本文目录一览：
golang是什么牌子的自行车
永久牌自行车。
永久自行车的历史可追溯到1940年，它是中国Z早的自行车整车制造厂家之一，至今已有近80年的历史。作为Z大的国有自行车厂为中国自行车行业的发展作出了不可磨灭的贡献，永久研制了统一全国自行车标准规格的标定车。
go语言实现一个简单的简单网关
网关=反向代理+负载均衡+各种策略，技术实现也有多种多样，有基于 nginx 使用 lua 的实现，比如 openresty、kong；也有基于 zuul 的通用网关；还有就是 golang 的网关，比如 tyk。
这篇文章主要是讲如何基于 golang 实现一个简单的网关。
转自： troy.wang/docs/golang/posts/golang-gateway/
整理：go语言钟文文档:
启动两个后端 web 服务（代码）
这里使用命令行工具进行测试
具体代码
直接使用基础库 httputil 提供的NewSingleHostReverseProxy即可，返回的reverseProxy对象实现了serveHttp方法，因此可以直接作为 handler。
具体代码
director中定义回调函数，入参为*http.Request，决定如何构造向后端的请求，比如 host 是否向后传递，是否进行 url 重写，对于 header 的处理，后端 target 的选择等，都可以在这里完成。
director在这里具体做了：
modifyResponse中定义回调函数，入参为*http.Response，用于修改响应的信息，比如响应的 Body，响应的 Header 等信息。
最终依旧是返回一个ReverseProxy，然后将这个对象作为 handler 传入即可。
参考 2.2 中的NewSingleHostReverseProxy，只需要实现一个类似的、支持多 targets 的方法即可，具体实现见后面。
作为一个网关服务，在上面 2.3 的基础上，需要支持必要的负载均衡策略，比如：
随便 random 一个整数作为索引，然后取对应的地址即可，实现比较简单。
具体代码
使用curIndex进行累加计数，一旦超过 rss 数组的长度，则重置。
具体代码
轮询带权重，如果使用计数递减的方式，如果权重是5,1,1那么后端 rs 依次为a,a,a,a,a,b,c,a,a,a,a…，其中 a 后端会瞬间压力过大；参考 nginx 内部的加权轮询，或者应该称之为平滑加权轮询，思路是：
后端真实节点包含三个权重：
操作步骤：
具体代码
一致性 hash 算法，主要是用于分布式 cache 热点/命中问题；这里用于基于某 key 的 hash 值，路由到固定后端，但是只能是基本满足流量绑定，一旦后端目标节点故障，会自动平移到环上最近的那么个节点。
实现：
具体代码
每一种不同的负载均衡算法，只需要实现添加以及获取的接口即可。
然后使用工厂方法，根据传入的参数，决定使用哪种负载均衡策略。
具体代码
作为网关，中间件必不可少，这类包括请求响应的模式，一般称作洋葱模式，每一层都是中间件，一层层进去，然后一层层出来。
中间件的实现一般有两种，一种是使用数组，然后配合 index 计数；一种是链式调用。
具体代码
（十一）golang 内存分析
编写过C语言程序的肯定知道通过malloc()方法动态申请内存，其中内存分配器使用的是glibc提供的ptmalloc2。 除了glibc，业界比较出名的内存分配器有Google的tcmalloc和Facebook的jemalloc。二者在避免内存碎片和性能上均比glic有比较大的优势，在多线程环境中效果更明显。
Golang中也实现了内存分配器，原理与tcmalloc类似，简单的说就是维护一块大的全局内存，每个线程(Golang中为P)维护一块小的私有内存，私有内存不足再从全局申请。另外，内存分配与GC（垃圾回收）关系密切，所以了解GC前有必要了解内存分配的原理。
为了方便自主管理内存，做法便是先向系统申请一块内存，然后将内存切割成小块，通过一定的内存分配算法管理内存。 以64位系统为例，Golang程序启动时会向系统申请的内存如下图所示：
预申请的内存划分为spans、bitmap、arena三部分。其中arena即为所谓的堆区，应用中需要的内存从这里分配。其中spans和bitmap是为了管理arena区而存在的。
arena的大小为512G，为了方便管理把arena区域划分成一个个的page，每个page为8KB,一共有512GB/8KB个页；
spans区域存放span的指针，每个指针对应一个page，所以span区域的大小为(512GB/8KB)乘以指针大小8byte = 512M
bitmap区域大小也是通过arena计算出来，不过主要用于GC。
span是用于管理arena页的关键数据结构，每个span中包含1个或多个连续页，为了满足小对象分配，span中的一页会划分更小的粒度，而对于大对象比如超过页大小，则通过多页实现。
根据对象大小，划分了一系列class，每个class都代表一个固定大小的对象，以及每个span的大小。如下表所示：
上表中每列含义如下：
class： class ID，每个span结构中都有一个class ID, 表示该span可处理的对象类型
bytes/obj：该class代表对象的字节数
bytes/span：每个span占用堆的字节数，也即页数乘以页大小
objects: 每个span可分配的对象个数，也即（bytes/spans）/（bytes/obj）waste
bytes: 每个span产生的内存碎片，也即（bytes/spans）%（bytes/obj）上表可见最大的对象是32K大小，超过32K大小的由特殊的class表示，该class ID为0，每个class只包含一个对象。
span是内存管理的基本单位,每个span用于管理特定的class对象, 跟据对象大小，span将一个或多个页拆分成多个块进行管理。src/runtime/mheap.go:mspan定义了其数据结构：
以class 10为例，span和管理的内存如下图所示：
spanclass为10，参照class表可得出npages=1,nelems=56,elemsize为144。其中startAddr是在span初始化时就指定了某个页的地址。allocBits指向一个位图，每位代表一个块是否被分配，本例中有两个块已经被分配，其allocCount也为2。next和prev用于将多个span链接起来，这有利于管理多个span，接下来会进行说明。
有了管理内存的基本单位span，还要有个数据结构来管理span，这个数据结构叫mcentral，各线程需要内存时从mcentral管理的span中申请内存，为了避免多线程申请内存时不断的加锁，Golang为每个线程分配了span的缓存，这个缓存即是cache。src/runtime/mcache.go:mcache定义了cache的数据结构
alloc为mspan的指针数组，数组大小为class总数的2倍。数组中每个元素代表了一种class类型的span列表，每种class类型都有两组span列表，第一组列表中所表示的对象中包含了指针，第二组列表中所表示的对象不含有指针，这么做是为了提高GC扫描性能，对于不包含指针的span列表，没必要去扫描。根据对象是否包含指针，将对象分为noscan和scan两类，其中noscan代表没有指针，而scan则代表有指针，需要GC进行扫描。mcache和span的对应关系如下图所示：
mchache在初始化时是没有任何span的，在使用过程中会动态的从central中获取并缓存下来，跟据使用情况，每种class的span个数也不相同。上图所示，class 0的span数比class1的要多，说明本线程中分配的小对象要多一些。
cache作为线程的私有资源为单个线程服务，而central则是全局资源，为多个线程服务，当某个线程内存不足时会向central申请，当某个线程释放内存时又会回收进central。src/runtime/mcentral.go:mcentral定义了central数据结构：
lock: 线程间互斥锁，防止多线程读写冲突
spanclass : 每个mcentral管理着一组有相同class的span列表
nonempty: 指还有内存可用的span列表
empty: 指没有内存可用的span列表
nmalloc: 指累计分配的对象个数线程从central获取span步骤如下：
将span归还步骤如下：
从mcentral数据结构可见，每个mcentral对象只管理特定的class规格的span。事实上每种class都会对应一个mcentral,这个mcentral的集合存放于mheap数据结构中。src/runtime/mheap.go:mheap定义了heap的数据结构：
lock： 互斥锁
spans: 指向spans区域，用于映射span和page的关系
bitmap：bitmap的起始地址
arena_start: arena区域首地址
arena_used: 当前arena已使用区域的最大地址
central: 每种class对应的两个mcentral
从数据结构可见，mheap管理着全部的内存，事实上Golang就是通过一个mheap类型的全局变量进行内存管理的。mheap内存管理示意图如下：
系统预分配的内存分为spans、bitmap、arean三个区域，通过mheap管理起来。接下来看内存分配过程。
针对待分配对象的大小不同有不同的分配逻辑：
(0, 16B) 且不包含指针的对象： Tiny分配
(0, 16B) 包含指针的对象：正常分配
[16B, 32KB] : 正常分配
(32KB, -) : 大对象分配其中Tiny分配和大对象分配都属于内存管理的优化范畴，这里暂时仅关注一般的分配方法。
以申请size为n的内存为例，分配步骤如下：
Golang内存分配是个相当复杂的过程，其中还掺杂了GC的处理，这里仅仅对其关键数据结构进行了说明，了解其原理而又不至于深陷实现细节。1、Golang程序启动时申请一大块内存并划分成spans、bitmap、arena区域
2、arena区域按页划分成一个个小块。
3、span管理一个或多个页。
4、mcentral管理多个span供线程申请使用
5、mcache作为线程私有资源，资源来源于mcentral。
Net Core已经开源好几年了, 为什么不像JVM那样很多人研究和调优其GC算法？
我们已经上线了好几个.net core的项目，基本上都是docker+.net core 2/3。说实话，
.net core的GC非常的优秀，基本上不需要像做Java时候，还要做很多的优化。因此没有多少人研究很正常。换句话，如果一个GC还要做很多优化，这肯定不是好的一个GC。当然平时编程的时候，常用的非托管的对象处理等等还是要必须掌握的。
这和国内的开发环境有很大关系。
一方面，这里有个路径依赖的问题，这个问题在国内尤为突出。这几年，国内其他语言的开发者多一些，生态好一些，转换则意味着成本。
另一方面，浮躁之风过盛，拿来主义盛行。这里举两个例子来说明。一个是国产操作系统的内核问题。为什么要使用linux内核而不是重新写一个呢？给出的理由无非是linux生态好，稳定，没有必要进行重复制作。真的没必要吗？那国外为什么流行要用rust重新写几个，而且开源呢？“没必要”是假，“不想”才是真，毕竟基础建设周期长，成本高，没有拿来主义好呀。另一个例子是最近matlab在国内停止授权的事情。在这件事情上，很多人都觉得问题不大，问题不大的原因在于还有一个开源的scilab可以拿来用。
举这两个例子，也许不太妥切，但是，管中窥豹，略见一斑，也足以说明时下的浮躁氛围了。
既然这里说到net core底层问题，今年新出的《.NET Core底层入门》，也许值得一读。这是国内的研究者写的，从中可以看出国内在这方面的进展，也说不定。总而言之，虽然net core已经开源了几年，但是在国内，开发者的成长和生态的建设，还需要更长的时间。
因为不需要，java就像半成品，无论是语法 编译器 等等，要是没有spring系列，估计那些996早就变成了007了。
微软的产品化能力是有目共睹的，.net比起JAVA体系，更加完善，包括产品本身和后期的维护都比JAVA好，所以商业化项目最好还是用. net平台。
这似乎挺正常的，如同它购买了GitHub后，众开源项目就纷纷迁移GH。开源社区普遍不信任微软，其意定非在开源本身。.Net 开源估计也是市场占有率在降，没人真心愿意用它。
.net core，哪里还需要什么GC优化？那是jvm天生缺陷导致的问题。.net 5再性能上更进一步，只要你的程序不是写得稀烂，根本不用操心底层运行时的性能会出问题。
不能用jvm的眼光看.net，java界已经进入固步自封的状态，版本更新那么快，实质性的东西并没有什么突破。而很多公司坚守在java1.6上不放手，实在顽固。
优化肯定是需要的，再好的程序都是有优化空间的。只是现在dotnet平台上目前缺少大型的应用。正常的业务场景下，难以达到框架性能的瓶颈。
dotnet 虽然开源了，但是开源太晚。要是早几年，在Android兴起之前，在大数据兴起之前，现在还会是这般场景吗。眼看着国内的大企业一波波地转向了Java和其他语言，作为一名dotnet程序员心里是大大的不甘心。
dotnet 在语言层面相比 Java 有太多优势，Java 新版新增的一些语言特性也都是照抄的 dotnet。但即便是这样，依然是叫好不叫座。
开源太晚，错过了几波行业发展红利。以至于现在，大数据领域缺 Hadoop，搜索领域缺 Elasticsearch ，移动端虽有xamarin，但依然是鸡肋般的存在。要是有这些杀手级应用在，dotnet 生态肯定会繁荣起来，向着更强的方向优化。
还能说什么呢，只能期望即将到来的dotnet 5 能一统现在混乱的局面，发挥好自己的特长，繁荣dotnet的生态环境。
首先.net的原装GC一直都不错。流畅到可以支持3D 游戏 开发。所以不怎么需要调优。要知道文章多不用不一定是好事，95%的技术文章其实只不过是要解决一个BUG而已。其次C#的语法和运行时设计也好，对GC的压力小很多。比如范性支持基本类型，这样List 之类的结构，是整体分配和释放的。而某蛙就需要每个元素拆箱装箱。慢死，对GC来说也要算更多的引用链。此外C#还支持matrx4x4之类的SIMD数据类型。也是提高运行速度和减少GC的好东西
这些东西已经优化的非常好了，程序员不需要关注这些，让程序员更多的精力放在业务实现上。
相对java来说.netcore的语言更加优雅，高级和完善，所以，不需要关注相对比较底层的东西。
很简单：没有关键业务跑在 net core 上。
曾经，jd 业务用 .net，但几年后就全换成 Java 了。这足以说明问题了。
像 zhihu 这种小厂，开始用 python，业务量大了之后就转 golang ，而不是转 net core 。足以说明问题了。
有人说，netcore 如何如何好，根本不用自己优化……。实际上根本没达到极限，不到优化的时候。
