上篇文章中，我们讲到了 Golang 原生的资源嵌入方案，本篇我们先来聊聊开源实现中排行中靠前的方案：go-bindata。
之所以先聊这个方案，是因为虽然它目前的热度和受欢迎程度并不是最高的，但是它的影响范围和时间综合来看，是比较大的，而且在实现和使用上，因为历史原因，它的硬分叉版本也是最多的，情况最为复杂。
各个开源项目之间的渊源
先来聊聊这类开源项目之间的渊源吧。目前项目中会用到的 go-bindata 的项目主要有四个，分别是：
- （1500+ stars）https://github.com/go-bindata/go-bindata
- （840+ stars）https://github.com/elazarl/go-bindata-assetfs
- （630+ stars）https://github.com/jteeuwen/go-bindata
- （280+ stars）https://github.com/kevinburke/go-bindata
这些项目的共同起源是 jteeuwen/go-bindata 这个项目，它的第一行代码提交于 十年前的2011年6月。
但是在 2018 年2月7日，作者因为一些原因删除了他创建的所有仓库，随后这个账号也被弃用。这个时候，有一位好心的国外用户在 Twitter 上对其他用户进行了提醒。
随后自然是引发了类似最近 fake.js 作者删库、早些时候的 npm left-pad 仓库软件删除相同的，极其糟糕的连锁反应，大量软件无法正常构建。
在一些遗留的项目中，我们可以清楚的看到这个事情的发生时间点，比如 twitter 对 go-bindata 的 fork 存档。
在2月8日，开源社区的其他同学想办法申诉得到了这个账号，将“删库”之前的代码恢复到了这个账号中，为了表明这个仓库是仅做恢复之用途，好心人将软件仓库设置为只读（归档）后，做了一个雷锋式的声明。
在此后的岁月里，虽然这个仓库失去了原作者的维护。但是 Golang 和 Golang 社区生态依旧在蓬勃发展，静态资源嵌入的需求还是比较旺盛的，于是便有了上文中的其他三个开源软件仓库，以及一些我尚未提到的知名度更低的一些仓库。
各个版本的软件的差异
上面将各个开源项目之间的渊源讲完了，我们来看看这几个仓库之间都有哪些不同。
在这几个仓库中，go-bindata/go-bindata 是知名度最高的版本，elazarl/go-bindata-assetfs 提供了原版软件不支持 net/http 使用的 FS 封装。还记得上一篇文章中提到的 FS 接口实现吗，没错，这个项目主要就是做了这个功能。除此之外，在过去几年里，前端领域技术的蓬勃发展，尤其是 SPA 类型的前端应用的蓬勃发展，也让 elazarl/go-bindata-assetfs 这个专注于服务 SPA 应用单文件分发的解决方案有了实战的地方。所以如果你有类似的需求，依旧可以使用这个仓库，将你的前端 SPA 项目打包成一个可执行文件进行快速分发。
当然，开源社区中的软件发展经常是交错的，在 elazarl/go-bindata-assetfs 提供了 FS 封装不久，go-bindata/go-bindata 也提供了 -fs 参数，支持了将嵌入资源和 net/http 一起使用的功能。所以如果你追求程序的依赖最小化，并希望嵌入的资源和 net/http 一起使用，可以考虑只使用这个仓库。
此外，还有一些有代码洁癖的程序员，则创建了一个新的 fork 版本，kevinburke/go-bindata。相比较原版以及go-bindata/go-bindata 代码，它的代码健壮程度更好，并且修正了社区用户对 go-bindata/go-bindata 反馈的一些问题，添加了一些社区用户期望的新功能。不过这个仓库中的程序和原版一样，并未包含配合 net/http 一起使用所需要的 fs 封装。所以如果想使用这个程序处理的静态资源和 net/http 一同使用，需要搭配 elazarl/go-bindata-assetfs ，或者自己封装一个简单的 fs。
这些软件与官方实现的差异
go-bindata 相比较官方实现，其实会多一些额外的功能：
- 允许用户使用两种不同的模式来读取静态资源（比如使用反射和
unsafe.Pointer的方式直接读取数据，或者使用 Golang 程序变量的方式来进行数据交互） - 在某些场景下，相对更低的资源存储空间占用（基于构建时进行的 GZip压缩）
- 对静态资源的引用路径，进行动态调整或预处理的能力
- 更开放的资源引入模式，支持从上级目录引入资源（官方实现仅支持当前目录）
当然，相比较上一篇文章中官方实现而言，go-bindata 的实现相对“脏一些”，会将静态资源打包为一个 go 程序文件。并且在程序运行之前，我们需要先执行资源构建操作，才能让程序跑起来。而不是像官方实现一样，“零添加无污染”，go run 或者 go build 一条命令就能解决“一切”问题。
接下来，我们就先聊聊 go-bindata 的基础使用和性能表现吧。
基础使用：go-bindata 默认配置
和上一篇文章一样，在了解性能差异之前，我们先来完成基础功能的编写。
mkdir basic-go-bindata && cd basic-go-bindata
go mod init solution-embed这里有一个小细节，因为 go-bindata/go-bindata 最新的 3.1.3 版本并没有正式发布，所以如果我们想安装包含最新功能修复的内容，需要使用下面的方式来进行安装：
# go get -u -v github.com/go-bindata/go-bindata@latest
go get: added github.com/go-bindata/go-bindata v3.1.2+incompatible在上篇文章中，想要使用官方 go-embed 功能进行资源嵌入，我们的程序实现会类似下面这样：
package main
import (
"embed"
"log"
"net/http"
)
//go:embed assets
var assets embed.FS
func main() {
mutex := http.NewServeMux()
mutex.Handle("/", http.FileServer(http.FS(assets)))
err := http.ListenAndServe(":8080", mutex)
if err != nil {
log.Fatal(err)
}
}而使用 go-bindata 的话，因为我们需要使用一个额外生成的程序文件，程序需要改为类似下面这样，并且需要添加一段 go:generate 指令：
package main
import (
"log"
"net/http"
"solution-embed/pkg/assets"
)
//go:generate go-bindata -fs -o=pkg/assets/assets.go -pkg=assets ./assets
func main() {
mutex := http.NewServeMux()
mutex.Handle("/", http.FileServer(assets.AssetFile()))
err := http.ListenAndServe(":8080", mutex)
if err != nil {
log.Fatal(err)
}
}这里我们使用 go generate 指令，声明了程序运行前所需要执行的相关命令，它除了支持运行环境中的全局程序之外，还可以运行通过 go get 安装的可执行的命令。如果你使用过 Node.js 生态中的 npx (npm) 命令，你会觉得很亲切，不过和 npx 不同的是，这个指令和程序的上下文更密切，支持分散写在不同的程序中，和程序上下文更密切一些。
先执行 go generate，项目当前目录的 pkg/assets/assets.go 位置会出现一个的程序文件，它包含了我们所需要的资源，因为 bindata 实现使用了 \x00 之类的字符进行编码，所以生成的代码相比较原始的静态资源会膨胀4～5倍，但是并不影响我们编译后得到的二进制文件大小（和官方实现表现一致）。
du -hs *
17M assets
4.0K go.mod
4.0K go.sum
4.0K main.go
83M pkg不论我们选择使用 go run main.go 还是 go build main.go ，当程序运行起来之后，访问 http://localhost:8080/assets/example.txt 就能验证程序是否正常啦。
相关代码实现在 https://github.com/soulteary/awesome-golang-embed/tree/main/go-bindata-related/basic-go-bindata，感兴趣可以自取。
此外，相比较官方程序不支持使用当前程序目录之外的资源（需要使用 go generate cp -r ../originPath ./destPath 的方式来曲线救国），go-bindata 可以直接在生成资源的使用引用外部资源。并在对外提供服务之前，使用-prefix 参数调整生成的资源文件中的引用路径。
测试准备：go-bindata 默认配置
测试代码和“前文”中的差别不大，稍作调整即可使用：
package main
import (
"log"
"net/http"
"net/http/pprof"
"runtime"
"solution-embed/pkg/assets"
)
//go:generate go-bindata -fs -o=pkg/assets/assets.go -pkg=assets ./assets
func registerRoute() *http.ServeMux {
mutex := http.NewServeMux()
mutex.Handle("/", http.FileServer(assets.AssetFile()))
return mutex
}
func enableProf(mutex *http.ServeMux) {
runtime.GOMAXPROCS(2)
runtime.SetMutexProfileFraction(1)
runtime.SetBlockProfileRate(1)
mutex.HandleFunc("/debug/pprof/", pprof.Index)
mutex.HandleFunc("/debug/pprof/cmdline", pprof.Cmdline)
mutex.HandleFunc("/debug/pprof/profile", pprof.Profile)
mutex.HandleFunc("/debug/pprof/symbol", pprof.Symbol)
mutex.HandleFunc("/debug/pprof/trace", pprof.Trace)
}
func main() {
mutex := registerRoute()
enableProf(mutex)
err := http.ListenAndServe(":8080", mutex)
if err != nil {
log.Fatal(err)
}
}性能测试：go-bindata 默认配置
除了主程序和测试程序需要调整，其余项目内容可以直接使用前文中的代码。在执行完 benchmark.sh 脚本后，可以得到和上篇文章一样的性能采样数据。
回顾上篇文章中，我们的测试采样的执行结果耗时都不长：
=== RUN TestSmallFileRepeatRequest
--- PASS: TestSmallFileRepeatRequest (0.04s)
PASS
ok solution-embed 0.813s
=== RUN TestLargeFileRepeatRequest
--- PASS: TestLargeFileRepeatRequest (1.14s)
PASS
ok solution-embed 1.331s
=== RUN TestStaticRoute
--- PASS: TestStaticRoute (0.00s)
=== RUN TestSmallFileRepeatRequest
--- PASS: TestSmallFileRepeatRequest (0.04s)
=== RUN TestLargeFileRepeatRequest
--- PASS: TestLargeFileRepeatRequest (1.12s)
PASS
ok solution-embed 1.509s而执行本文中 go-bindata 的采样脚本后，能看到测试时间整体变长了非常多：
=== RUN TestSmallFileRepeatRequest
--- PASS: TestSmallFileRepeatRequest (1.47s)
PASS
ok solution-embed 2.260s
=== RUN TestLargeFileRepeatRequest
--- PASS: TestLargeFileRepeatRequest (29.43s)
PASS
ok solution-embed 29.808s这部分使用的相关代码，我上传到了 https://github.com/soulteary/awesome-golang-embed/tree/main/go-bindata-related/benchmark，有需要可以自取。
嵌入大文件的性能状况
这里我们依旧是使用 go tool pprof -http=:8090 cpu-large.out 来展示程序计算调用过程的资源消耗状况（因为调用非常多，这里我们只看直接关系比较大的部分）。在浏览器中打开 http://localhost:8090/ui/ ，可以看到类似下面的调用图：
相比较官方 go:embed 实现中 embed 函数只消耗了 0.07s，io.copy 只消耗 0.88s。go-bindata 在 embed 处理和 io.copy 上则分别花费了 12.99～13.08s 和 26.06～27.03s。前者性能消耗增加了 180 多倍，后者则接近 30 倍。
继续使用 go tool pprof -http=:8090 mem-large.out，来查看内存的使用状况：
可以看到不论是程序的调用链的复杂度，还是资源的使用量，go-bindata 的消耗看起来都十分夸张。在同样一百次快速调用之后，内存中总计使用过 19180 MB，是官方实现的 3 倍，相当于原始资源的 1000 多倍的消耗，平均到每次请求，我们大概需要付出原文件 10 倍的资源来提供服务，非常不划算。
所以，这里不难得出一个简单的结论：请勿在 go-bindata 中嵌入过分大的资源，会造成严重的资源浪费，如果有此类需求，可以使用上篇文章中提到的官方方案来解决问题。
嵌入小文件的资源使用
看完大文件，我们同样再来看看小文件的资源使用状况。执行 go tool pprof -http=:8090 cpu-small.out 之后，可以看到一个非常壮观的调用。（在我们代码足够简单的前提下，这个调用复杂度可以说比较离谱）
官方实现中排行比较靠前的调用中，并未出现 embed 相关的函数调用。go-bindata 则出现了大量时间消耗在 0.88～0.95s 的数据读取、内存拷贝操作，另外针对资源的 GZip 解压缩也占用了累计 0.85s 的时间。
不过请注意，这个测试建立在上千次的小文件获取上的，所以平均每次的时间消耗，其实也是能够接受的。当然，如果有同类需求，使用原生的实现方案更加高效。
接着来看看内存资源的使用。相比较官方实现，go-bindata大概资源消耗是其的4倍，对比原始文件，我们则需要额外使用6倍的资源。如果小文件特别多或者请求量特别大，使用go-bindata应该不是一个最优解。但如果是临时或者少量文件的需求，偶尔使用也问题不大。
使用 Wrk 进行吞吐测试
和之前的文章一样，我们先执行 go build main.go，获取构建后的程序，然后执行 ./main 启动服务，来测试小文件的吞吐能力：
# wrk -t16 -c 100 -d 30s http://localhost:8080/assets/vue.min.js
Running 30s test @ http://localhost:8080/assets/vue.min.js
16 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 89.61ms 73.12ms 701.06ms 74.80%
Req/Sec 74.17 25.40 210.00 68.65%
35550 requests in 30.05s, 3.12GB read
Requests/sec: 1182.98
Transfer/sec: 106.43MB可以看到相比较前篇文章中官方实现，吞吐能力缩水接近 20 倍。不过依旧能保持每秒 1000 多次的吞吐，对于一般的小项目来说，问题不大。
再来看看针对大文件的吞吐：
# wrk -t16 -c 100 -d 30s http://localhost:8080/assets/chip.jpg
Running 30s test @ http://localhost:8080/assets/chip.jpg
16 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 0.00us 0.00us 0.00us nan%
Req/Sec 1.66 2.68 10.00 91.26%
106 requests in 30.10s, 1.81GB read
Socket errors: connect 0, read 0, write 0, timeout 106
Requests/sec: 3.52
Transfer/sec: 61.46MB相比较官方实现能够每秒吞吐接近 300 次，使用 go-bindata 后，每秒只能处理 3.5 次的请求，进一步验证了前文中不建议使用 go-bindata 处理大文件的判断。
性能测试：go-bindata 关闭 GZip压缩、开启减少内存占用功能
默认的 go-bindata 会开启 GZip 压缩（采用 Go 默认压缩比率），如果我们不开启 GZip 测试性能会有改善吗？此外，如果我们开启基于反射和 unsafe.Pointer的减少内存占用的功能，程序的性能是否会有改善？
想要关闭 GZip，开启减少内存占用的功能，只需要在 go:generate 指令中添加下面的参数开关即可。
-nocompress -nomemcopy重新执行 go generate 之后，我们查看生成文件的尺寸，会发现居然比没开启 GZip 还更小一些（有一些资源确实不适合 GZip）：
du -hs *
17M assets
4.0K benchmark.sh
4.0K go.mod
4.0K go.sum
24M main
4.0K main.go
68M pkg在针对上面测试程序进行调整之后，我们再次对程序进行测试，同样是执行 benchmark.sh，可以看到执行时间发生了质的变化，甚至逼近了官方实现（仅相差 0.01s 和 0.07s）。
bash benchmark.sh
=== RUN TestSmallFileRepeatRequest
--- PASS: TestSmallFileRepeatRequest (0.05s)
PASS
ok solution-embed 1.246s
=== RUN TestLargeFileRepeatRequest
--- PASS: TestLargeFileRepeatRequest (1.19s)
PASS
ok solution-embed 1.336s接下来，我们来看看程序调用又发生了哪些惊人的变化呢？
关于这部分的相关代码，我上传到了 https://github.com/soulteary/awesome-golang-embed/tree/main/go-bindata-related/benchmark-no-compress，感兴趣可以自取，并进行实验。
嵌入大文件的性能状况
还是先使用 go tool pprof -http=:8090 cpu-large.out 来展示程序计算调用过程的资源消耗状况。可以看到这里关于资源处理的调用复杂度和官方比较差不多了，相比较官方实现的调用链，开启了减少内存占用和关闭了 GZip 压缩后的程序，在程序并行计算上来看，甚至是优于前文中官方调用的。
也这是即使资源处理调用有着差不多的调用复杂度，即使执行时间 0.91s 是官方 0.42s 一倍有余，整体服务响应时间基本没有差别的原因。
接着使用 go tool pprof -http=:8090 mem-large.out，我们来查看内存的使用状况：
如果你对照前文来看，你会发现在开启“减少内存消耗”功能之后，go-bindata 的内存占用甚至比官方实现还要小3MB。当然，即使是和官方实现一样的资源消耗，平均到每次请求，我们还是需要大概付出原文件 3.6 倍的资源。
嵌入小文件的资源使用
小文件的测试结果粗看起来和官方实现差别不大，这里就不浪费篇幅过多赘述了。我们直接进行压力测试，来看看程序的吞吐能力吧。
使用 Wrk 进行吞吐测试
和之前的文章一样，我们先执行 go build main.go，获取构建后的程序，然后执行 ./main 启动服务，先进行小文件的吞吐能力测试：
# wrk -t16 -c 100 -d 30s http://localhost:8080/assets/vue.min.js
Running 30s test @ http://localhost:8080/assets/vue.min.js
16 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 4.22ms 2.55ms 47.38ms 70.90%
Req/Sec 1.46k 128.35 1.84k 77.00%
699226 requests in 30.02s, 61.43GB read
Requests/sec: 23292.03
Transfer/sec: 2.05GB测试结果非常令人惊讶，每秒的响应能力甚至比官方实现还多几百。接着来看看针对大文件的吞吐能力：
# wrk -t16 -c 100 -d 30s http://localhost:8080/assets/chip.jpg
Running 30s test @ http://localhost:8080/assets/chip.jpg
16 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 340.98ms 138.47ms 1.60s 81.04%
Req/Sec 18.24 9.33 60.00 73.75%
8478 requests in 30.10s, 141.00GB read
Requests/sec: 281.63
Transfer/sec: 4.68GB大文件的测试结果和官方实现几乎没有差别，数值差异在每秒几个。
其他
受限于篇幅，关于 “homebrew” 版的 go-bindata 的使用就暂且不提啦，感兴趣的同学可以参考本文做一个测试。
除了上面提到的实现之外，其实还有一些有趣的实现，虽然它们并不出名：
https://github.com/kataras/bindata
- 基于 iris 的web 定制优化，存储数据和输出都使用 GZip 处理，相比较原版有数倍性能提升。
https://github.com/conku/bindatafs
- 基于 go-bindata 的专注处理内嵌页面模版的开源仓库。
https://github.com/wrfly/bindata
- 一个在实现上更加简洁的优化版本。
最后
在测试到这里，我们就可以针对 go-bindata 做出一个简单的判断了，如果你追求不使用或者少使用反射和unsafe.Pointer，那么在少量文件、不包含大体积文件的前提下，使用 go-bindata 是可行的。
一旦数据量大起来，建议还是使用官方实现。当然，如果你能够接受使用反射和unsafe.Pointer，go-bindata 可以提供给你不逊于官方 go-embed 实现的性能，以及更多的定制化能力。
--EOF
我们有一个小小的折腾群，里面聚集了几百位喜欢折腾的小伙伴。
在不发广告的情况下，我们在里面会一起聊聊软硬件、HomeLab、编程上的一些问题，也会在群里不定期的分享一些技术沙龙的资料。
喜欢折腾的小伙伴欢迎扫码添加好友。（添加好友，请备注实名，注明来源和目的，否则不会通过审核）
如果你觉得内容还算实用，欢迎点赞分享给你的朋友，在此谢过。
如果你想更快的看到后续内容的更新，请不吝“点赞”或“转发分享”，这些免费的鼓励将会影响后续有关内容的更新速度。
本文使用「署名 4.0 国际 (CC BY 4.0)」许可协议，欢迎转载、或重新修改使用，但需要注明来源。 署名 4.0 国际 (CC BY 4.0)
本文作者: 苏洋
创建时间: 2022年01月16日
统计字数: 12144字
阅读时间: 25分钟阅读
本文链接: https://soulteary.com/2022/01...