今天，通过一个例子，一方面熟悉trace在自定义范围内的分析，另一方面golang 在协程调度策略上的浅析。
Show Code
// trace_example.go
package main
import (
"context"
"fmt"
"os"
"runtime"
"runtime/trace"
"sync"
)
func main(){
// 为了看协程抢占，这里设置了一个cpu 跑
runtime.GOMAXPROCS(1)
f, _ := os.Create("trace.dat")
defer f.Close()
_ = trace.Start(f)
defer trace.Stop()
ctx, task := trace.NewTask(context.Background(), "sumTask")
defer task.End()
var wg sync.WaitGroup
wg.Add(10)
for i := 0; i < 10; i ++ {
// 启动10个协程，只是做一个累加运算
go func(region string) {
defer wg.Done()
// 标记region
trace.WithRegion(ctx, region, func() {
var sum, k int64
for ; k < 1000000000; k ++ {
sum += k
}
fmt.Println(region, sum)
})
}(fmt.Sprintf("region_%02d", i))
}
wg.Wait()
}- 代码的功能非常简单，只是启动10个协程，每个协程处理的工作都是一样的，即把0 ... 1000000000 做了sum 运算。
- 代码中，添加了Task 和 Task 的Region，是我们更好的发现我们协程的位置(当然，我这里都捕获了，只是用Region 做了标识)，并将记录的 trace 数据写入trace.dat 文件中。
- 为了更好的看到协程对cpu的抢占，所以把cpu的个数限制为1个。
编译并运行,会得到如下结果：
# go build trace_example.go
# ./trace_example
region_09 499999999500000000
region_00 499999999500000000
region_01 499999999500000000
region_02 499999999500000000
region_03 499999999500000000
region_04 499999999500000000
region_05 499999999500000000
region_06 499999999500000000
region_07 499999999500000000
region_08 499999999500000000从结果中，我们可以看出，协程执行的顺序不是那么有序。但是真实是怎么执行的呢？我们从 trace.dat 中获取答案。
Trace 分析
执行下面命令，打开trace 的web服务：
# go tool trace trace.dat
2020/04/16 17:34:09 Parsing trace...
2020/04/16 17:34:10 Splitting trace...
2020/04/16 17:34:10 Opening browser. Trace viewer is listening on http://127.0.0.1:53426我们先从分析整个协程入手, 从这里可以看出，我们的协程其实没有按照时间片轮询的方式跑（毕竟这是一个纯计算性的工作）
而从Task中，我们观察所有自定义的Region 和goroutine.
从图中可以看出，task 任务所关注的region 是一个一个跑的，region_09 先执行了，这个也从我们的输出中得到了验证。从图中也可以看到，我们的goroutineid(G1, G10, G12 等, 虽然我们在go编写代码时并不能拿到这个goroutineid).
总结与反思
除了实操了一次 task 和 region 的自定义做trace 分析外，我们还能从这个例子中找到些什么信息。
- goroutine 肯定是存在的
- goroutine 的启动肯定不是有序的, 这一点从task 的图中就可以明显看出来
- goroutine 如果没有阻塞的服务的话，会一直占用cpu的（所以有了 runtime.Gosched() 的存在）
所以，对于一些占用高频cpu的服务（比如说加解密，编解码服务等）如果有别的优先级比较高的goroutine在工作，可以适当的让出CPU, 保证服务正常有序工作。
有疑问加站长微信联系（非本文作者）
