Go：代码上同步，思维自然 • 性能够用，工具齐全 – 100w？10w？~~ – Memprof、cpuprof~ • 社区活跃，发展迅猛 背景—使用现状 • 每天服务于千万级别的司机，数亿的用户 • 实时在线百万级别 • 每天平均70亿次的推送量 背景—总结 • 业务上核心依赖 • Golang成功的使用案例 目录 • 背景 • 心得 架构 • 整体架构图 架构—接口设计 • Timer优化 • Channel使用优化 心得—timer优化 • 为什么需要优化？ – 万级别的连接 – 每个连接上大量的定时任务（心跳检测，注册检测，认证检测） 实际情况：当10w左右连接，什么数据不收发，只有定时器检测心跳超时，cpu 能耗掉一个core • 怎么优化？ – 特点： • 秒级别定时任务 • 范围最多60s – 方案： • 时间轮 • 实现 – Channel

?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 本质上看，计算渐近上界就是在找一个函数 ?(?) ，使得在 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同的增 长级别（仅相差一个常数项 ? 的倍数）。 2. 复杂度分析 hello‑algo.com 17 � 渐近上界的数学味儿有点重，如果你感觉没有完全理解，无需担心，因为在实际使用中我们只 需要会推算即可，数学意义可以慢慢领悟。 size := 100000 for i := 0; i < size; i++ { count++ } return count } 线性阶 ?(?) 线性阶的操作数量相对输入数据大小成线性级别增长。线性阶常出现于单层循环。 // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { count := := 0 // 循环次数与数组长度成正比 for range nums { count++ } return count } 平方阶 ?(?2) 平方阶的操作数量相对输入数据大小成平方级别增长。平方阶常出现于嵌套循环，外层循环和内层循环都为 ?(?) ，总体为 ?(?2) 。 // === File: time_complexity.go === /* 平方阶 */ func quadratic(n

?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 本质上看，计算渐近上界就是在找一个函数 ?(?) ，使得在 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同的增 长级别（仅相差一个常数项 ? 的倍数）。 2. 复杂度分析 hello‑algo.com 17 � 渐近上界的数学味儿有点重，如果你感觉没有完全理解，无需担心，因为在实际使用中我们只 需要会推算即可，数学意义可以慢慢领悟。 size := 100000 for i := 0; i < size; i++ { count++ } return count } 线性阶 ?(?) 线性阶的操作数量相对输入数据大小成线性级别增长。线性阶常出现于单层循环。 // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { count := := 0 // 循环次数与数组长度成正比 for range nums { count++ } return count } 平方阶 ?(?2) 平方阶的操作数量相对输入数据大小成平方级别增长。平方阶常出现于嵌套循环，外层循环和内层循环都为 ?(?) ，总体为 ?(?2) 。 // === File: time_complexity.go === /* 平方阶 */ func quadratic(n

main，在这个main包中必定包含一个入口函数main，而这 个函数既没有参数，也没有返回值。 为了打印Hello, world...，我们调用了一个函数Printf，这个函数来自于fmt包，所以我们在第三行中导入了 系统级别的fmt包：import "fmt"。 包的概念和Python中的package类似，它们都有一些特别的好处：模块化（能够把你的程序分成多个模块)和可重用性 （每个模块都能被其它应用程序反复使用 现，当然需要针对REST做一些改造，REST是根据不同的method来处理相应的资源，目前已经存在的很多自称是REST的 应用，其实并没有真正的实现REST，我暂且把这些应用根据实现的method分成几个级别，请看下图： 图8.7 REST的level分级 上图展示了我们目前实现REST的三个level，我们在应用开发的时候也不一定全部按照RESTful的规则全部实现他的方 式，因为有些时 服务器句柄返回结果，调用远程系统内核 8.消息传回本地主机 9.客户句柄由内核接收消息 10.客户接收句柄返回的数据 193 Go RPC Go RPC Go标准包中已经提供了对RPC的支持，而且支持三个级别的RPC：TCP、HTTP、JSONRPC。但Go的RPC包是独一无二的 RPC，它和传统的RPC系统不同，它只支持Go开发的服务器与客户端之间的交互，因为在内部，它们采用了Gob来编 码。 Go

(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理 100000 for i := 0; i < size; i++ { count++ } return count } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { count := 需根据输入数据的类型来具体确定。比如在第一个示例中，变量 ? 为输入数 据大小；在第二个示例中，数组长度 ? 为数据大小。 3. 平方阶 ?(?2) 平方阶的操作数量相对于输入数据大小 ? 以平方级别增长。平方阶通常出现在嵌套循环中，外层循环和内层 循环的时间复杂度都为 ?(?) ，因此总体的时间复杂度为 ?(?2) ： // === File: time_complexity.go ===

(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理 100000 for i := 0; i < size; i++ { count++ } return count } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { count := 需根据输入数据的类型来具体确定。比如在第一个示例中，变量 ? 为输入数 据大小；在第二个示例中，数组长度 ? 为数据大小。 3. 平方阶 ?(?2) 平方阶的操作数量相对于输入数据大小 ? 以平方级别增长。平方阶通常出现在嵌套循环中，外层循环和内层 循环的时间复杂度都为 ?(?) ，因此总体的时间复杂度为 ?(?2) ： // === File: time_complexity.go ===

ReservedAll Right Reserved • 每天N亿曝光 • 30个维度，40个指标 • 表的数据量和维度的离散程度相关 • 如⼲⼴广告位有5000个，全国500个城市，时间粒度到⼩小时级别，则地区汇总表⼀一个 推⼲⼴广活动⼀一天最多就有 5000*500*24 = 6千万 记录 • 实时统计 • 实时计算、⼊入库 • 实时查询，秒级响应 曝光统计服务 专业DSP解决⽅方案 ReservedAll Right Reserved • 专为统计分析⽽而⽣生 • 列存储 • shared-nothing的分布式架构，可扩展性、⾼高可⽤用 • 秒级以内对⼗十亿⾏行级别的表进⾏行统计查询 • 对内存要求⾼高，相当于内存数据库 • JAVA系，开源 曝光统计服务: Druid 专业DSP解决⽅方案 © ⼲⼴广州舜⻜飞信息科技有限公司 All Right

?(?) = ?(?(?)) Figure 2‑2. 函数的渐近上界 从本质上讲，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 2.2.4. 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无需担心。因为在实际使用中，我们只需要掌握 推算方法，数学意义可以逐渐领悟。 2 := 100000 for i := 0; i < size; i++ { count++ } return count } 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小以线性级别增长。线性阶通常出现在单层循环中。 // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { count := range nums { count++ } 2. 复杂度 hello‑algo.com 21 return count } 平方阶 ?(?2) 平方阶的操作数量相对于输入数据大小以平方级别增长。平方阶通常出现在嵌套循环中，外层循环和内层循 环都为 ?(?) ，因此总体为 ?(?2) 。 // === File: time_complexity.go === /* 平方阶 */

(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 www.hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没 100000 for i := 0; i < size; i++ { count++ } return count } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { count := 需根据输入数据的类型来具体确定。比如在第一个示例中，变量 ? 为输入数 据大小；在第二个示例中，数组长度 ? 为数据大小。 3. 平方阶 ?(?2) 平方阶的操作数量相对于输入数据大小 ? 以平方级别增长。平方阶通常出现在嵌套循环中，外层循环和内层 循环的时间复杂度都为 ?(?) ，因此总体的时间复杂度为 ?(?2) ： // === File: time_complexity.go ===

(?) 的一个渐近上界，记为 ?(?) = ?(?(?)) 。 如图 2‑8 所示，计算渐近上界就是寻找一个函数 ?(?) ，使得当 ? 趋向于无穷大时，?(?) 和 ?(?) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 29 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理 100000 for i := 0; i < size; i++ { count++ } return count } 2. 线性阶 ?(?) 线性阶的操作数量相对于输入数据大小 ? 以线性级别增长。线性阶通常出现在单层循环中： // === File: time_complexity.go === /* 线性阶 */ func linear(n int) int { 第 2 章 复杂度分析 需根据输入数据的类型来具体确定。比如在第一个示例中，变量 ? 为输入数 据大小；在第二个示例中，数组长度 ? 为数据大小。 3. 平方阶 ?(?2) 平方阶的操作数量相对于输入数据大小 ? 以平方级别增长。平方阶通常出现在嵌套循环中，外层循环和内层 循环都为 ?(?) ，因此总体为 ?(?2) ： // === File: time_complexity.go === /* 平方阶 */