本文简单介绍了 GM 和 GMP 模型，其中分析了 GMP 针对 GM 存在问题的优化点。

1 GM 模型

GM 模型中的 G 全称为 Goroutine 协程，M 全称为 Machine 内核级线程。

全局队列存放协程 G，同时 M 内核级线程会从全局队列中获取 G。
GM 模型的缺点：① 全局队列的锁竞争，当 M 从全局队列中添加或者获取 G 的时候，都需要获取队列锁，导致激烈的锁竞争。② M 转移 G 消耗较多资源，当 M1 在执行 G1 的时候， M1 创建了 G2，为了继续执行 G1，需要把 G2 保存到全局队列中，而 M2 刚好获取 G2 来执行。因为 M1 原本就保存了 G2 的信息，所以 G2 最好是在 M1 上执行。

GM 模型.png

2 GMP 模型

GMP 模型中的 G 全称为 Goroutine 协程，M 全称为 Machine 内核级线程，P 全称为 Processor 本地队列。对比 GM 模型， GMP 模型新增了本地队列 P。

M1 新增的 G 会优先被保存在 M1 所绑定的本地队列 P1 中，其中 P1 最多存放 256 个 G。如果本地队列 P1 满了，会把新增的 G 存放在全局队列中（加锁操作）。最终 M1 会从本地队列 P1 获取 G 进行调度（无锁操作）。

GMP 模型.png

问题1：M 如何从 P 中获取 G
M 从 P 中获取 G 的顺序：本地队列 P 》全局队列 P 》偷别人的 P 队列，具体流程如下。
① M0 首先从本地队列 P 中获取 G（无锁操作）
② 如果本地队列 P 为空，则从全局队列 P 获取G（加锁操作）
③ 如果全局队列 P 为空，再去另一个本地队列 P 采用 work-stealing 算法偷取一半数量的 G。

问题2：当 M0 在执行 G1 的时候被阻塞了，如何继续执行

P 的数量是由环境变量 $GOMAXPROCS 或者由 runtime 的 GOMAXPROCS() 方法，其创建时机是系统运行的时候；M 的数量默认等于内核线程数，其创建时机是由内核管理，即当没有足够的 M 关联 P /原来的 M 被阻塞，内核会创建新 M 去关联 P。

如下图所示，当 M0 在执行 G1 的时候阻塞了，M0 与 P 解绑，接着 M1 绑定 P，然后执行 G2。

M 阻塞场景.png

问题3：G 从创建、保存、被获取、调度和执行、阻塞的生命周期

步骤 1：创建 G，关键字 go func() 创建 G；
步骤 2：保存 G，创建的 G 优先保存到本地队列 P，如果 P 满了，则会保存到全局队列中；
步骤 3：M 获取 G，M1 首先从本地队列 P1 获取 G，如果 P1 为空，则从全局队列获取 G，如果全局队列也为空，则从另一个本地队列偷取一半数量的 G；
步骤 4：M 调度和执行 G，M1 调用 G.func() 函数执行 G，如果 M1 在执行 G 的过程被阻塞了，则本地队列 P1 与 M1 解绑。利用 hand-off 机制，新内核线程 Mx 绑定 P1，接着继续执行 P1 中其余的 G。

G 生命周期.png

3 GM 与 GMP 的区别

从设计角度看，GMP 对比 GM 增加了一层本地队列 P。GMP 新增本地队列 P 后，如何优化 GM 存在的问题 —— ①全局队列锁竞争激烈；②M 转移 G 消耗较多资源

区别 1：减少大量的全局队列锁竞争。M 绑定本地队列 P 后，直接在 P 中获取、添加和执行 G（无锁操作）。

减少锁竞争.png

区别 2：提高资源利用率 —— 尽量在同 1 个 M 中创建和执行 G。M 创建完 G 后，会将该 G 保存在与 M 绑定的本地队列 P 中，后续 M 会从 P 中获取和执行 G。因为 G 的信息在创建时保存到 M 中，所以在后续执行的过程中不需要转移 G 的信息，即不涉及线程上下文切换。

区别 3：提高资源利用率 —— 获取全局队列的 G 和 work-stealing 偷其它本地队列 P 一半数量 G。当 M0 的本地队列为空，M0 先去全局队列获取 G，如果全局队列为空，再其它本地队列偷一半数量的 G。

work-stealing 机制.png

区别 4：提高资源利用率 —— 利用 hand-off 机制处理阻塞问题。当 M0 执行 G1 的时候被阻塞了，内核系统会调度 M1 重新绑定本地队列 P，然后继续执行 G2。

hand-off 机制.png

注意：如何处理本地队列 P 中的每个 G 都被阻塞的极端场景？
由于 hand-off 机制会使得 M 和 P 在成对扩增，为了限制无限扩增的极端场景，P 通过 runtime.GOMAXPROCS() 设置最大值，默认值等于 CPU 核数。

G 阻塞的极端场景.png