作者 | luozhiyun    责编 | 张文

来源 | https://www.luozhiyun.com/archives/444

最近在工作中有一个需求，简单来说就是在短时间内会创建上百万个定时任务，创建的时候会将对应的金额相加，防止超售，需要过半个小时再去核对数据，如果数据对不上就需要将加上的金额再减回去。

这个需求如果用 Go 内置的 Timer 来做的话性能比较低下，因为 Timer 是使用最小堆来实现的，创建和删除的时间复杂度都为 O(log n)。如果使用时间轮的话则是 O(1)性能会好很多。

对于时间轮来说，我以前写过一篇 java 版的时间轮算法分析：https://www.luozhiyun.com/archives/59，这次来看看 Go 语言的时间轮实现，顺便大家有兴趣的也可以对比一下两者的区别，以及我写文章的水平和一年多前有没有提升，哈哈哈。

时间轮的运用其实是非常的广泛的，在 Netty、Akka、Quartz、ZooKeeper、Kafka 等组件中都存在时间轮的踪影。下面用 Go 实现的时间轮是以 Kafka 的代码为原型来实现的。

完整代码：https://github.com/devYun/timingwheel。


介绍

简单时间轮

在时间轮中存储任务的是一个环形队列，底层采用数组实现，数组中的每个元素可以存放一个定时任务列表。定时任务列表是一个环形的双向链表，链表中的每一项表示的都是定时任务项，其中封装了真正的定时任务。

时间轮由多个时间格组成，每个时间格代表当前时间轮的基本时间跨度（tickMs）。时间轮的时间格个数是固定的，可用 wheelSize 来表示，那么整个时间轮的总体时间跨度（interval）可以通过公式 tickMs×wheelSize 计算得出。

时间轮还有一个表盘指针（currentTime），用来表示时间轮当前所处的时间，currentTime 是 tickMs 的整数倍。currentTime 指向的地方是表示到期的时间格，表示需要处理的时间格所对应的链表中的所有任务。

如下图是一个 tickMs 为 1s，wheelSize 等于 10 的时间轮，每一格里面放的是一个定时任务链表，链表里面存有真正的任务项：

taskList

初始情况下表盘指针 currentTime 指向时间格0，若时间轮的 tickMs 为 1ms 且 wheelSize 等于10，那么 interval 则等于 10s。如下图此时有一个定时为2s的任务插进来会存放到时间格为 2 的任务链表中，用红色标记。随着时间的不断推移，指针 currentTime 不断向前推进，如果过了 2s，那么  currentTime 会指向时间格 2 的位置，会将此时间格的任务链表获取出来处理。

timewheel

如果当前的指针 currentTime 指向的是 2，此时如果插入一个 9s 的任务进来，那么新来的任务会服用原来的时间格链表，会存放到时间格 1 中

timewheelAdd9S

这里所讲的时间轮都是简单时间轮，只有一层，总体时间范围在 currentTime 和 currentTime+interval 之间。如果现在有一个 15s 的定时任务是需要重新开启一个时间轮，设置一个时间跨度至少为 15s 的时间轮才够用。但是这样扩充是没有底线的，如果需要一个 1 万秒的时间轮，那么就需要一个这么大的数组去存放，不仅占用很大的内存空间，而且也会因为需要遍历这么大的数组从而拉低效率。

因此引入了层级时间轮的概念。

层级时间轮

如图是一个两层的时间轮，第二层时间轮也是由 10 个时间格组成，每个时间格的跨度是 10s。第二层的时间轮的 tickMs 为第一层时间轮的 interval，即 10s。每一层时间轮的 wheelSize 是固定的，都是 10，那么第二层的时间轮的总体时间跨度 interval 为 100s。

图中展示了每个时间格对应的过期时间范围， 我们可以清晰地看到， 第二层时间轮的第 0 个时间格的过期时间范围是 [0,9]。也就是说, 第二层时间轮的一个时间格就可以表示第一层时间轮的所有(10 个)时间格；

如果向该时间轮中添加一个 15s 的任务，那么当第一层时间轮容纳不下时，进入第二层时间轮，并插入到过期时间为[10，19]的时间格中。

timewheellevel2

随着时间的流逝，当原本 15s 的任务还剩下 5s 的时候，这里就有一个时间轮降级的操作，此时第一层时间轮的总体时间跨度已足够，此任务被添加到第一层时间轮到期时间为 5 的时间格中，之后再经历 5s 后，此任务真正到期，最终执行相应的到期操作。


代码实现

因为我们这个 Go 语言版本的时间轮代码是仿照 Kafka 写的，所以在具体实现时间轮 TimingWheel 时还有一些小细节：

  • 时间轮的时间格中每个链表会有一个 root 节点用于简化边界条件。它是一个附加的链表节点，该节点作为第一个节点，它的值域中并不存储任何东西，只是为了操作的方便而引入的；

  • 除了第一层时间轮，其余高层时间轮的起始时间（startMs）都设置为创建此层时间轮时前面第一轮的 currentTime。每一层的 currentTime 都必须是 tickMs 的整数倍，如果不满足则会将 currentTime 修剪为 tickMs 的整数倍。修剪方法为：currentTime = startMs - (startMs % tickMs)；

  • Kafka 中的定时器只需持有 TimingWheel 的第一层时间轮的引用，并不会直接持有其他高层的时间轮，但每一层时间轮都会有一个引用（overflowWheel）指向更高一层的应用；

  • Kafka 中的定时器使用了 DelayQueue 来协助推进时间轮。在操作中会将每个使用到的时间格中每个链表都加入 DelayQueue，DelayQueue 会根据时间轮对应的过期时间 expiration 来排序，最短 expiration 的任务会被排在 DelayQueue 的队头，通过单独线程来获取 DelayQueue 中到期的任务；

结构体

type TimingWheel struct { // 时间跨度,单位是毫秒 tick      int64 // in milliseconds // 时间轮个数 wheelSize int64 // 总跨度 interval    int64 // in milliseconds // 当前指针指向时间 currentTime int64 // in milliseconds // 时间格列表 buckets     []*bucket // 延迟队列 queue       *delayqueue.DelayQueue  // 上级的时间轮引用 overflowWheel unsafe.Pointer // type: *TimingWheel
 exitC     chan struct{} waitGroup waitGroupWrapper}

tick、wheelSize、interval、currentTime 都比较好理解，buckets 字段代表的是时间格列表，queue 是一个延迟队列，所有的任务都是通过延迟队列来进行触发，overflowWheel 是上层时间轮的引用。

type bucket struct { // 任务的过期时间 expiration int64
 mu     sync.Mutex // 相同过期时间的任务队列 timers *list.List}

bucket 里面实际上封装的是时间格里面的任务队列，里面放入的是相同过期时间的任务，到期后会将队列 timers 拿出来进行处理。这里有个有意思的地方是由于会有多个线程并发的访问 bucket，所以需要用到原子类来获取 int64 位的值，为了保证 32 位系统上面读取 64 位数据的一致性，需要进行 64 位对齐。具体的可以看这篇：https://www.luozhiyun.com/archives/429，讲的是对内存对齐的思考。

type Timer struct {  // 到期时间 expiration int64 // in milliseconds  // 要被执行的具体任务 task       func() // Timer所在bucket的指针 b unsafe.Pointer // type: *bucket // bucket列表中对应的元素 element *list.Element}

Timer 是时间轮的最小执行单元，是定时任务的封装，到期后会调用 task 来执行任务。

Group 37

初始化时间轮

例如现在初始化一个tick是1s，wheelSize是10的时间轮：

func main() { tw := timingwheel.NewTimingWheel(time.Second, 10) tw.Start() }func NewTimingWheel(tick time.Duration, wheelSize int64) *TimingWheel {  // 将传入的tick转化成毫秒 tickMs := int64(tick / time.Millisecond)  // 如果小于零，那么panic if tickMs <= 0 {  panic(errors.New("tick must be greater than or equal to 1ms")) } // 设置开始时间 startMs := timeToMs(time.Now().UTC()) // 初始化TimingWheel return newTimingWheel(  tickMs,  wheelSize,  startMs,  delayqueue.New(int(wheelSize)), )}func newTimingWheel(tickMs int64, wheelSize int64, startMs int64, queue *delayqueue.DelayQueue) *TimingWheel {  // 初始化buckets的大小 buckets := make([]*bucket, wheelSize) for i := range buckets {  buckets[i] = newBucket() }  // 实例化TimingWheel return &TimingWheel{  tick:        tickMs,  wheelSize:   wheelSize,    // currentTime必须是tickMs的倍数，所以这里使用truncate进行修剪  currentTime: truncate(startMs, tickMs),  interval:    tickMs * wheelSize,  buckets:     buckets,  queue:       queue,  exitC:       make(chan struct{}), }}

初始化十分简单，大家可以看看上面的代码注释即可。

启动时间轮

下面我们看看 start 方法：

func (tw *TimingWheel) Start() { // Poll会执行一个无限循环，将到期的元素放入到queue的C管道中 tw.waitGroup.Wrap(func() {  tw.queue.Poll(tw.exitC, func() int64 {   return timeToMs(time.Now().UTC())  }) }) // 开启无限循环获取queue中C的数据 tw.waitGroup.Wrap(func() {  for {   select {   // 从队列里面出来的数据都是到期的bucket   case elem := <-tw.queue.C:    b := elem.(*bucket)    // 时间轮会将当前时间 currentTime 往前移动到 bucket的到期时间    tw.advanceClock(b.Expiration())    // 取出bucket队列的数据，并调用addOrRun方法执行    b.Flush(tw.addOrRun)   case <-tw.exitC:    return   }  } })}

这里使用了 util 封装的一个 Wrap 方法，这个方法会起一个 goroutines 异步执行传入的函数，具体的可以到我上面给出的链接去看源码。

Start 方法会启动两个 goroutines。第一个goroutines用来调用延迟队列的 queue 的 Poll 方法，这个方法会一直循环获取队列里面的数据，然后将到期的数据放入到 queue 的 C 管道中；第二个 goroutines 会无限循环获取 queue 中 C 的数据，如果 C 中有数据表示已经到期，那么会先调用 advanceClock 方法将当前时间 currentTime 往前移动到 bucket的到期时间，然后再调用 Flush 方法取出 bucket 中的队列，并调用 addOrRun 方法执行。

func (tw *TimingWheel) advanceClock(expiration int64) { currentTime := atomic.LoadInt64(&tw.currentTime) // 过期时间大于等于（当前时间+tick） if expiration >= currentTime+tw.tick {  // 将currentTime设置为expiration，从而推进currentTime  currentTime = truncate(expiration, tw.tick)  atomic.StoreInt64(&tw.currentTime, currentTime)
  // Try to advance the clock of the overflow wheel if present  // 如果有上层时间轮，那么递归调用上层时间轮的引用  overflowWheel := atomic.LoadPointer(&tw.overflowWheel)  if overflowWheel != nil {   (*TimingWheel)(overflowWheel).advanceClock(currentTime)  } }}

advanceClock 方法会根据到期时间来重新设置 currentTime，从而推进时间轮前进。

func (b *bucket) Flush(reinsert func(*Timer)) { var ts []*Timer
 b.mu.Lock() // 循环获取bucket队列节点 for e := b.timers.Front(); e != nil; {  next := e.Next()
  t := e.Value.(*Timer)  // 将头节点移除bucket队列  b.remove(t)  ts = append(ts, t)
  e = next } b.mu.Unlock()
 b.SetExpiration(-1) // TODO: Improve the coordination with b.Add()
 for _, t := range ts {  reinsert(t) }}

Flush 方法会根据 bucket 里面 timers 列表进行遍历插入到 ts 数组中，然后调用 reinsert 方法，这里是调用的 addOrRun 方法。

func (tw *TimingWheel) addOrRun(t *Timer) { // 如果已经过期，那么直接执行 if !tw.add(t) {   // 异步执行定时任务  go t.task() }}

addOrRun 会调用 add 方法检查传入的定时任务 Timer 是否已经到期，如果到期那么异步调用 task 方法直接执行。add 方法我们下面会接着分析。

整个 start 执行流程如图：

timewheel_start

  1. start 方法会启动一个 goroutines 调用 poll 来处理 DelayQueue 中到期的数据，并将数据放入到管道 C 中；

  2. start 方法启动第二个 goroutines 方法会循环获取 DelayQueue 中管道C的数据，管道 C 中实际上存放的是一个 bucket，然后遍历bucket的timers列表，如果任务已经到期，那么异步执行，没有到期则重新放入到 DelayQueue 中。

add task

func main() { tw := timingwheel.NewTimingWheel(time.Second, 10) tw.Start()  // 添加任务 tw.AfterFunc(time.Second*15, func() {  fmt.Println("The timer fires")  exitC <- time.Now().UTC() })}

我们通过 AfterFunc 方法添加一个 15s 的定时任务，如果到期了，那么执行传入的函数。

func (tw *TimingWheel) AfterFunc(d time.Duration, f func()) *Timer { t := &Timer{  expiration: timeToMs(time.Now().UTC().Add(d)),  task:       f, } tw.addOrRun(t) return t}

AfterFunc 方法会根据传入的任务到期时间，以及到期需要执行的函数封装成 Timer，调用 addOrRun 方法。addOrRun 方法我们上面已经看过了，会根据到期时间来决定是否需要执行定时任务。

下面我们来看一下 add 方法：

func (tw *TimingWheel) add(t *Timer) bool { currentTime := atomic.LoadInt64(&tw.currentTime) // 已经过期 if t.expiration < currentTime+tw.tick {  // Already expired  return false //  到期时间在第一层环内 } else if t.expiration < currentTime+tw.interval {  // Put it into its own bucket  // 获取时间轮的位置  virtualID := t.expiration / tw.tick  b := tw.buckets[virtualID%tw.wheelSize]  // 将任务放入到bucket队列中  b.Add(t)   // 如果是相同的时间，那么返回false，防止被多次插入到队列中  if b.SetExpiration(virtualID * tw.tick) {    // 将该bucket加入到延迟队列中   tw.queue.Offer(b, b.Expiration())  }
  return true } else {  // Out of the interval. Put it into the overflow wheel  // 如果放入的到期时间超过第一层时间轮，那么放到上一层中去  overflowWheel := atomic.LoadPointer(&tw.overflowWheel)  if overflowWheel == nil {   atomic.CompareAndSwapPointer(    &tw.overflowWheel,    nil,    // 需要注意的是，这里tick变成了interval    unsafe.Pointer(newTimingWheel(     tw.interval,     tw.wheelSize,     currentTime,     tw.queue,    )),   )   overflowWheel = atomic.LoadPointer(&tw.overflowWheel)  }  // 往上递归  return (*TimingWheel)(overflowWheel).add(t) }}

add 方法根据到期时间来分成了三部分，第一部分是小于当前时间+tick，表示已经到期，那么返回 false 执行任务即可；

第二部分的判断会根据 expiration 是否小于时间轮的跨度，如果小于的话表示该定时任务可以放入到当前时间轮中，通过取模找到 buckets 对应的时间格并放入到 bucket 队列中，SetExpiration 方法会根据传入的参数来判断是否已经执行过延迟队列的 Offer 方法，防止重复插入；

第三部分表示该定时任务的时间跨度超过了当前时间轮，需要升级到上一层的时间轮中。需要注意的是，上一层的时间轮的 tick 是当前时间轮的 interval，延迟队列还是同一个，然后设置为指针 overflowWheel，并调用 add 方法往上层递归。

结尾

到这里时间轮已经讲完了，不过还有需要注意的地方，我们在用上面的时间轮实现中，使用了 DelayQueue 加环形队列的方式实现了时间轮。对定时任务项的插入和删除操作而言，TimingWheel 时间复杂度为 O(1)，在 DelayQueue 中的队列使用的是优先队列，时间复杂度是 O(log n)，但是由于 buckets 列表实际上是非常小的，所以并不会影响性能。

Reference

  • https://github.com/RussellLuo/timingwheel

  • https://zhuanlan.zhihu.com/p/121483218

  • https://github.com/apache/kafka/tree/3cdc78e6bb1f83973a14ce1550fe3874f7348b05/core/src/main/scala/kafka/utils/timer



☞股价狂涨 500 亿，小米手机业务与造车可否兼得？☞RISC-V 没你想象的那么好
☞30 周岁的 Python，“虐”我 20 年
☞谷歌称远程办公影响工作效率，2021年回归线下办公