深度解密 Go math/rand

Go 獲取隨機數(shù)是開發(fā)中經(jīng)常會用到的功能, 不過這個里面還是有一些坑存在的, 本文將完全剖析 Go math/rand, 讓你輕松使用 Go Rand.

開篇一問: 你覺得 rand 會 panic 嗎 ?

源碼剖析

math/rand 源碼其實很簡單, 就兩個比較重要的函數(shù):

func (rng *rngSource) Seed(seed int64) {
 rng.tap = 0
 rng.feed = rngLen - rngTap

 //...
 x := int32(seed)
 for i := -20; i < rngLen; i++ {
  x = seedrand(x)
  if i >= 0 {
   var u int64
   u = int64(x) << 40
   x = seedrand(x)
   u ^= int64(x) << 20
   x = seedrand(x)
   u ^= int64(x)
   u ^= rngCooked[i]
   rng.vec[i] = u
  }
 }
}

這個函數(shù)就是在設(shè)置 seed, 其實就是對 rng.vec 各個位置設(shè)置對應(yīng)的值. rng.vec 的大小是 607.

func (rng *rngSource) Uint64() uint64 {
 rng.tap--
 if rng.tap < 0 {
  rng.tap += rngLen
 }

 rng.feed--
 if rng.feed < 0 {
  rng.feed += rngLen
 }

 x := rng.vec[rng.feed] + rng.vec[rng.tap]
 rng.vec[rng.feed] = x
 return uint64(x)
}

我們在使用不管調(diào)用 Intn(), Int31n() 等其他函數(shù), 最終調(diào)用到就是這個函數(shù). 可以看到每次調(diào)用就是利用 rng.feed rng.tap 從 rng.vec 中取到兩個值相加的結(jié)果返回了. 同時還是這個結(jié)果又重新放入 rng.vec.

在這里需要注意使用 rng.go 的 rngSource 時, 由于 rng.vec 在獲取隨機數(shù)時會同時設(shè)置 rng.vec 的值, 當(dāng)多 goroutine 同時調(diào)用時就會有數(shù)據(jù)競爭問題. math/rand 采用在調(diào)用 rngSource 時加鎖  sync.Mutex 解決.

func (r *lockedSource) Uint64() (n uint64) {
 r.lk.Lock()
 n = r.src.Uint64()
 r.lk.Unlock()
 return
}

另外我們能直接使用rand.Seed(),rand.Intn(100), 是因為 math/rand 初始化了一個全局的 globalRand 變量.

var globalRand = New(&lockedSource{src: NewSource(1).(*rngSource)})

func Seed(seed int64) { globalRand.Seed(seed) }

func Uint32() uint32 { return globalRand.Uint32() }

需要注意到由于調(diào)用 rngSource 加了鎖, 所以直接使用rand.Int32()會導(dǎo)致全局的 goroutine 鎖競爭, 所以在高并發(fā)場景時, 當(dāng)你的程序的性能是卡在這里的話, 你需要考慮利用New(&lockedSource{src: NewSource(1).(*rngSource)})為不同的模塊生成單獨的 rand. 不過根據(jù)目前的實踐來看, 使用全局的 globalRand 鎖競爭并沒有我們想象中那么激烈. 使用 New 生成新的 rand 里面是有坑的, 開篇的 panic 就是這么產(chǎn)生的, 后面具體再說.

種子(seed)到底起什么作用 ?

func main() {
 for i := 0; i < 10; i++ {
  fmt.Printf("current:%d\n", time.Now().Unix())
  rand.Seed(time.Now().Unix())
  fmt.Println(rand.Intn(100))
 }
}

結(jié)果:

current:1613814632
65
current:1613814632
65
current:1613814632
65
...

這個例子能得出一個結(jié)論: 相同種子, 每次運行的結(jié)果都是一樣的. 這是為什么呢?

在使用 math/rand 的時候, 一定需要通過調(diào)用 rand.Seed 來設(shè)置種子, 其實就是給 rng.vec 的 607 個槽設(shè)置對應(yīng)的值. 通過上面的源碼那可以看出來, rand.Seed 會調(diào)用一個 seedrand 的函數(shù), 來計算對應(yīng)槽的值.

func seedrand(x int32) int32 {
 const (
  A = 48271
  Q = 44488
  R = 3399
 )

 hi := x / Q
 lo := x % Q
 x = A*lo - R*hi
 if x < 0 {
  x += int32max
 }
 return x
}

這個函數(shù)的計算結(jié)果并不是隨機的, 而是根據(jù) seed 實際算出來的. 另外這個函數(shù)并不是隨便寫的, 是有相關(guān)的數(shù)學(xué)證明的.

這也導(dǎo)致了相同的 seed, 最終設(shè)置到 rng.vec里面的值是相同的, 通過 Intn 取出的也是相同的值.

我遇到的那些坑

1. rand panic

文章開頭的截圖就是項目開發(fā)中使用別人封裝的底層庫, 在某天出現(xiàn)的 panic. 大概實現(xiàn)的代碼:

// random.go

var (
 rrRand = rand.New(rand.NewSource(time.Now().Unix()))
)

type Random struct{}

func (r *Random) Balance(sf *service.Service) ([]string, error) {
 // .. 通過服務(wù)發(fā)現(xiàn)獲取到一堆ip+port, 然后隨機拿到其中的一些ip和port出來
 randIndexes := rrRand.Perm(randMax)

 // 返回這些ip 和port
}

這個 Random 會被并發(fā)調(diào)用, 由于 rrRand 不是并發(fā)安全的, 所以就導(dǎo)致了調(diào)用 rrRand.Perm 時偶爾會出現(xiàn) panic 情況.

在使用 math/rand 的時候, 有些人使用 math.Intn(), 看了下注釋發(fā)現(xiàn)是全局共享了一個鎖, 擔(dān)心出現(xiàn)鎖競爭, 所以用 rand.New 來初始化一個新的 rand, 但是要注意到 rand.New 初始化出來的 rand 并不是并發(fā)安全的.

修復(fù)方案: 就是把 rrRand 換成了 globalRand, 在線上高并發(fā)場景下, 發(fā)現(xiàn)全局鎖影響并不大.

2. 獲取的都是同一個機器

同樣也是底層封裝的 rpc 庫, 使用 random 的方式來流量分發(fā), 在線上跑了一段時間后, 流量都路由到一臺機器上了, 導(dǎo)致服務(wù)直接宕機. 大概實現(xiàn)代碼:

func Call(ctx *gin.Context, method string, service string, data map[string]interface{}) (buf []byte, err error) {
 ins, err := ral.GetInstance(ctx, ral.TYPE_HTTP, service)
 if err != nil {
  // 錯誤處理
 }
 defer ins.Release()

 if b, e := ins.Request(ctx, method, data, head); e == nil {
  // 錯誤處理
 }
 // 其他邏輯, 重試等等
}

func GetInstance(ctx *gin.Context, modType string, name string) (*Instance, error) {
 // 其他邏輯..

 switch res.Strategy {
 case WITH_RANDOM:
  if res.rand == nil {
   res.rand = rand.New(rand.NewSource(time.Now().Unix()))
  }
  which = res.rand.Intn(res.count)
 case 其他負載均衡查了
 }

 // 返回其中一個ip和port
}

引起問題的原因: 可以看出來每次請求到來都是利用 GetInstance 來獲取一個 ip 和 port, 如果采用 Random 方式的流量負載均衡, 每次都是重新初始化一個 rand. 我們已經(jīng)知道當(dāng)設(shè)置相同的種子, 每次運行的結(jié)果都是一樣的. 當(dāng)瞬間流量過大時, 并發(fā)請求 GetInstance, 由于那一刻 time.Now().Unix() 的值是一樣的, 這樣就會導(dǎo)致獲取到隨機數(shù)都是一樣的, 所以就導(dǎo)致最后獲取到的 ip, port 都是一樣的, 流量都分發(fā)到這臺機器上了.

修復(fù)方案: 修改成 globalRand 即可.

rand 未來期望

說到這里基本上可以看出來, 為了防止全局鎖競爭問題, 在使用 math/rand 的時候, 首先都會想到自定義 rand, 但是就容易整出來莫名其妙的問題.

為什么 math/rand 需要加鎖呢?

大家都知道 math/rand 是偽隨機的, 但是在設(shè)置完 seed 后, rng.vec 數(shù)組的值基本上就確定下來了, 這明顯就不是隨機了, 為了增加隨機性, 通過 Uint64() 獲取到隨機數(shù)后, 還會重新去設(shè)置 rng.vec. 由于存在并發(fā)獲取隨機數(shù)的需求, 也就有了并發(fā)設(shè)置 rng.vec 的值, 所以需要對 rng.vec 加鎖保護.

使用 rand.Intn() 確實會有全局鎖競爭問題, 你覺得 math/rand 未來會優(yōu)化嗎? 以及如何優(yōu)化? 歡迎留言討論.