CPU 限制的工作负载中是否是必要的?》,文章讲解的知识点主要包括,如果你对Golang方面的知识点感兴趣,就不要错过golang学习网,在这可以对大家的知识积累有所帮助,助力开发能力的提升。

问题内容

如果是,如何确定该最大值?这对我来说是最重要的部分。我真的很想手动设置它。我考虑使用 runtime.GOMAXPROCS(0),因为我怀疑更多的并行性会产生任何额外的好处。该评论似乎表明,它在某个时候被标记为弃用。

据我所知,Go 例程的唯一限制因素是内存,因为休眠的 Go 例程仍然需要其堆栈内存。


正确答案


这并不是绝对必要的。运行这些 goroutine 的线程数默认等于机器上的 CPU 核心数(可通过 GOMAXPROCS 配置),因此不会出现线程级别的争用。

但是,由于内存缓存的影响,准备运行的 goroutine 较少,您可能会获得性能优势。例如,在 8 核机器上,如果您有 1000 个活动 Goroutines,并且都接触大量内存,那么当 Goroutine 再次运行时,所需的内存页面可能已经从 CPU 缓存中逐出。 Goroutine 越少,缓存命中的几率就越高。

与性能问题一样:唯一确定的方法是使用代表性工作负载自行测量。

在我们的测试中,我们确定最好生成固定数量的工作例程并使用它们来执行所有工作。 Goroutine 的创建和销毁是轻量级的,但并非完全没有开销。如果 goroutine 花费一定的时间被阻塞,那么这种开销通常是微不足道的。

今天关于《限制 Go 例程数量在完全受 CPU 限制的工作负载中是否是必要的?》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
取得 Pin 版本 (附带 go get)取得 Pin 版本 (附带 go get)
上一篇
取得 Pin 版本 (附带 go get)
令人惊讶的频道现身
下一篇
令人惊讶的频道现身
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    263次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    312次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    291次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    268次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    83次使用