面试官:换人!他连进程线程协程这几个特点都说不出

前言

在操作系统课程的学习中，很多人对进程线程有大体的认识，但操作系统教材更偏向于理论叙述，本文会结合 Linux 系统实现分析，更加印象深刻。

同时，大部分人都接触进程和线程比较多，对协程知之甚少，然而最近协程并发编程技术火热起来，希望读完本文你对协程也有一个基本的了解。

话不多说，我们马上进入本文的学习。

进程

关于进程和内存管理我之前有一篇文章单独讲解过，感兴趣的同学点这里《别再说你不懂Linux内存管理了，10张图给你安排的明明白白！》 这里再挑选一部分和本文相关的内容学习，温故而知新。

首先还是说下「程序」的概念，程序是一些保存在磁盘上的指令的有序集合，是静态的。进程是程序执行的过程，包括了动态创建、调度和消亡的整个过程，进程是程序资源管理的最小单位。

进程与资源

那么进程都管理哪些资源呢？通常包括内存资源、IO资源、信号处理等部分。

程序和进程

篇幅有限着重说一下内存管理，进程运行起来必然会涉及到对内存资源的管理。内存资源有限，操作系统采用虚拟内存技术，把进程虚拟地址空间划分成用户空间和内核空间。

地址空间

4GB 的进程虚拟地址空间被分成两部分：用户空间和内核空间

用户空间内核空间

用户空间

用户空间按照访问属性一致的地址空间存放在一起的原则，划分成 5个不同的内存区域。访问属性指的是“可读、可写、可执行等 。

• 代码段

  代码段是用来存放可执行文件的操作指令，可执行程序在内存中的镜像。代码段需要防止在运行时被非法修改，所以只准许读取操作，它是不可写的。

• 数据段

  数据段用来存放可执行文件中已初始化全局变量，换句话说就是存放程序静态分配的变量和全局变量。

• BSS段

  BSS段包含了程序中未初始化的全局变量，在内存中 bss 段全部置零。

• 堆 heap

  堆是用于存放进程运行中被动态分配的内存段，它的大小并不固定，可动态扩张或缩减。当进程调用malloc等函数分配内存时，新分配的内存就被动态添加到堆上（堆被扩张）；当利用free等函数释放内存时，被释放的内存从堆中被剔除（堆被缩减）

• 栈 stack

  栈是用户存放程序临时创建的局部变量，也就是函数中定义的变量（但不包括 static 声明的变量，static意味着在数据段中存放变量）。除此以外，在函数被调用时，其参数也会被压入发起调用的进程栈中，并且待到调用结束后，函数的返回值也会被存放回栈中。由于栈的先进后出特点，所以栈特别方便用来保存/恢复调用现场。从这个意义上讲，我们可以把堆栈看成一个寄存、交换临时数据的内存区。

上述几种内存区域中数据段、BSS 段、堆通常是被连续存储在内存中，在位置上是连续的，而代码段和栈往往会被独立存放。堆和栈两个区域在 i386 体系结构中栈向下扩展、堆向上扩展，相对而生。

程序内存分段

你也可以再 linux 下用size 命令查看编译后程序的各个内存区域大小：

[lemon ~]# size /usr/local/sbin/sshd
   text    data     bss     dec     hex filename
1924532   12412  426896 2363840  2411c0 /usr/local/sbin/sshd

内核空间

在 x86 32 位系统里，Linux 内核地址空间是指虚拟地址从 0xC0000000 开始到 0xFFFFFFFF 为止的高端内存地址空间，总计 1G 的容量， 包括了内核镜像、物理页面表、驱动程序等运行在内核空间 。

内核空间地址映射

线程

线程是操作操作系统能够进行运算调度的最小单位。线程被包含在进程之中，是进程中的实际运作单位，一个进程内可以包含多个线程，线程是资源调度的最小单位。

多线程程序模型

线程资源和开销

同一进程中的多条线程共享该进程中的全部系统资源，如虚拟地址空间，文件描述符文件描述符和信号处理等等。但同一进程中的多个线程有各自的调用栈、寄存器环境、线程本地存储等信息。

线程创建的开销主要是线程堆栈的建立，分配内存的开销。这些开销并不大，最大的开销发生在线程上下文切换的时候。

线程切换

线程分类

还记得刚开始我们讲的内核空间和用户空间概念吗？线程按照实现位置和方式的不同，也分为用户级线程和内核线程，下面一起来看下这两类线程的差异和特点。

用户级线程

实现在用户空间的线程称为用户级线程。用户线程是完全建立在用户空间的线程库，用户线程的创建、调度、同步和销毁全由用户空间的库函数完成，不需要内核的参与，因此这种线程的系统资源消耗非常低，且非常的高效。

特点

• 用户线级线程只能参与竞争该进程的处理器资源，不能参与全局处理器资源的竞争。
• 用户级线程切换都在用户空间进行，开销极低。
• 用户级线程调度器在用户空间的线程库实现，内核的调度对象是进程本身，内核并不知道用户线程的存在。

用户线程图解

缺点

• 如果触发了引起阻塞的系统调用的调用，会立即阻塞该线程所属的整个进程。
• 系统只看到进程看不到用户线程，所以只有一个处理器内核会被分配给该进程 ，也就不能发挥多核 CPU 的优势 。

内核级线程

内核线程建立和销毁都是由操作系统负责、通过系统调用完成，内核维护进程及线程的上下文信息以及线程切换。

特点

• 内核级线级能参与全局的多核处理器资源分配，充分利用多核 CPU 优势。
• 每个内核线程都可被内核调度，因为线程的创建、撤销和切换都是由内核管理的。
• 一个内核线程阻塞与他同属一个进程的线程仍然能继续运行。

内核线程图解

缺点

• 内核级线程调度开销较大。调度内核线程的代价可能和调度进程差不多昂贵，代价要比用户级线程大很多。
• 线程表是存放在操作系统固定的表格空间或者堆栈空间里，所以内核级线程的数量是有限的。

Linux 线程实现

Linux 并没有为线程准备特定的数据结构，因为 Linux只有task_struct这一种描述进程的结构体。在内核看来只有进程而没有线程，线程调度时也是当做进程来调度的。Linux所谓的线程其实是与其他进程共享资源的轻量级进程。

为什么说是轻量级呢？在于它只有一个最小的执行上下文和调度程序所需的统计信息，它只带有进程执行相关的信息，与父进程共享进程地址空间 。

轻量级进程

轻量级线程 Light-weight Process简称LWP ，是一种由内核支持的用户线程，每一个轻量级进程都与一个特定的内核线程关联。

它是基于内核线程的高级抽象，系统只有先支持内核线程才能有 LWP。每一个进程有一个或多个 LWPs ，每个LWP 由一个内核线程支持，在这种实现的操作系统中 LWP  就是用户线程。

轻量级进程

轻量级进程最早在Linux 内核 2.0.x 版本就已实现，应用程序通过一个统一的 clone() 系统调用接口，用不同的参数指定创建的进程是轻量进程还是普通进程。

特点和缺点

由于轻量轻量级进程基于内核线程实现，因此它的特点和缺点就是内核线程的缺点，这里不再赘述。

查看 LWP 信息

轻量级线程也没什么神秘的，还记得我在这篇文章《资深程序员总结：分析Linux进程的6个方法，我全都告诉你》教你的方法吗？我们用 Linux 的 pstack 命令可以查看进程的轻量级线程 LWP 信息。下图的黄色字体就是打印出的轻量级线程 ID ，以及该线程的调用堆栈信息，从最新的栈帧开始往下排列。

用法示例：pstack pid

pstack查看lwp

协程

协程的知名度好像不是很高，在以前我们谈论高并发，大部分人都知道利用多线程和多进程部署服务，提高服务性能，但一般不会提到协程。其实协程的概念出来的比线程还早，只不过最近才被人们更多的提起。

协程之所以最近被大家熟知，个人觉得是 Python 和 Go 从语言层面提供了对协程更好的支持，尤其是以 Goroutine 为代表的 Go 协程实现，很大程度上降低了协程使用门槛，可以说是后起之秀了！

why 协程

当今无数的 Web 服务和互联网服务，本质上大部分都是 IO 密集型服务，什么是 IO 密集型服务？意思是处理的任务大多是和网络连接或读写相关的高耗时任务，高耗时是相对 CPU 计算逻辑处理型任务来说，两者的处理时间差距不是一个数量级的。

IO 密集型服务的瓶颈不在 CPU 处理速度，而在于尽可能快速的完成高并发、多连接下的数据读写。

以前有两种解决方案：

• 如果用多线程，高并发场景的大量 IO 等待会导致多线程被频繁挂起和切换，非常消耗系统资源，同时多线程访问共享资源存在竞争问题。

• 如果用多进程，不仅存在频繁调度切换问题，同时还会存在每个进程资源不共享的问题，需要额外引入进程间通信机制来解决。

协程出现给高并发和 IO 密集型服务开发提供了另一种选择。

当然，世界上没有技术银弹。在这里我想把协程这把钥匙交到你手中，但是它也不是万能钥匙，最好的解决方案是贴合自身业务类型做出最优选择，不一定就选择一种模型，有时候是几种模型的组合，比如多线程搭配协程是常见的组合。

什么是协程

那什么是协程呢？协程 Coroutines 是一种比线程更加轻量级的微线程。类比一个进程可以拥有多个线程，一个线程也可以拥有多个协程，因此协程又称微线程和纤程。

协程图解

可以粗略的把协程理解成子程序调用，每个子程序都可以在一个单独的协程内执行。

协程子程序模型

调度开销

线程是被内核所调度，线程被调度切换到另一个线程上下文的时候，需要保存一个用户线程的状态到内存，恢复另一个线程状态到寄存器，然后更新调度器的数据结构，这几步操作设计用户态到内核态转换，开销比较多。

线程切换

协程的调度完全由用户控制，协程拥有自己的寄存器上下文和栈，协程调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈，直接操作用户空间栈，完全没有内核切换的开销。

协程切换

动态协程栈

协程拥有自己的寄存器上下文和栈，协程调度切换时将寄存器上下文和栈保存下来，在切回来的时候，恢复先前保存的寄存器的上下文和栈。

Goroutine 是 Golang 的协程实现。Goroutine 的栈只有 2KB大小，而且是动态伸缩的，可以按需调整大小，最大可达 1G 相比线程来说既不浪费又灵活了很多，可以说是相当的nice了！

线程也都有一个固定大小的内存块来做栈，一般会是 2MB 大小，线程栈会用来存储线程上下文信息。2MB 的线程栈和协程栈相比大了很多。

线程和协程栈对比

协程实现

Python协程实现

python 2.5 中引入 yield/send 表达式用于实现协程，但这种通过生成器的方式使用协程不够优雅。

python 3.5 之后引入async/await ，简化了协程的使用并且更加便于理解。

Go语言协程实现

Golang 在语言层面实现了对协程的支持，Goroutine 是协程在 Go 语言中的实现， 在 Go 语言中每一个并发的执行单元叫作一个 Goroutine ，Go 程序可以轻松创建成百上千个协程并发执行。

Go 协程调度器有三个重要数据结构：

• G 表示  Goroutine ，它是一个待执行的任务；

• M 表示操作系统的线程，它由操作系统的调度器调度和管理；

• P 表示处理器 Processor，它可以被看做运行在线程上的本地调度器；

协程调度

Go 调度器最多可以创建 10000 个线程，但可以通过设置 GOMAXPROCS 变量指能够正常运行的线程数， 这个变量的默认值 等于 CPU 个数，也就是线程数等于 CPU 核数，这样不会触发操作系统的线程调度和上下文切换，所有的调度由 Go 语言调度器触发，都是在用户态，减少了非常多的调用开销。

总结

这篇文章讲解和对比了进程、线程的概念，同时通过进程窥探到操作系统内存管理的冰山一角，另外还讲解了具体到 Linux 系统下线程的实现现状，顺势引出了轻量级进程的概念。最后着重说明了大部分同学不太了解的协程，通过对比不同的服务模型，带你了解协程的特点。