五分鐘搞懂 Golang 數據庫連接管理
作者：DeepNoMind
本文介紹了如何在 Golang 中優化數據庫連接，通過有效管理連接來提高應用程序吞吐量。
Go 的 database/sql 軟件包提供了自動化數據庫連接池，能夠幫助開發人員有效管理連接。通常情況下，開發人員會請求某個打開的連接，執行查詢，然后關閉連接以確保連接返回到池中。
開發人員常犯的一個錯誤是長時間持有數據庫連接，從而導致性能瓶頸。新請求不得不等待可用連接，造成連接池的效率受到影響。
本文將探討如何避免這一問題，并通過確定常見問題域和學習解決方法，優化 Go 應用以提高吞吐量。
基本示例
我們以一個返回雇員記錄的基本 HTTP 處理程序為例：
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
}
}在這個處理程序中:
- 查詢數據庫中的雇員記錄。
- 通過 defer rows.Close() 確保在處理完結果集后關閉連接。
- 掃描每一行，并用從外部獲取的數據對其進行裝飾。
- 將最終結果追加到數組中。
- 檢查迭代過程中的任何錯誤，并以 JSON 格式返回結果。
乍一看，似乎沒有什么特別的地方。不過，你會期待在壓力測試的時候獲得更好的性能。
初步性能結果
使用 Vegeta[2] 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 秒的測試運行中表現相對較好：
$ 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(上述狀態代碼為 0 表示測試運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。為什么會這樣？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。為了確認代碼是否可以通過修改獲得更好的性能，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，我們將重點關注數據庫連接池統計數據。
Go 的 database/sql 軟件包可通過 DBStats 函數查看應用的數據庫池性能，會返回我們感興趣的統計信息：
- InUse： 當前正在使用的連接數。
- Idle：空閑連接數。
- WaitCount：等待的連接總數。
可以通過添加另一個端點處理程序來輸出這些值：
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
}
}重新運行上述壓力測試，并對 /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}
...上述結果表明連接池已達到最大值（InUse: 15, Idle: 0），每個新請求都被迫等待（WaitCount 不斷增加）。換句話說，連接池基本上處于停滯狀態，從而導致了之前觀察到的延遲和超時問題！
優化連接使用
查看原始代碼，我們發現問題要么出在查詢本身性能不佳，要么出在遍歷結果集時每次調用裝飾函數都需要很長時間才能返回。可以嘗試在 rows.Next() 循環之外裝飾記錄，并將其移至數據庫連接使用之下，從而找出問題所在。
以下是更新后的代碼：
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序中，我們:
- 將所有行掃描到內存中。
- 掃描后立即關閉連接，將其釋放回池。
- 在內存中裝飾雇員記錄，而無需保持連接打開。
優化后的性能
優化后以 50 RPS 運行相同的 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，甚至還有閑置連接處于待機狀態，從而使 WaitCount 始終為零！
總結
通過優化連接的處理方式，先將所有行獲取到內存中，然后立即關閉連接，而不是在執行其他 I/O 綁定操作（如裝飾記錄）時保持連接打開。這樣，數據庫連接就能盡快返回到池中，為其他傳入請求釋放資源，從而提高吞吐量和并發性。
責任編輯：趙寧寧
來源：
DeepNoMind
