189 8069 5689
根据需求做一个csv报表数据导入入库功能,运行多天突然运维告知导入数据有问题，有问题那就排查呗。。。
卓尼网站建设公司成都创新互联,卓尼网站设计制作，有大型网站制作公司丰富经验。已为卓尼1000多家提供企业网站建设服务。企业网站搭建\成都外贸网站建设公司要多少钱，请找那个售后服务好的卓尼做网站的公司定做！
题外话：这个问题足足浪费了我2天时间，期间还出了其他的一些问题着实让我抓狂，另外这篇文章希望能帮到你，不要在采坑了！！！
说在前面，这个csv表格数据是有中文的。ok继续
通过日志打点发现了以下错误
找了一圈,着实头痛，我也知道中文需要做处理转化这个我已经做了，并且已经明确是utf-8了通过标准库方法进行判断的还是报错。着实让我摸不着头脑。判断utf-8方法如下
ok，最后借助了百度，google找了一大圈功夫不负有心人，最后发现utf-8还有 utf-8 bom 这种编码格式，我想骂娘。。。至于编码规则啥的就不详细说了，有兴趣自行百度吧。
解决方案如下：
至于其他编码方式以及转换可以查看golang官方扩展库 golang.org/x/text/encoding 库中的源码。
一个用golang的无名小卒
完~
———文章来源 YamiOdymel/PHP-to-Golang
PHP和模块之间的关系令人感到烦躁，假设你要读取 yaml 档案，你需要有一个 yaml 的模块，为此，你还需要将其编译然后将编译后的模块摆放至指定位置，之后换了一台伺服器你还要重新编译，这点到现在还是没有改善；顺带一提之后出了PHP 7效能确实提升了许多（比Python 3快了些），但PHP仍令我感到臃肿，我觉得是时候
（转行）了。
PHP 和Golang 的效能我想毋庸置疑是后者比较快（而且是以倍数来算），也许有的人会认为两种不应该被放在一起比较，但Golang 本身就是偏向Web 开发的，所以这也是为什么我考虑转用Golang 的原因，起初我的考虑有几个：Node.js 和Rust 还有最终被选定的Golang；先谈谈Node.js 吧。
Node.js的效能可以说是快上PHP 3.5倍至6倍左右 ，而且撰写的语言还是JavaScript，蒸蚌，如此一来就不需要学习新语言了！搭配Babel更可以说是万能，不过那跟「跳跳虎」一样的Async逻辑还有那恐怖的Callback Hell，有人认为前者是种优点，这点我不否认，但是对学习PHP的我来说太过于"Mind Fuck"，至于后者的Callback Hell虽然有Promise，但是那又是另一个「Then Hell」的故事了。相较于Golang之下，Node.js似乎就没有那么吸引我了。你确实可以用Node.js写出很多东西，不过那V8引擎的效能仍然有限，而且要学习新的事物，不就应该是「全新」的吗;)？
题外话： 为什么Node.js不适合大型和商业专案？
在抛弃改用Node.js 之后我曾经花了一天的时间尝试Rust 和Iron 框架，嗯⋯⋯Rust 太强大了，强大到让我觉得Rust 不应该用在这里，这想法也许很蠢，但Rust 让我觉得适合更应该拿来用在系统或者是部分底层的地方，而不应该是网路服务。
Golang是我最终的选择，主要在于我花了一天的时间来研究的时候意外地发现Golang夭寿简洁（ 关键字只有25个 ），相较之下Rust太过于「强大」令我怯步；而且Golang带有许多工具，例如 go fmt 会自动帮你整理程式码、 go doc 会自动帮你生产文件、 go test 可以自动单元测试并生产覆盖率报表、也有 go get 套件管理工具（虽然没有版本功能），不过都很实用，而且也不需要加上分号（ ; ），真要说不好的地方⋯⋯大概就是强迫你花括号不能换行放吧（没错，我就是花括号会换行放的人）。
当我在撰写这份文件的时候 我会先假设你有一定的基础 ，你可以先阅读下列的手册，他们都很不错。
你能够在PHP 里面想建立一个变数的时候就直接建立，夭寿赞，是吗？
蒸蚌！那么Golang 呢？在Golang 中变数分为几类：「新定义」、「预先定义」、「自动新定义」、「覆盖」。让我们来看看范例：
在PHP中你会很常用到 echo 来显示文字，像这样。
然而在Golang中你会需要 fmt 套件，关于「什么是套件」的说明你可以在文章下述了解。
这很简单，而且两个语言的用法相差甚少，下面这是PHP：
只是Golang 稍微聒噪了一点，你必须在函式后面宣告他最后会回传什么资料型别。
在PHP 中你要回传多个资料你就会用上阵列，然后将资料放入阵列里面，像这样。
然而在Golang 中你可以不必用到一个阵列，函式可以一次回传多个值：
两个语言的撰写方式不尽相同。
主要是PHP 的阵列能做太多事情了，所以在PHP 里面要储存什么用阵列就好了。
在Golang里⋯⋯没有这么万能的东西，首先要先了解Golang中有这些型态： array , slice , map , interface ，
你他妈的我到底看了三洨，首先你要知道Golang是个强型别语言，意思是你的阵列中 只能有一种型态 ，什么意思？当你决定这个阵列是用来摆放字串资料的时候，你就只能在里面放字串。没有数值、没有布林值，就像你没有女朋友一样。
先撇开PHP 的「万能阵列」不管，Golang 中的阵列既单纯却又十分脑残，在定义一个阵列的时候，你必须给他一个长度还有其内容存放的资料型态，你的阵列内容不一定要填满其长度，但是你的阵列内容不能超过你当初定义的长度。
切片⋯⋯这听起来也许很奇怪，但是你确实可以「切」他，让我们先谈谈「切片」比起「阵列」要好在哪里：「你不用定义其最大长度，而且你可以直接赋予值」，没了。
我们刚才有提到你可以「切」他，记得吗？这有点像是PHP中的 array_slice() ，但是Golang直接让Slice「内建」了这个用法，其用法是： slice[开始:结束] 。
在PHP中倒是没有那么方便，在下列PHP范例中你需要不断地使用 array_slice() 。
你可以把「映照」看成是一个有键名和键值的阵列，但是记住：「你需要事先定义其键名、键值的资料型态」，这仍限制你没办法在映照中存放多种不同型态的资料。
在Golang里可就没这么简单了，你需要先用 make() 宣告 map 。
也许你不喜欢「接口」这个词，但用「介面」我怕会误导大众，所以，是的，接下来我会继续称其为「接口」。还记得你可以在PHP 的关联阵列里面存放任何型态的资料吗，像下面这样？
现在你有福了！正因为Golang中的 interface{} 可以接受任何内容，所以你可以把它拿来存放任何型态的资料。
有时候你也许会有个不定值的变数，在PHP 里你可以直接将一个变数定义成字串、数值、空值、就像你那变心的女友一样随时都在变。
在Golang中你必须给予变数一个指定的资料型别，不过还记得刚才提到的：「Golang中有个 interface{} 能够 存放任何事物 」吗（ 虽然也不是真的任何事物啦⋯⋯ ）？
当我们程式中不需要继续使用到某个资源或是发生错误的时候，我们索性会将其关闭或是抛弃来节省资源开销，例如PHP 里的读取档案：
在Golang中，你可以使用 defer 来在函式结束的时候自动执行某些程式(其执行方向为反向)。所以你就不需要在函式最后面结束最前面的资源。
defer 可以被称为「推迟执行」，实际上就是在函式结束后会「反序」执行的东西，例如你按照了这样的顺序定义 defer ： A-B-C-D ，那么执行的顺序其实会是 D-C-B-A ，这用在程式结束时还蛮有用的，让我们看看Golang如何改善上述范例。
这东西很邪恶，不是吗？又不是在写BASIC，不过也许有时候你会在PHP 用上呢。但是拜托，不要。
Golang中仅有 for 一种回圈但却能够达成 foreach 、 while 、 for 多种用法。普通 for 回圈写法在两个语言中都十分相近。
在Golang请记得：如果你的 i 先前并不存在，那么你就需要定义它，所以下面这个范例你会看见 i := 0 。
在PHP里， foreach() 能够直接给你值和键名，用起来十分简单。
Golang里面虽然仅有 for() 但却可以使用 range 达成和PHP一样的 foreach 方式。
一个 while(条件) 回圈在PHP里面可以不断地执行区块中的程式，直到 条件 为 false 为止。
在Golang里也有相同的做法，但仍是透过 for 回圈，请注意这个 for 回圈并没有任何的分号（ ; ），而且一个没有条件的 for 回圈会一直被执行。
PHP中有 do .. while() 回圈可以先做区块中的动作。
在Golang中则没有相关函式，但是你可以透过一个无止尽的 for 回圈加上条件式来让他结束回圈。
要是你真的希望完全符合像是PHP那样的设计方式，或者你可以在Golang中使用很邪恶的 goto 。
在PHP中我们可以透过 date() 像这样取得目前的日期。
在Golang就稍微有趣点了，因为Golang中并不是以 Y-m-d 这种格式做为定义，而是 1 、 2 、 3 ，这令你需要去翻阅文件，才能够知道 1 的定义是代表什么。
俗话说：「爆炸就是艺术」，可爱的PHP用词真的很大胆，像是： explode() （爆炸）、 die() （死掉），回归正传，如果你想在PHP里面将字串切割成阵列，你可以这么做。
简单的就让一个字串给「爆炸」了，那么Golang 呢？
对了，记得引用 strings 套件。
这真的是很常用到的功能，就像物件一样有着键名和键值，在PHP 里面你很简单的就能靠阵列（Array）办到。
真是太棒了，那么Golang呢？用 map 是差不多啦。如果有必要的话，你可以稍微复习一下先前提到的「多资料储存型态－Stores」。
你很常会在PHP里面用 isset() 检查一个索引是否存在，不是吗？
在Golang里面很简单的能够这样办到（仅适用于 map ）。
指针（有时也做参照）是一个像是「变数别名」的方法，这种方法让你不用整天覆盖旧的变数，让我们假设 A = 1; B = A; 这个时候 B 会复制一份 A 且两者不相干，倘若你希望修改 B 的时候实际上也会修改到 A 的值，就会需要指针。
指针比起复制一个变数，他会建立一个指向到某个变数的记忆体位置，这也就是为什么你改变指针，实际上是在改变某个变数。
在Golang你需要用上 * 还有 符号。
有些时候你会回传一个阵列，这个阵列里面可能有资料还有错误代号，而你会用条件式判断错误代号是否非空值。
在Golang中函式可以一次回传多个值。为此，你不需要真的回传一个阵列，不过要注意的是你将会回传一个属于 error 资料型态的错误，所以你需要引用 errors 套件来帮助你做这件事。
该注意的是Golang没有 try .. catch ，因为 Golang推荐这种错误处理方式 ，你应该在每一次执行可能会发生错误的程式时就处理错误，而非后来用 try 到处包覆你的程式。
在 if 条件式里宣告变数会让你只能在 if 内部使用这个变数，而不会污染到全域范围。
也许你在PHP中更常用的会是 try .. catch ，在大型商业逻辑时经常看见如此地用法，实际上这种用法令人感到聒噪（因为你会需要一堆 try 区块）：
Golang中并没有 try .. catch ，实际上Golang也 不鼓励这种行为 （Golang推荐逐一处理错误的方式），倘若你真想办倒像是捕捉异常这样的方式，你确实可以使用Golang中另类处理错误的方式（可以的话尽量避免使用这种方式）： panic() , recover() , defer 。
你可以把 panic() 当作是 throw （丢出错误），而这跟PHP的 exit() 有87%像，一但你执行了 panic() 你的程式就会宣告而终，但是别担心，因为程式结束的时候会呼叫 defer ，所以我们接下来要在 defer 停止 panic() 。
关于 defer 上述已经有提到了，他是一个反向执行的宣告，会在函式结束后被执行，当你呼叫了 panic() 结束程式的时候，也就会开始执行 defer ，所以我们要在 defer 内使用 recover() 让程式不再继续进行结束动作，这就像是捕捉异常。
recover() 可以看作 catch （捕捉），我们要在 defer 里面用 recover() 解决 panic() ，如此一来程式就会回归正常而不会被结束。
还记得在PHP里要引用一堆档案的日子吗？到处可见的 require() 或是 include() ？到了Golang这些都不见了，取而代之的是「套件（Package）」。现在让我们来用PHP解释一下。
这看起来很正常对吧？但假设你有一堆档案，这马上就成了 Include Hell ，让我们看看Golang怎么透过「套件」解决这个问题。
「 蛤？？？杀小？？？ 」你可能如此地说道。是的， main.go 中除了引用 fmt 套件（ 为了要输出结果用的套件 ）之外完全没有引用到 a.go 。
「 蛤？？？杀小？？？？？？ 」你仿佛回到了几秒钟前的自己。
既然没有引用其他档案，为什么 main.go 可以输出 foo 呢？注意到了吗， 两者都是属于 main 套件 ，因此 他们共享同一个区域 ，所以接下来要介绍的是什么叫做「套件」。
套件是每一个 .go 档案都必须声明在Golang原始码中最开端的东西，像下面这样：
这意味着目前的档案是属于 main 套件（ 你也可以依照你的喜好命名 ），那么要如何让同个套件之间的函式沟通呢？
接着是Golang；注意！你不需要引用任何档案，因为下列两个档案同属一个套件。
一个由「套件」所掌握的世界，比起PHP的 include() 和 require() 还要好太多了，对吗？
在Golang 中没有引用单独档案的方式，你必须汇入一整个套件，而且你要记住：「一定你汇入了，你就一定要使用它」，像下面这样。
假如你不希望使用你汇入的套件，你只是为了要触发那个套件的 main() 函式而引用的话⋯⋯，那么你可以在前面加上一个底线（ _ ）。
如果你的套件出现了名称冲突，你可以在套件来源前面给他一个新的名称。
现在你知道可以汇入套件了，那么什么是「汇出」？同个套件内的函式还有共享变数确实可以直接用，但那 并不表示可以给其他套件使用 ，其方法取决于 函式／变数的「开头大小写」 。
是的。 Golang依照一个函式／变数的开头大小写决定这个东西是否可供「汇出」 。
这用在区别函式的时候格外有用，因为小写开头的任何事物都是不供汇出的，反之，大写开头的任何事物都是用来汇出供其他套件使用的。
一开始可能会觉得这是什么奇异的规定，但写久之后，你就能发现比起JavaScript和Python以「底线为开头的命名方式」还要来得更好；比起成天宣告 public 、 private 、 protected 还要来得更快。
在Golang 中没有类别，但有所谓的「建构体（Struct）」和「接口（Interface）」，这就能够满足几乎所有的需求了，这也是为什么我认为Golang 很简洁却又很强大的原因。
让我们先用PHP 建立一个类别，然后看看Golang 怎么解决这个问题。
虽然Golang没有类别，但是「建构体（Struct）」就十分地堪用了，首先你要知道在Golang中「类别」的成员还有方法都是在「类别」外面所定义的，这跟PHP在类别内定义的方式有所不同，在Golang中还有一点，那就是他们没有 public 、 private 、 protected 的种类。
在PHP中，当有一个类别被 new 的时候会自动执行该类别内的建构子（ __construct() ），通常你会用这个来初始化一些类别内部的值。
但是在Golang 里因为没有类别，也就没有建构子，不巧的是建构体本身也不带有建构子的特性，这个时候你只能自己在外部建立一个建构用函式。
让我们假设你有两个类别，你会把其中一个类别传入到另一个类别里面使用，废话不多说！先上个PHP 范例（为了简短篇幅我省去了换行）。
在Golang中你也有相同的用法，但是请记得：「 任何东西都是在「类别」外完成建构的 」。
在PHP 中没有相关的范例，这部分会以刚才「嵌入」章节中的Golang 范例作为解说对象。
你可以看见Golang在进行 Foo 嵌入 Bar 的时候，会自动将 Foo 的成员暴露在 Bar 底下，那么假设「双方之间有相同的成员名称」呢？
这个时候被嵌入的成员就会被「遮蔽」，下面是个实际范例，还有你如何解决遮蔽问题：
虽然都是呼叫同一个函式，但是这个函式可以针对不同的资料来源做出不同的举动，这就是多形。你也能够把这看作是：「讯息的意义由接收者定义，而不是传送者」。
目前PHP 中没有真正的「多形」，不过你仍可以做出同样的东西。
嗯⋯⋯那么Golang呢？实际上更简单而且更有条理了，在Golang中有 interface 可以帮忙完成这个工作。
如果你对Interface还不熟悉，可以试着查看「 解释Golang中的Interface到底是什么 」文章。
谢谢你看到这里，可惜这篇文章却没有说出Golang 最重要的卖点：「Goroutine」和「Channel」
此文是根据周洋在【高可用架构群】中的分享内容整理而成，转发请注明出处。 周洋，360手机助手技术经理及架构师，负责360长连接消息系统，360手机助手架构的开发与维护。 不知道咱们群名什么时候改为“Python高可用架构群”了，所以不得不说，很荣幸能在接下来的一个小时里在Python群里讨论golang....360消息系统介绍 360消息系统更确切的说是长连接push系统，目前服务于360内部多个产品，开发平台数千款app，也支持部分聊天业务场景，单通道多app复用，支持上行数据，提供接入方不同粒度的上行数据和用户状态回调服务。 目前整个系统按不同业务分成9个功能完整的集群，部署在多个idc上（每个集群覆盖不同的idc），实时在线数亿量级。通常情况下，pc，手机，甚至是智能硬件上的360产品的push消息，基本上是从我们系统发出的。 关于push系统对比与性能指标的讨论 很多同行比较关心go语言在实现push系统上的性能问题，单机性能究竟如何，能否和其他语言实现的类似系统做对比么？甚至问如果是创业,第三方云推送平台，推荐哪个? 其实各大厂都有类似的push系统，市场上也有类似功能的云服务。包括我们公司早期也有erlang，nodejs实现的类似系统，也一度被公司要求做类似的对比测试。我感觉在讨论对比数据的时候，很难保证大家环境和需求的统一，我只能说下我这里的体会，数据是有的，但这个数据前面估计会有很多定语~ 第一个重要指标：单机的连接数指标 做过长连接的同行，应该有体会，如果在稳定连接情况下，连接数这个指标，在没有网络吞吐情况下对比，其实意义往往不大，维持连接消耗cpu资源很小，每条连接tcp协议栈会占约4k的内存开销，系统参数调整后，我们单机测试数据，最高也是可以达到单实例300w长连接。但做更高的测试，我个人感觉意义不大。 因为实际网络环境下，单实例300w长连接，从理论上算压力就很大：实际弱网络环境下，移动客户端的断线率很高，假设每秒有1000分之一的用户断线重连。300w长连接，每秒新建连接达到3w，这同时连入的3w用户，要进行注册，加载离线存储等对内rpc调用，另外300w长连接的用户心跳需要维持,假设心跳300s一次，心跳包每秒需要1w tps。单播和多播数据的转发，广播数据的转发，本身也要响应内部的rpc调用，300w长连接情况下，gc带来的压力，内部接口的响应延迟能否稳定保障。这些集中在一个实例中，可用性是一个挑战。所以线上单实例不会hold很高的长连接,实际情况也要根据接入客户端网络状况来决定。 第二个重要指标:消息系统的内存使用量指标 这一点上，使用go语言情况下，由于协程的原因，会有一部分额外开销。但是要做两个推送系统的对比，也有些需要确定问题。比如系统从设计上是否需要全双工（即读写是否需要同时进行）如果半双工，理论上对一个用户的连接只需要使用一个协程即可（这种情况下，对用户的断线检测可能会有延时），如果是全双工，那读/写各一个协程。两种场景内存开销是有区别的。 另外测试数据的大小往往决定我们对连接上设置的读写buffer是多大，是全局复用的，还是每个连接上独享的，还是动态申请的。另外是否全双工也决定buffer怎么开。不同的策略，可能在不同情况的测试中表现不一样。 第三个重要指标：每秒消息下发量 这一点上，也要看我们对消息到达的QoS级别(回复ack策略区别），另外看架构策略，每种策略有其更适用的场景，是纯粹推？还是推拉结合？甚至是否开启了消息日志？日志库的实现机制、以及缓冲开多大？flush策略……这些都影响整个系统的吞吐量。 另外为了HA，增加了内部通信成本，为了避免一些小概率事件，提供闪断补偿策略，这些都要考虑进去。如果所有的都去掉，那就是比较基础库的性能了。 所以我只能给出大概数据，24核，64G的服务器上，在QoS为message at least，纯粹推，消息体256B~1kB情况下，单个实例100w实际用户（200w+）协程，峰值可以达到2~5w的QPS...内存可以稳定在25G左右，gc时间在200~800ms左右（还有优化空间）。 我们正常线上单实例用户控制在80w以内，单机最多两个实例。事实上，整个系统在推送的需求上，对高峰的输出不是提速，往往是进行限速，以防push系统瞬时的高吞吐量，转化成对接入方业务服务器的ddos攻击所以对于性能上，我感觉大家可以放心使用，至少在我们这个量级上，经受过考验，go1.5到来后，确实有之前投资又增值了的感觉。 消息系统架构介绍 下面是对消息系统的大概介绍，之前一些同学可能在gopher china上可以看到分享，这里简单讲解下架构和各个组件功能，额外补充一些当时遗漏的信息： 架构图如下，所有的service都 written by golang.几个大概重要组件介绍如下： dispatcher service根据客户端请求信息，将应网络和区域的长连接服务器的，一组IP传送给客户端。客户端根据返回的IP，建立长连接，连接Room service. room Service，长连接网关，hold用户连接，并将用户注册进register service，本身也做一些接入安全策略、白名单、IP限制等。 register service是我们全局session存储组件，存储和索引用户的相关信息，以供获取和查询。 coordinator service用来转发用户的上行数据，包括接入方订阅的用户状态信息的回调，另外做需要协调各个组件的异步操作，比如kick用户操作,需要从register拿出其他用户做异步操作. saver service是存储访问层，承担了对redis和mysql的操作，另外也提供部分业务逻辑相关的内存缓存，比如广播信息的加载可以在saver中进行缓存。另外一些策略，比如客户端sdk由于被恶意或者意外修改，每次加载了消息，不回复ack，那服务端就不会删除消息，消息就会被反复加载，形成死循环，可以通过在saver中做策略和判断。（客户端总是不可信的）。 center service提供给接入方的内部api服务器，比如单播或者广播接口，状态查询接口等一系列api,包括运维和管理的api。 举两个常见例子，了解工作机制：比如发一条单播给一个用户，center先请求Register获取这个用户之前注册的连接通道标识、room实例地址，通过room service下发给长连接 Center Service比较重的工作如全网广播，需要把所有的任务分解成一系列的子任务，分发给所有center，然后在所有的子任务里，分别获取在线和离线的所有用户，再批量推到Room Service。通常整个集群在那一瞬间压力很大。 deployd/agent service用于部署管理各个进程，收集各组件的状态和信息,zookeeper和keeper用于整个系统的配置文件管理和简单调度 关于推送的服务端架构 常见的推送模型有长轮训拉取，服务端直接推送（360消息系统目前主要是这种），推拉结合（推送只发通知，推送后根据通知去拉取消息）. 拉取的方式不说了，现在并不常用了，早期很多是nginx+lua+redis，长轮训，主要问题是开销比较大，时效性也不好，能做的优化策略不多。 直接推送的系统，目前就是360消息系统这种，消息类型是消耗型的，并且对于同一个用户并不允许重复消耗,如果需要多终端重复消耗，需要抽象成不同用户。 推的好处是实时性好，开销小，直接将消息下发给客户端，不需要客户端走从接入层到存储层主动拉取. 但纯推送模型，有个很大问题，由于系统是异步的，他的时序性无法精确保证。这对于push需求来说是够用的，但如果复用推送系统做im类型通信，可能并不合适。 对于严格要求时序性，消息可以重复消耗的系统，目前也都是走推拉结合的模型，就是只使用我们的推送系统发通知，并附带id等给客户端做拉取的判断策略，客户端根据推送的key，主动从业务服务器拉取消息。并且当主从同步延迟的时候，跟进推送的key做延迟拉取策略。同时也可以通过消息本身的QoS，做纯粹的推送策略，比如一些“正在打字的”低优先级消息，不需要主动拉取了，通过推送直接消耗掉。 哪些因素决定推送系统的效果？ 首先是sdk的完善程度，sdk策略和细节完善度，往往决定了弱网络环境下最终推送质量. SDK选路策略,最基本的一些策略如下：有些开源服务可能会针对用户hash一个该接入区域的固定ip，实际上在国内环境下不可行，最好分配器（dispatcher）是返回散列的一组，而且端口也要参开，必要时候，客户端告知是retry多组都连不上，返回不同idc的服务器。因为我们会经常检测到一些case，同一地区的不同用户，可能对同一idc内的不同ip连通性都不一样，也出现过同一ip不同端口连通性不同，所以用户的选路策略一定要灵活，策略要足够完善.另外在选路过程中，客户端要对不同网络情况下的长连接ip做缓存，当网络环境切换时候（wifi、2G、3G)，重新请求分配器，缓存不同网络环境的长连接ip。 客户端对于数据心跳和读写超时设置,完善断线检测重连机制 针对不同网络环境，或者客户端本身消息的活跃程度，心跳要自适应的进行调整并与服务端协商，来保证链路的连通性。并且在弱网络环境下，除了网络切换（wifi切3G）或者读写出错情况，什么时候重新建立链路也是一个问题。客户端发出的ping包，不同网络下，多久没有得到响应，认为网络出现问题，重新建立链路需要有个权衡。另外对于不同网络环境下，读取不同的消息长度，也要有不同的容忍时间，不能一刀切。好的心跳和读写超时设置，可以让客户端最快的检测到网络问题，重新建立链路，同时在网络抖动情况下也能完成大数据传输。 结合服务端做策略 另外系统可能结合服务端做一些特殊的策略，比如我们在选路时候，我们会将同一个用户尽量映射到同一个room service实例上。断线时，客户端尽量对上次连接成功的地址进行重试。主要是方便服务端做闪断情况下策略，会暂存用户闪断时实例上的信息，重新连入的 时候，做单实例内的迁移，减少延时与加载开销. 客户端保活策略 很多创业公司愿意重新搭建一套push系统，确实不难实现，其实在协议完备情况下（最简单就是客户端不回ack不清数据），服务端会保证消息是不丢的。但问题是为什么在消息有效期内,到达率上不去？往往因为自己app的push service存活能力不高。选用云平台或者大厂的，往往sdk会做一些保活策略，比如和其他app共生，互相唤醒，这也是云平台的push service更有保障原因。我相信很多云平台旗下的sdk，多个使用同样sdk的app，为了实现服务存活，是可以互相唤醒和保证活跃的。另外现在push sdk本身是单连接，多app复用的，这为sdk实现，增加了新的挑战。 综上，对我来说，选择推送平台，优先会考虑客户端sdk的完善程度。对于服务端，选择条件稍微简单，要求部署接入点（IDC）越要多，配合精细的选路策略，效果越有保证，至于想知道哪些云服务有多少点，这个群里来自各地的小伙伴们，可以合伙测测。 go语言开发问题与解决方案 下面讲下，go开发过程中遇到挑战和优化策略，给大家看下当年的一张图，在第一版优化方案上线前一天截图~可以看到，内存最高占用69G，GC时间单实例最高时候高达3~6s.这种情况下，试想一次悲剧的请求，经过了几个正在执行gc的组件，后果必然是超时... gc照成的接入方重试，又加重了系统的负担。遇到这种情况当时整个系统最差情况每隔2，3天就需要重启一次~ 当时出现问题，现在总结起来，大概以下几点 1.散落在协程里的I/O，Buffer和对象不复用。 当时（12年）由于对go的gc效率理解有限，比较奔放，程序里大量short live的协程，对内通信的很多io操作，由于不想阻塞主循环逻辑或者需要及时响应的逻辑，通过单独go协程来实现异步。这回会gc带来很多负担。 针对这个问题，应尽量控制协程创建，对于长连接这种应用，本身已经有几百万并发协程情况下，很多情况没必要在各个并发协程内部做异步io，因为程序的并行度是有限，理论上做协程内做阻塞操作是没问题。 如果有些需要异步执行，比如如果不异步执行，影响对用户心跳或者等待response无法响应，最好通过一个任务池，和一组常驻协程，来消耗，处理结果，通过channel再传回调用方。使用任务池还有额外的好处，可以对请求进行打包处理，提高吞吐量，并且可以加入控量策略. 2.网络环境不好引起激增 go协程相比较以往高并发程序，如果做不好流控，会引起协程数量激增。早期的时候也会发现，时不时有部分主机内存会远远大于其他服务器，但发现时候，所有主要profiling参数都正常了。 后来发现，通信较多系统中，网络抖动阻塞是不可免的(即使是内网)，对外不停accept接受新请求，但执行过程中，由于对内通信阻塞，大量协程被 创建，业务协程等待通信结果没有释放，往往瞬时会迎来协程暴涨。但这些内存在系统稳定后，virt和res都并没能彻底释放，下降后，维持高位。 处理这种情况，需要增加一些流控策略，流控策略可以选择在rpc库来做，或者上面说的任务池来做，其实我感觉放在任务池里做更合理些，毕竟rpc通信库可以做读写数据的限流，但它并不清楚具体的限流策略，到底是重试还是日志还是缓存到指定队列。任务池本身就是业务逻辑相关的，它清楚针对不同的接口需要的流控限制策略。 3.低效和开销大的rpc框架 早期rpc通信框架比较简单，对内通信时候使用的也是短连接。这本来短连接开销和性能瓶颈超出我们预期，短连接io效率是低一些，但端口资源够，本身吞吐可以满足需要，用是没问题的，很多分层的系统，也有http短连接对内进行请求的 但早期go版本，这样写程序，在一定量级情况，是支撑不住的。短连接大量临时对象和临时buffer创建，在本已经百万协程的程序中，是无法承受的。所以后续我们对我们的rpc框架作了两次调整。 第二版的rpc框架，使用了连接池，通过长连接对内进行通信（复用的资源包括client和server的：编解码Buffer、Request/response），大大改善了性能。 但这种在一次request和response还是占用连接的，如果网络状况ok情况下，这不是问题，足够满足需要了，但试想一个room实例要与后面的数百个的register，coordinator，saver，center，keeper实例进行通信，需要建立大量的常驻连接，每个目标机几十个连接，也有数千个连接被占用。 非持续抖动时候（持续逗开多少无解），或者有延迟较高的请求时候，如果针对目标ip连接开少了，会有瞬时大量请求阻塞，连接无法得到充分利用。第三版增加了Pipeline操作，Pipeline会带来一些额外的开销，利用tcp的全双特性，以尽量少的连接完成对各个服务集群的rpc调用。 4.Gc时间过长 Go的Gc仍旧在持续改善中，大量对象和buffer创建，仍旧会给gc带来很大负担，尤其一个占用了25G左右的程序。之前go team的大咖邮件也告知我们，未来会让使用协程的成本更低，理论上不需要在应用层做更多的策略来缓解gc. 改善方式，一种是多实例的拆分，如果公司没有端口限制，可以很快部署大量实例，减少gc时长，最直接方法。不过对于360来说，外网通常只能使用80和433。因此常规上只能开启两个实例。当然很多人给我建议能否使用SO_REUSEPORT，不过我们内核版本确实比较低，并没有实践过。 另外能否模仿nginx，fork多个进程监控同样端口，至少我们目前没有这样做，主要对于我们目前进程管理上，还是独立的运行的，对外监听不同端口程序，还有配套的内部通信和管理端口，实例管理和升级上要做调整。 解决gc的另两个手段，是内存池和对象池,不过最好做仔细评估和测试，内存池、对象池使用，也需要对于代码可读性与整体效率进行权衡。 这种程序一定情况下会降低并行度，因为用池内资源一定要加互斥锁或者原子操作做CAS，通常原子操作实测要更快一些。CAS可以理解为可操作的更细行为粒度的锁（可以做更多CAS策略，放弃运行，防止忙等）。这种方式带来的问题是，程序的可读性会越来越像C语言，每次要malloc，各地方用完后要free，对于对象池free之前要reset，我曾经在应用层尝试做了一个分层次结构的“无锁队列”上图左边的数组实际上是一个列表，这个列表按大小将内存分块，然后使用atomic操作进行CAS。但实际要看测试数据了，池技术可以明显减少临时对象和内存的申请和释放，gc时间会减少，但加锁带来的并行度的降低，是否能给一段时间内的整体吞吐量带来提升，要做测试和权衡… 在我们消息系统，实际上后续去除了部分这种黑科技，试想在百万个协程里面做自旋操作申请复用的buffer和对象，开销会很大，尤其在协程对线程多对多模型情况下，更依赖于golang本身调度策略，除非我对池增加更多的策略处理，减少忙等，感觉是在把runtime做的事情，在应用层非常不优雅的实现。普遍使用开销理论就大于收益。 但对于rpc库或者codec库，任务池内部，这些开定量协程，集中处理数据的区域，可以尝试改造~ 对于有些固定对象复用，比如固定的心跳包什么的，可以考虑使用全局一些对象，进行复用，针对应用层数据，具体设计对象池，在部分环节去复用，可能比这种无差别的设计一个通用池更能进行效果评估. 消息系统的运维及测试 下面介绍消息系统的架构迭代和一些迭代经验，由于之前在其他地方有过分享，后面的会给出相关链接，下面实际做个简单介绍，感兴趣可以去链接里面看 架构迭代~根据业务和集群的拆分，能解决部分灰度部署上线测试，减少点对点通信和广播通信不同产品的相互影响，针对特定的功能做独立的优化. 消息系统架构和集群拆分，最基本的是拆分多实例，其次是按照业务类型对资源占用情况分类，按用户接入网络和对idc布点要求分类（目前没有条件，所有的产品都部署到全部idc）系统的测试go语言在并发测试上有独特优势。对于压力测试，目前主要针对指定的服务器，选定线上空闲的服务器做长连接压测。然后结合可视化，分析压测过程中的系统状态。但压测早期用的比较多，但实现的统计报表功能和我理想有一定差距。我觉得最近出的golang开源产品都符合这种场景，go写网络并发程序给大家带来的便利，让大家把以往为了降低复杂度，拆解或者分层协作的组件，又组合在了一起。 QA Q1:协议栈大小，超时时间定制原则？ 移动网络下超时时间按产品需求通常2g，3G情况下是5分钟，wifi情况下5~8分钟。但对于个别场景，要求响应非常迅速的场景，如果连接idle超过1分钟，都会有ping，pong，来校验是否断线检测，尽快做到重新连接。 Q2:消息是否持久化？ 消息持久化，通常是先存后发，存储用的redis，但落地用的mysql。mysql只做故障恢复使用。 Q3:消息风暴怎么解决的？ 如果是发送情况下，普通产品是不需要限速的，对于较大产品是有发送队列做控速度，按人数，按秒进行控速度发放，发送成功再发送下一条。 Q4:golang的工具链支持怎么样？我自己写过一些小程序千把行之内，确实很不错，但不知道代码量上去之后，配套的debug工具和profiling工具如何，我看上边有分享说golang自带的profiling工具还不错，那debug呢怎么样呢，官方一直没有出debug工具，gdb支持也不完善，不知你们用的什么？ 是这样的，我们正常就是println，我感觉基本上可以定位我所有问题，但也不排除由于并行性通过println无法复现的问题，目前来看只能靠经验了。只要常见并发尝试，经过分析是可以找到的。go很快会推出调试工具的~ Q5:协议栈是基于tcp吗？ 是否有协议拓展功能？协议栈是tcp，整个系统tcp长连接，没有考虑扩展其功能~如果有好的经验，可以分享~ Q6:问个问题，这个系统是接收上行数据的吧，系统接收上行数据后是转发给相应系统做处理么，是怎么转发呢，如果需要给客户端返回调用结果又是怎么处理呢？ 系统上行数据是根据协议头进行转发，协议头里面标记了产品和转发类型，在coordinator里面跟进产品和转发类型，回调用户，如果用户需要阻塞等待回复才能后续操作，那通过再发送消息，路由回用户。因为整个系统是全异步的。 Q7:问个pushsdk的问题。pushsdk的单连接，多app复用方式，这样的情况下以下几个问题是如何解决的：1）系统流量统计会把所有流量都算到启动连接的应用吧？而启动应用的连接是不固定的吧？2）同一个pushsdk在不同的应用中的版本号可能不一样，这样暴露出来的接口可能有版本问题，如果用单连接模式怎么解决？ 流量只能算在启动的app上了，但一般这种安装率很高的app承担可能性大，常用app本身被检测和杀死可能性较少，另外消息下发量是有严格控制 的。整体上用户还是省电和省流量的。我们pushsdk尽量向上兼容，出于这个目的，push sdk本身做的工作非常有限，抽象出来一些常见的功能，纯推的系统，客户端策略目前做的很少，也有这个原因。 Q8:生产系统的profiling是一直打开的么？ 不是一直打开，每个集群都有采样，但需要开启哪个可以后台控制。这个profling是通过接口调用。 Q9:面前系统中的消息消费者可不可以分组？类似于Kafka。 客户端可以订阅不同产品的消息，接受不同的分组。接入的时候进行bind或者unbind操作 Q10:为什么放弃erlang,而选择go，有什么特别原因吗？我们现在用的erlang？ erlang没有问题，原因是我们上线后，其他团队才做出来，经过qa一个部门对比测试，在没有显著性能提升下，选择继续使用go版本的push，作为公司基础服务。 Q11:流控问题有排查过网卡配置导致的idle问题吗？ 流控是业务级别的流控，我们上线前对于内网的极限通信量做了测试，后续将请求在rpc库内，控制在小于内部通信开销的上限以下.在到达上限前作流控。 Q12:服务的协调调度为什么选择zk有考虑过raft实现吗？golang的raft实现很多啊，比如Consul和ectd之类的。 3年前，还没有后两者或者后两者没听过应该。zk当时公司内部成熟方案，不过目前来看，我们不准备用zk作结合系统的定制开发，准备用自己写的keeper代替zk，完成配置文件自动转数据结构，数据结构自动同步指定进程，同时里面可以完成很多自定义的发现和控制策略，客户端包含keeper的sdk就可以实现以上的所有监控数据，profling数据收集，配置文件更新，启动关闭等回调。完全抽象成语keeper通信sdk，keeper之间考虑用raft。 Q13:负载策略是否同时在服务侧与CLIENT侧同时做的 (DISPATCHER 会返回一组IP)？另外，ROOM SERVER/REGISTER SERVER连接状态的一致性可用性如何保证? 服务侧保活有无特别关注的地方? 安全性方面是基于TLS再加上应用层加密? 会在server端做，比如重启操作前，会下发指令类型消息，让客户端进行主动行为。部分消息使用了加密策略，自定义的rsa+des，另外满足我们安全公司的需要，也定制开发很多安全加密策略。一致性是通过冷备解决的，早期考虑双写，但实时状态双写同步代价太高而且容易有脏数据，比如register挂了，调用所有room，通过重新刷入指定register来解决。 Q14:这个keeper有开源打算吗？ 还在写，如果没耦合我们系统太多功能，一定会开源的，主要这意味着，我们所有的bind在sdk的库也需要开源~ Q15:比较好奇lisence是哪个如果开源？
zbxTable是一个开源zabbix报表系统，go语言编写（张思德，zabbix中国社区开源专家），目前版本已更新到1.15版本，支持zabbix5.4版本。
zbxTable部署有两种方式：RPM部署和编译安装，如有特殊需要，可选择编译安装，zbxtable用go语言编写，对系统影响小，推荐用RPM安装。
添加yum源
CentOS 6.x
rpm -Uvh
CentOS 7.X
rpm -Uvh
CentOS 8.X
rpm -Uvh
安装
全新安装直接复制命令即可
yum clean all
yum -y install zbxtable
安装ms-agent
yum -y install ms-agent
配置
数据库初始化
mysql -uroot -ppassword
create database zbxtable character set utf8 collate utf8_bin;
create user zbxtable@localhost identified by ‘zbxtablepwd123’;
这里不讲其他数据库，有兴趣的可以看官网具体配置
系统初始化
配置文件需要初始化才能生成，步骤如下：
cd /usr/local/zbxtable/
./zbxtable init
这时候会进入交互命令行，根据实际情况正确输入数据库库的账号密码，zabbix链接信息，成功后会生成配置文件，否则无法看到配置文件。
配置MS-Agent
MS-Agent作为告警消息采集客户端，采集zabbix产生的告警信息，发送到zbxtable平台中，zbxtable需要在zabbix server配置相应的action。配置如下。
cd /usr/local/zbxtable
./zbxtable install
这时会在zabbix上创建ms-agent用户，密码随机，权限管理员，最后输出MS-Agent token为MS-Agent 与ZbxTable通信的token，需要和MS-Agent 配置文件里的token保持一致，否则无法正常收到告警。 Token可在conf/app.conf文件里找到。
启动服务
systemctl enable --now zbxtable
重启
systemctl restart zbxtable
查看状态
systemctl status zbxtable
必须确保zbxtable服务是active状态，如果异常，查看日志文件：/usr/local/zbxtable/logs/zbxtable.log或者系统日志message
Zbxtable-web配置
zbxtable使用nginx做代理，安装即可
yum -y install nginx
拷贝nginx配置文件
cp /usr/local/zbxtable/nginx.conf /etc/nginx/conf.d/
启动nginx
systemctl start nginx
开机自启动
systemctl enable nginx
zbxtable访问地址：,默认账号密码：admin/Zbxtable。