本文介紹瞭如何在 Golang 中最佳化資料庫連線，透過有效管理連線來提高應用程式吞吐量。原文: Optimizing Database Connections in Go: Improving Throughput by Managing Open Connections Efficiently
Go 的 database/sql 軟體包提供了自動化資料庫連線池，能夠幫助開發人員有效管理連線。通常情況下，開發人員會請求某個開啟的連線，執行查詢，然後關閉連線以確保連線返回到池中。
開發人員常犯的一個錯誤是長時間持有資料庫連線，從而導致效能瓶頸。新請求不得不等待可用連線，造成連線池的效率受到影響。
本文將探討如何避免這一問題，並透過確定常見問題域和學習解決方法，最佳化 Go 應用以提高吞吐量。
基本示例
我們以一個返回僱員記錄的基本 HTTP 處理程式為例：
func GetEmployeesHandler(w http.ResponseWriter, r *http.Request) {
rows, err := db.Query(`SELECT id, name, email FROM employee`)
if err != nil {
http.Error(w, fmt.Sprintf("error querying database: %v", err), http.StatusInternalServerError)
return
}
defer rows.Close()
var employees []Employee
for rows.Next() {
var e Employee
if err := rows.Scan(&e.ID, &e.Name, &e.Email); err != nil {
http.Error(w, fmt.Sprintf("Error scanning row: %v", err), http.StatusInternalServerError)
return
}
decorateEmployee(&e)
employees = append(employees, e)
}
if err = rows.Err(); err != nil {
http.Error(w, fmt.Sprintf("error during row iteration: %v", err), http.StatusInternalServerError)
return
}
w.Header().Set("Content-Type", "application/json")
if err := json.NewEncoder(w).Encode(employees); err != nil {
http.Error(w, "Error encoding response", http.StatusInternalServerError)
return
}
}在這個處理程式中:
- 查詢資料庫中的僱員記錄。
- 透過
defer rows.Close()確保在處理完結果集後關閉連線。 - 掃描每一行，並用從外部獲取的資料對其進行裝飾。
- 將最終結果追加到陣列中。
- 檢查迭代過程中的任何錯誤，並以 JSON 格式返回結果。
乍一看，似乎沒有什麼特別的地方。不過，你會期待在壓力測試的時候獲得更好的效能。
初步效能結果
使用 Vegeta 等壓力測試工具，可以模擬該端點的負載情況。在每秒 10 個請求（RPS，requests per second）的初始速率下，應用在 30 秒的測試執行中表現相對較好：
$ echo "GET http://localhost:8080/employees" | vegeta attack -duration=30s -rate=10 | tee results.bin | vegeta report
Requests [total, rate, throughput] 300, 10.03, 5.45
Duration [total, attack, wait] 52.095s, 29.9s, 22.196s
Latencies [min, mean, 50, 90, 95, 99, max] 2.318s, 11.971s, 8.512s, 26.222s, 30.001s, 30.001s, 30.001s
Bytes In [total, mean] 2290991, 7636.64
Bytes Out [total, mean] 0, 0.00
Success [ratio] 94.67%
Status Codes [code:count] 0:16 200:284然而，當我們將負載增加到 50 RPS 時，就會發現吞吐量大幅下降，請求失敗率急劇上升：
$ echo "GET http://localhost:8080/employees" | vegeta attack -duration=30s -rate=50 | tee results.bin | vegeta report
Requests [total, rate, throughput] 1500, 50.03, 4.20
Duration [total, attack, wait] 59.981s, 29.981s, 30s
Latencies [min, mean, 50, 90, 95, 99, max] 2.208s, 27.175s, 30.001s, 30.001s, 30.001s, 30.002s, 30.002s
Bytes In [total, mean] 2032879, 1355.25
Bytes Out [total, mean] 0, 0.00
Success [ratio] 16.80%
Status Codes [code:count] 0:1248 200:252(上述狀態程式碼為 0 表示測試執行過程中出現客戶端超時）
定位瓶頸
當 RPS 為 50 時，成功率急劇下降，吞吐量降至每秒僅 4.2 個請求。為什麼會這樣？其中一個可能的原因是，考慮到當前資源，50 RPS 是一個不合理的目標。為了確認程式碼是否可以透過修改獲得更好的效能，我們可以研究收集一些指標。其中一個指標來源是裝飾過程，但在本文中，我們將重點關注資料庫連線池統計資料。
Go 的 database/sql 軟體包可透過 DBStats 函式檢視應用的資料庫池效能，會返回我們感興趣的統計資訊：
InUse： 當前正在使用的連線數。Idle：空閒連線數。WaitCount：等待的連線總數。
可以透過新增另一個端點處理程式來輸出這些值：
func GetInfoHandler(w http.ResponseWriter, r *http.Request) {
w.Header().Set("Content-Type", "application/json")
if err := json.NewEncoder(w).Encode(db.Stats()); err != nil {
http.Error(w, "Error encoding response", http.StatusInternalServerError)
return
}
}重新執行上述壓力測試，並對 /info 端點進行監控：
$ while true; do curl -s http://localhost:8080/info; sleep 2; done
...
{"MaxOpenConnections":15,"OpenConnections":15,"InUse":15,"Idle":0,"WaitCount":1434,"WaitDuration":1389188829869,"MaxIdleClosed":0,"MaxIdleTimeClosed":0,"MaxLifetimeClosed":0}
{"MaxOpenConnections":15,"OpenConnections":15,"InUse":15,"Idle":0,"WaitCount":1485,"WaitDuration":1582086078604,"MaxIdleClosed":0,"MaxIdleTimeClosed":0,"MaxLifetimeClosed":0}
{"MaxOpenConnections":15,"OpenConnections":15,"InUse":15,"Idle":0,"WaitCount":1485,"WaitDuration":1772844971842,"MaxIdleClosed":0,"MaxIdleTimeClosed":0,"MaxLifetimeClosed":0}
...上述結果表明連線池已達到最大值（InUse: 15, Idle: 0），每個新請求都被迫等待（WaitCount 不斷增加）。換句話說，連線池基本上處於停滯狀態，從而導致了之前觀察到的延遲和超時問題！
最佳化連線使用
檢視原始程式碼，我們發現問題要麼出在查詢本身效能不佳，要麼出在遍歷結果集時每次呼叫裝飾函式都需要很長時間才能返回。可以嘗試在 rows.Next() 迴圈之外裝飾記錄，並將其移至資料庫連線使用之下，從而找出問題所在。
以下是更新後的程式碼：
func GetEmployeesHandler(w http.ResponseWriter, r *http.Request) {
rows, err := db.Query(`SELECT id, name, email FROM employee`)
if err != nil {
http.Error(w, fmt.Sprintf("error querying database: %v", err), http.StatusInternalServerError)
return
}
var employees []Employee
for rows.Next() {
var e Employee
if err := rows.Scan(&e.ID, &e.Name, &e.Email); err != nil {
http.Error(w, fmt.Sprintf("Error scanning row: %v", err), http.StatusInternalServerError)
return
}
employees = append(employees, e)
}
if err = rows.Err(); err != nil {
http.Error(w, fmt.Sprintf("error during row iteration: %v", err), http.StatusInternalServerError)
return
}
rows.Close()
for i := range employees {
decorateEmployee(&employees[i])
}
w.Header().Set("Content-Type", "application/json")
if err := json.NewEncoder(w).Encode(employees); err != nil {
http.Error(w, "Error encoding response", http.StatusInternalServerError)
return
}
}在這個重構的處理程式中，我們:
- 將所有行掃描到記憶體中。
- 掃描後立即關閉連線，將其釋放回池。
- 在記憶體中裝飾僱員記錄，而無需保持連線開啟。
最佳化後的效能
最佳化後以 50 RPS 執行相同的 Vegeta 測試，結果如下：
$ echo "GET http://localhost:8080/employees" | vegeta attack -duration=30s -rate=50 | tee results.bin | vegeta report
Requests [total, rate, throughput] 1500, 50.03, 45.78
Duration [total, attack, wait] 32.768s, 29.98s, 2.788s
Latencies [min, mean, 50, 90, 95, 99, max] 2.045s, 2.502s, 2.499s, 2.692s, 2.741s, 2.856s, 2.995s
Bytes In [total, mean] 11817000, 7878.00
Bytes Out [total, mean] 0, 0.00
Success [ratio] 100.00%
Status Codes [code:count] 200:1500...
{"MaxOpenConnections":15,"OpenConnections":1,"InUse":0,"Idle":1,"WaitCount":0,"WaitDuration":0,"MaxIdleClosed":0,"MaxIdleTimeClosed":0,"MaxLifetimeClosed":0}
{"MaxOpenConnections":15,"OpenConnections":1,"InUse":0,"Idle":1,"WaitCount":0,"WaitDuration":0,"MaxIdleClosed":0,"MaxIdleTimeClosed":0,"MaxLifetimeClosed":0}
{"MaxOpenConnections":15,"OpenConnections":1,"InUse":0,"Idle":1,"WaitCount":0,"WaitDuration":0,"MaxIdleClosed":0,"MaxIdleTimeClosed":0,"MaxLifetimeClosed":0}
...可以看到，不僅吞吐量和延遲得到了 100% 的大幅改善，而且 OpenConnections 的總數也沒有超過 1，甚至還有閒置連線處於待機狀態，從而使 WaitCount 始終為零！
總結
透過最佳化連線的處理方式，先將所有行獲取到記憶體中，然後立即關閉連線，而不是在執行其他 I/O 繫結操作（如裝飾記錄）時保持連線開啟。這樣，資料庫連線就能儘快返回到池中，為其他傳入請求釋放資源，從而提高吞吐量和併發性。
你好，我是俞凡，在Motorola做過研發，現在在Mavenir做技術工作，對通訊、網路、後端架構、雲原生、DevOps、CICD、區塊鏈、AI等技術始終保持著濃厚的興趣，平時喜歡閱讀、思考，相信持續學習、終身成長，歡迎一起交流學習。為了方便大家以後能第一時間看到文章，請朋友們關注公眾號"DeepNoMind"，並設個星標吧，如果能一鍵三連(轉發、點贊、在看)，則能給我帶來更多的支援和動力，激勵我持續寫下去，和大家共同成長進步！
本文由mdnice多平臺釋出