项目中需要使用一个简单的定时任务调度的框架，最初直接从GitHub上搜了一个star比较多的，就是https://github.com/robfig/cron，目前有8000+ star。刚开始使用的时候发现问题不大，但是随着单机需要定时调度的任务越来越多，高峰期差不多接近500QPS，随着业务的推广使用，可以预期增长还会比较快，但是已经遇到CPU使用率偏高的问题，通过pprof分析，很多都是在做排序，看了下这个项目的代码，整体执行的过程大概如下：
- 对所有任务进行排序，按照下次执行时间进行排序
- 选择数组中第一个任务，计算下次执行时间减去当前时间得到时间t，然后sleep t
- 然后从数组第一个元素开始遍历任务，如果此任务需要调度的时间 < now，那么就执行此任务，执行之后重新计算这个任务的next执行时间
- 每次待执行的任务执行完毕之后，都会重新对这个数组进行排序
- 然后再循环从排好序的数组中找到第一个需要执行的任务去执行。
代码如下：
for {
// Determine the next entry to run.
sort.Sort(byTime(c.entries))
var timer *time.Timer
if len(c.entries) == 0 || c.entries[0].Next.IsZero() {
// If there are no entries yet, just sleep - it still handles new entries
// and stop requests.
timer = time.NewTimer(100000 * time.Hour)
} else {
timer = time.NewTimer(c.entries[0].Next.Sub(now))
}
for {
select {
case now = <-timer.C:
now = now.In(c.location)
c.logger.Info("wake", "now", now)
// Run every entry whose next time was less than now
for _, e := range c.entries {
if e.Next.After(now) || e.Next.IsZero() {
break
}
c.startJob(e.WrappedJob)
e.Prev = e.Next
e.Next = e.Schedule.Next(now)
c.logger.Info("run", "now", now, "entry", e.ID, "next", e.Next)
}
case newEntry := <-c.add:
timer.Stop()
now = c.now()
newEntry.Next = newEntry.Schedule.Next(now)
c.entries = append(c.entries, newEntry)
c.logger.Info("added", "now", now, "entry", newEntry.ID, "next", newEntry.Next)
case replyChan := <-c.snapshot:
replyChan <- c.entrySnapshot()
continue
case <-c.stop:
timer.Stop()
c.logger.Info("stop")
return
case id := <-c.remove:
timer.Stop()
now = c.now()
c.removeEntry(id)
c.logger.Info("removed", "entry", id)
}
break
}
}
问题就显而易见了，执行一个任务（或几个任务）都重新计算next执行时间，重新排序，最坏情况就是每次执行1个任务，排序一遍，那么执行k个任务需要的时间的时间复杂度就是O(k*nlogn)，这无疑是非常低效的。
于是想着怎么优化一下这个框架，不难想到每次找最先需要执行的任务就是从一堆任务中找schedule_time最小的那一个（设schedule_time是任务的执行时间），那么比较容易想到的思路就是使用最小堆：
- 在初始化任务列表的时候就直接构建一个最小堆
- 每次执行查看peek元素是否需要执行
- 需要执行就pop堆顶元素，计算next执行时间，重新push入堆
- 不需要执行就break到外层循环取堆顶元素，计算next_time-now() = need_sleep_time，然后select 睡眠、add、remove等操作。
我修改为min-heap的方式之后，每次添加任务的时候通过堆的属性进行up和down调整，每次添加任务时间复杂度O(logn)，执行k个任务时间复杂度是O(klogn)。经过验证线上CPU使用降低4~5倍。CPU从50%左右降低至10%左右。
优化后的代码如下，只是其中一部分。
全部的代码也已经在github上已经创建了一个Fork的仓库并推送上去了，全部单测Case也都PASS。感兴趣可以点过去看。https://github.com/tovenja/cron
for {
// Determine the next entry to run.
// Use min-heap no need sort anymore
// 这里不再需要排序了，因为add的时候直接进行堆调整
//sort.Sort(byTime(c.entries))
var timer *time.Timer
if len(c.entries) == 0 || c.entries[0].Next.IsZero() {
// If there are no entries yet, just sleep - it still handles new entries
// and stop requests.
timer = time.NewTimer(100000 * time.Hour)
} else {
timer = time.NewTimer(c.entries[0].Next.Sub(now))
//fmt.Printf(" %v, %+v\n", c.entries[0].Next.Sub(now), c.entries[0].ID)
}
for {
select {
case now = <-timer.C:
now = now.In(c.location)
c.logger.Info("wake", "now", now)
// Run every entry whose next time was less than now
for {
e := c.entries.Peek()
if e.Next.After(now) || e.Next.IsZero() {
break
}
e = heap.Pop(&c.entries).(*Entry)
c.startJob(e.WrappedJob)
e.Prev = e.Next
e.Next = e.Schedule.Next(now)
heap.Push(&c.entries, e)
c.logger.Info("run", "now", now, "entry", e.ID, "next", e.Next)
}
case newEntry := <-c.add:
timer.Stop()
now = c.now()
newEntry.Next = newEntry.Schedule.Next(now)
heap.Push(&c.entries, newEntry)
c.logger.Info("added", "now", now, "entry", newEntry.ID, "next", newEntry.Next)
case replyChan := <-c.snapshot:
replyChan <- c.entrySnapshot()
continue
case <-c.stop:
timer.Stop()
c.logger.Info("stop")
return
case id := <-c.remove:
timer.Stop()
now = c.now()
c.removeEntry(id)
c.logger.Info("removed", "entry", id)
}
break
}
}
