Golang 的 G-M-P 模型是怎么提升并发性能的

Golang GMP模型：高并发背后的调度艺术

很多人误以为Go的高并发是靠堆砌线程实现的，其实不然。GMP模型的精髓，恰恰在于解耦了Goroutine（G）、OS线程（M）和逻辑处理器（P）三者之间的关系。它让调度器能够动态复用数量有限的OS线程，从而轻松支撑起海量轻量级Goroutine的调度。这才是性能提升的关键。

为什么goroutine创建快、数量多却不压垮系统

秘诀在于“轻量”二字。一个Goroutine的初始栈只有2KB，并且能按需动态扩缩。创建时，它仅仅分配一个结构体和栈头，并不会立即向操作系统申请线程资源。相比之下，一个典型的OS线程默认栈就有1到8MB。所以，一句简单的go func(){}()开销极低。实践中，轻松启动十万个Goroutine也不会触发内存溢出（OOM），但如果换成十万个pthread，系统恐怕早就因为内存和调度器过载而崩溃了。

关键在于，G的生命周期完全由运行时（runtime）管理，并不与特定的M绑定。这意味着：

• 当一个G阻塞时（比如执行ch <- v、time.Sleep或net.Read），它所在的M可以立刻脱身，去执行其他就绪的G，而它原先绑定的P和本地任务队列都不会丢失。
• 即使有大量G处于等待状态，M的数量也不会线性增长。运行时非常“吝啬”，只在真正需要时（例如所有P都有可运行的G，但当前却没有空闲的M可用）才会创建新的M。
• 全局变量runtime.GOMAXPROCS控制的是P的数量（默认等于CPU核心数），它既不限制M的数量，更不限制G的数量上限。

为什么M不固定绑G，却能避免频繁上下文切换

这里需要分清两种切换的代价。M是OS线程，线程间的上下文切换由内核完成，代价高昂。而G是用户态的协程，其切换完全在runtime内部完成，只需要保存和恢复几个寄存器和栈指针，开销微乎其微。

调度器的设计巧妙地利用了这一点：它让每个M尽量从自己绑定的P的本地队列中获取G来执行。这种设计带来了两个显著好处：

立即学习“go语言免费学习笔记（深入）”；

• 本地队列访问无锁，减少了竞争开销。据统计，超过90%的G调度都走这条“快速通道”，效率极高。
• 当某个M的本地队列空了，它不会闲着，而是会去全局队列“捞”任务，或者从其他P的本地队列尾部“偷”走一半的G（这就是著名的work-stealing算法）。这既保证了执行的局部性，又实现了高效的负载均衡。
• 此外，一个名为sysmon的系统监控线程会定期检查，如果发现某个G运行时间过长（默认超过10ms），就会通过栈抢占（stackPreempt）强制将其切走，防止它“饿死”其他G。

系统调用阻塞时，P怎么不被卡住

这是GMP模型区别于传统N:1协程模型的核心优势。在简单的N:1模型中，一旦一个协程发起阻塞式系统调用，整个线程都会被挂起，导致其他协程也无法执行。

而GMP的处理方式则聪明得多：当一个G发起阻塞式系统调用（比如read()）时，它所在的M会与当前绑定的P解绑，P会被释放出来，交给其他空闲的M使用。发起调用的M则会带着这个G，单独进入阻塞状态等待系统调用返回。

调用返回后，情况分为两种：

• 如果此时能立刻找到一个空闲的P，那么这个M就会重新绑定一个P，继续执行刚才的G。
• 如果所有P都处于忙碌状态（拿不到P），那么这个G会被放入全局队列，等待未来任意一个M+P的组合来“捞”走它执行。

整个过程，P始终不会被阻塞，其他M的资源也不会被浪费。所以，即使程序中有上万个G在等待磁盘I/O，CPU依然能够被计算密集型的G跑满，资源利用率极高。

需要警惕的是，runtime.LockOSThread()是一个例外。它会强制将当前G与M绑定，并独占一个P。此时如果G发生长时间阻塞，它所占用的P就彻底“废”了，无法被调度器复用，因此必须谨慎使用。

什么时候GMP反而会拖慢性能

GMP虽好，但并非银弹。在以下几种场景下，如果使用不当，反而可能踩坑：

• 大量短命Goroutine：比如为每个HTTP请求都单独启动一个go handle()，但handle函数内部全是同步计算，瞬间就结束了。这会导致频繁的G创建、销毁和调度，开销可能比直接在当前goroutine中串行执行还要大。
• P的数量设置不当：将GOMAXPROCS设置得远高于物理核心数（比如在64核机器上设为256）。过多的P会导致更频繁的work-stealing和全局队列争抢，反而可能降低整体吞吐量。
• 滥用LockOSThread导致M泄漏：使用了runtime.LockOSThread()却忘记配对调用UnlockOSThread()，会导致M被永久占用。当泄漏的M数量达到runtime.SetMaxThreads设置的上限（默认10000）时，新的G将无法被调度。
• Channel使用成为瓶颈：大量goroutine在同一个channel上进行密集的收发操作，它们会在channel的sudog链表里排队，实际上变成了串行处理。这是程序设计问题，与GMP调度器本身无关。

说到底，真正影响性能的从来不是Goroutine的绝对数量，而是它们的阻塞模式、P之间的负载是否均衡，以及M资源是否被非必要地独占。这些微观细节，往往需要在pprof工具的goroutine和threadcreate性能剖析报告中才能看得真切。