这事儿还得从一次重构优化说起。
10年积累的成都网站制作、网站设计经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站设计后付款的网站建设流程，更有咸丰免费网站建设让你可以放心的选择与我们合作。
最近在重构一个路由功能，由于路由比较复杂，需求变化也多，于是想通过责任链模式来重构，刚好这段时间也在 Sentinel-Go 中看到相关源码。
用责任链模式，最大的好处是可以针对每次请求灵活地插拔路由能力，如：
这样实现会在每次请求到来时去 new 出整个责任链，可以预见对象会频繁的创建、销毁。
对 Java 来说，对象池并不推荐，除非对象的创建特别费力，像一个连接对象，否则线程之间的锁竞争绝对比直接分配内存的消耗要多的多~
但 Go 不一样，它内置的 sync.Pool 配合调度模型（GMP）能够刚好规避这种锁竞争。
大家知道 Go 的对象池很牛逼就行了，具体原理不是本文重点，也不是一两句话能解释的清楚，有机会再写一篇文章详细说道~
但理论归理论，是骡子是马，得拉出来遛遛才知道是不是真的牛逼~
测试这种性能，Benchmark 肯定是首选，于是我写了个两个例子来对比，直接 New 对象和使用 sync.Pool 池化对象。
func BenchmarkPooledObject(b *testing.B) {
b.RunParallel(func(pb *testing.PB) {
for pb.Next() {
object := pool.Get().(*MyObject)
Consume(object)
// 用完了放回对象池
object.Reset()
pool.Put(object)
}
})
}
func BenchmarkNewObject(b *testing.B) {
b.RunParallel(func(pb *testing.PB) {
for pb.Next() {
object := &MyObject{
Name: "hello",
Age: 2,
}
Consume(object)
}
})
}
当时是这些测试参数
go test -bench=. -cpu=4 -count=2 -benchtime=10s
跑出了如下结果，似乎还是直接 New 对象更快，这和理论不符合啊！
BenchmarkPooledObject-4 6.25 ns/op
BenchmarkNewObject-4 0.374 ns/op
于是就想，是不是我测试的方法哪里不太对？
池化技术能减少对象的创建、销毁的消耗，有很大一部分得益于减少 GC 次数，是不是我这只跑了10s，还没开始 GC ？
于是我查了下，什么时候 Go 会触发 GC，得到了如下的答案：
runtime.GC 来触发显然主动触发不合适，被动触发没法确认增长比例，那只能依靠2分钟强制触发 GC 来达到目的了，于是我把基础测试的时间加长，改成了 -benchtime=150s。
执行后，就去泡了杯茶，上了个厕所...过了很久，终于执行完了，结果却是这样的结局：
*** Test killed with quit: ran too long (11m0s).
执行失败了，而且还执行了11分钟~
我搜索了下这个报错，网上说的是，Go 的单元测试和 Benchmark 都有超时时间，默认是10分钟，可以通过 -timeout 来修改。
但这不是重点，重点是为啥我设置了150s，却执行了11分钟？
直觉告诉我这事不简单，要么是我错了，要么是 Go 错了~ 幸好 Go 是开源的，源码之下没有秘密。
通过 Debug 和代码查阅后，先是找到了这段代码
func (b *B) runN(n int) {
benchmarkLock.Lock()
defer benchmarkLock.Unlock()
defer b.runCleanup(normalPanic)
// 注意看这里，帮我们GC了
runtime.GC()
b.raceErrors = -race.Errors()
b.N = n
b.parallelism = 1
// 重置计时器
b.ResetTimer()
// 开始计时
b.StartTimer()
// 执行 benchmark 方法
b.benchFunc(b)
// 停止计时
b.StopTimer()
b.previousN = n
b.previousDuration = b.duration
b.raceErrors += race.Errors()
if b.raceErrors > 0 {
b.Errorf("race detected during execution of benchmark")
}
}
这段代码是在执行一次我们定义的 Benchmark 方法，n 就是传入到我们定义方法参数的 *testing.B 结构中的一个属性。
而且它计算的时间也非常合理，只计算了执行我们定义方法的时间，也就是 -benchtime 的时间只是函数执行的时间，Benchmark 框架的耗时不计算在内。
更合理的是，框架在执行方法前，还帮我们触发了一次 GC，也就是说，只有我们的函数在执行的时候产生的内存垃圾才算到我们的 Benchmark 时间中，非常严谨。
但这跟我们的执行失败毫无关系~
但从一个侧面来说，Benchmark 执行的总时间一定是大于 -benchtime 设置的时间的。
真的是这样吗？我做了两组实验，就打破了这个规律：
go test -bench=. -cpu=4 -count=1 -benchtime=5s
BenchmarkPooledObject-4 7.65 ns/op
BenchmarkNewObject-4 0.378 ns/op
PASS
ok all-in-one/go-in-one/samples/object_pool 7.890s
go test -bench=. -cpu=4 -count=1 -benchtime=10s
BenchmarkPooledObject-4 7.16 ns/op
BenchmarkNewObject-4 0.376 ns/op
PASS
ok all-in-one/go-in-one/samples/object_pool 8.508s
第二组设置了执行 10s，但总的测试时间只有8.508s，很奇怪，更奇怪的是测试结果的第二列执行次数，他们居然都是 ，这么巧吗？
带着疑问，找到了 Benchmark 的这段核心代码：
func (b *B) launch() {
...
// 标注①
if b.benchTime.n > 0 {
// We already ran a single iteration in run1.
// If -benchtime=1x was requested, use that result.
if b.benchTime.n > 1 {
b.runN(b.benchTime.n)
}
} else {
d := b.benchTime.d
// 标注②
for n := int64(1); !b.failed && b.duration < d && n < 1e9; {
last := n
goalns := d.Nanoseconds()
prevIters := int64(b.N)
prevns := b.duration.Nanoseconds()
if prevns <= 0 {
prevns = 1
}
// 标注③
n = goalns * prevIters / prevns
// Run more iterations than we think we'll need (1.2x).
// 标注④
n += n / 5
// Don't grow too fast in case we had timing errors previously.
// 标注⑤
n = min(n, 100*last)
// Be sure to run at least one more than last time.
// 标注⑥
n = max(n, last+1)
// Don't run more than 1e9 times. (This also keeps n in int range on 32 bit platforms.)
// 标注⑦
n = min(n, 1e9)
// 标注⑧
b.runN(int(n))
}
}
b.result = BenchmarkResult{b.N, b.duration, b.bytes, b.netAllocs, b.netBytes, b.extra}
}
核心都标了序号，这里来解释下：
标注①：Go 的 Benchmark 执行两种传参，执行次数和执行时间限制，我用的是执行时间，也可以用 -benchtime=1000x来表示需要测试1000次。
标注②：这里是当设置了执行时间限制时，判断时间是否足够的条件，可以看到除了时间的判断外，还有 n < 1e9 的限制，也就是最多执行次数是 1e9，也就是 ，这解释了上面的一个困惑，为啥执行时间还比设置的 benchtime 小。因为 Go 限制了最大执行次数为 1e9，并不是设置多少就是多少，还有个上限。
标注③到⑧:
Go 是如何知道 n 取多少时，时间刚好符合我们设置的 benchtime？答案是试探！
n 从1 开始试探，执行1次后，根据执行时间来估算 n。n = goalns * prevIters / prevns，这就是估算公式，goalns 是设置的执行时间（单位纳秒），prevIters 是上次执行次数，prevns 是上一次执行时间（纳秒）
根据上次执行的时间和目标设定的执行总时间，计算出需要执行的次数，大概是这样吧：
目标执行次数 = 执行目标时间 / (上次执行时间 / 上次执行次数)
化简下得到：
目标执行次数 = 执行目标时间 * 上次执行次数 / 上次执行时间，这不就是上面那个公式~
目标执行次数 n 的计算，源码中还做了一些其他处理：
1.2倍，万一达不到目标时间不是有点尴尬？索性多跑一会Go Benchmark 的执行原理大致摸清了，但我们要的答案还未浮出水面。
接着我对 Benchmark 进行了断点调试。
首先是 -benchtime=10s
发现 n 的试探增长是 1，100，，，，，最终 n 是
这说明我们的执行方法耗时很短，执行次数达到了上限。
再看-benchtime=150s，开始还挺正常：
n 增长是 1，100，，，，但后一个出现了问题：
n 居然变成了负数！显然这是溢出了。
n = goalns * prevIters / prevns 这个公式，在目标执行时间（goalns）很大，测试方法执行时间（prevns）很短时，会导致 n 溢出！
溢出有什么后果呢？
后面的 n = min(n, 100*last) 就是负数了，但还有 n = max(n, last+1) 保证，所以 n 还是在增加，不过很慢，每次都只 +1，所以后续试探的 n 序列为 ，，....
这就导致了 n 很难达到 1e9 的上限，而且总的执行耗时也很难达到设定的预期时间，所以测试程序会一直跑~直到超时！
写这段 Benchamrk 逻辑的作者加入了这个 1e9 的执行次数上限，考虑了溢出，但没有考虑 n 在计算过程中的溢出情况。
我觉得这应该是一个 Bug，但不能完全确定。
网上没有找到相关的 Bug 报告，于是去给 Go 官方提了 issue 和相应的修复代码，由于 Go 的开发流程比较复杂和漫长，所以在本文发表时，官方并没有明确表明这是 Bug 还是其他。
如果后续官方有回复或其他变故，我再来告诉大家~
搜索关注微信公众号"捉虫大师"，后端技术分享，架构设计、性能优化、源码阅读、问题排查、踩坑实践。
