百度一下Go语言优势，几乎所有文章都包含并发性好，作为一名老PHPer，一番学习实践下来，真香。
在当今这个多核时代，并发编程的意义不言而喻。当然，很多语言都支持多线程、多进程编程，但遗憾的是，实现和控制起来并不是那么令人感觉轻松和愉悦。Golang不同的是，语言级别支持协程(goroutine)并发（协程又称微线程，比线程更轻量、开销更小，性能更高），操作起来非常简单，语言级别提供关键字（go）用于启动协程，并且在同一台机器上可以启动成千上万个协程。
不管作为初学者还是久经沙场的老Gopher，Golang的协程调度器原理及 GMP 设计思想都是有必要去掌握的，而且面试必问：），推荐阅读丹冰大佬的 Golang修养之路GMP章节，图文并茂非常Nice。想深入学习的推荐欧神的 并发调度，结合源码和流程图讲解，膜拜。本文结束？Too young too simple，真正的重头戏才刚刚开始。
G 的数量：
无限制，理论上受内存的影响，创建一个 G 的初始栈大小为2-4K，配置一般的机器也能简简单单开启数十万个 Goroutine ，而且Go语言在 G 退出的时候还会把 G 清理之后放到 P 本地或者全局的闲置列表 gFree 中以便复用。
那是不是为了提高“并发能力”，就可以为所欲为的开启 Goroutine 呢，答案是否定的。
如果 Goroutine 中只有简单的逻辑，比如输出Hello world：），那肯定是没什么问题，但是如果Goroutine 中存在频繁请求 HTTP，MySQL，打开文件等，那假设短时间内有几十万个协程在跑，那肯定就不大合理了（可能会导致 too many files open）。常见的 Goroutine 泄露所导致的 CPU、Memory 上涨等，所以还是得看你的 Goroutine 里具体在跑什么东西。
一开始写 GO ，不管多大数据处理全部丢进去进行循环，认为全部都并发使用 Goroutine 去做一件事情，效率比较高，但这样的话，噩梦般的事情就开始了，服务器系统资源利用率不断上涨，到最后程序自动killed。这里比较好的解决方案是，引入线程池，限制 Goroutine 的数量，复用资源，保障系统稳定的同时提高处理能力。避免重复造轮子，推荐使用 ants，源码也不多可以学习学习，亲测好用- -
M 的数量：
限制10000，Go语言运行时初始化的时候在runtime.schedinit()中通过下面代码设置了 M 的最大数。
sched.maxmcount = 10000
通过debug.SetMaxThreads(n)，可以调整。如果超出（手动调成10）会panic：
runtime: program exceeds 10-thread limit
fatal error: thread exhaustion
因为 M 必须持有 P 才能运行 G，通常情况 P 的数量很有限，如果 M 还超过 10000，基本上就是程序写的有问题。
P 的数量：
有限制，默认是CPU核心数，由启动时环境变量$GOMAXPROCS或者是由runtime.GOMAXPROCS()决定，runtime初始化建议阅读煎鱼大佬的 详解 Go 程序的启动流程，你知道 g0，m0 是什么吗？，以及 Go语言调度器之创建main goroutine
func schedinit() {
...
procs := ncpu // osinit 中获取 CPU 核心数
if n, ok := atoi32(gogetenv("GOMAXPROCS")); ok && n > 0 {
procs = n
}
// P 初始化
if procresize(procs) != nil {
throw("unknown runnable goroutine during bootstrap")
}
...
}
func GOMAXPROCS(n int) int {
...
stopTheWorldGC("GOMAXPROCS")
// newprocs will be processed by startTheWorld
newprocs = int32(n) // 重新设置的 P 数量
startTheWorldGC()
return ret
}
startTheWorldGC() -> startTheWorld() -> startTheWorldWithSema()
func startTheWorldWithSema(emitTraceEvent bool) int64 {
...
procs := gomaxprocs
if newprocs != 0 {
procs = newprocs
newprocs = 0
}
// 扩容或者缩容全局的处理器
p1 := procresize(procs)
...
}
在任何情况下，Go运行时并行执行（注意，不是并发）的 goroutines 数量是小于等于 P 的数量的。为了提高系统的性能，P 的数量肯定不是越小越好，所以官方默认值就是 CPU 的核心数，设置的过小的话，如果一个持有 P 的 M，由于 P 当前执行的 G 调用了 syscall 而导致 M 被阻塞，那么此时关键点：GO 的调度器是迟钝的，它很可能什么都没做，直到 M 阻塞了相当长时间以后，才会发现有一个 P/M 被 syscall 阻塞了。然后，才会用空闲的 M 来强这个 P。通过 sysmon 监控实现的抢占式调度，最快在20us，最慢在10-20ms才会发现有一个 M 持有 P 并阻塞了。操作系统在 1ms 内可以完成很多次线程调度（一般情况1ms可以完成几十次线程调度），Go 发起 IO/syscall 的时候执行该 G 的 M 会阻塞然后被OS调度走，P什么也不干，sysmon 最慢要10-20ms才能发现这个阻塞，说不定那时候阻塞已经结束了，宝贵的P资源就这么被阻塞的M浪费了。
补充说明：调度器迟钝不是 M 迟钝，M 也就是操作系统线程，是非常的敏感的，只要阻塞就会被操作系统调度（除了极少数自旋的情况）。但是 GO 的调度器会等待一个时间间隔才会行动，这也是为了减少调度器干预的次数。也就是说，如果一个 M 调用了什么 API 导致了操作系统线程阻塞了，操作系统立刻会把这个线程M调度走，挂起等阻塞解除。这时候，Go 调度器不会马上把这个 M 持有的 P 抢走。这就会导致一定的 P 被浪费了。
开源数据库项目https://github.com/dgraph-io/dgraph中，特意将 GOMAXPROCS 调整到 128 增加 IO 处理能力，提高吞吐量。
https://github.com/dgraph-io/dgraph/blob/master/dgraph/main.go
func main() {
rand.Seed(time.Now().UnixNano())
// Setting a higher number here allows more disk I/O calls to be scheduled, hence considerably
// improving throughput. The extra CPU overhead is almost negligible in comparison. The
// benchmark notes are located in badger-bench/randread.
runtime.GOMAXPROCS(128)
}
那 P 的数量太大会有什么影响呢？
一个runtime findrunnable 时产生的损耗，另一个是线程引起的上下文切换。如果是cpu密集的业务，增加多个processor也没用，毕竟cpu计算资源就这些，来回切换反而拖慢程序。
runtime的 findrunnable 方法是解决 M 找可用的协程的函数，当从绑定 P 本地runq上找不到可执行的goroutine后，尝试从全局链表中拿，再拿不到从 netpoll 和事件池里拿，最后会从别的 P 里偷任务。全局 runq 是有锁操作，其他偷任务使用了atomic 原子操作来规避futex竞争下陷入切换等待问题，但 lock free 在竞争下也会有忙轮询的状态，比如不断的尝试（自旋）。
随着调多 runtime processor 数量，相关的 M 线程自然也就跟着多了起来。linux 内核为了保证可执行的线程在调度上雨露均沾，按照内核调度算法来切换就绪状态的线程，切换又引起上下文切换。上下文切换也是性能的一大杀手。findrunnable 的某些锁竞争也会触发上下文切换。
结论：常规项目直接使用默认的核心数就好了，GOMAXPROCS 开太多的时候，针对计算密集型的处理性能提升反而没那么大，IO 密集(或者 syscall 较多)的 Go 程序，至少应该配置到CPU核心数目的5倍以上, 最大1024。
个人学习笔记，方便自己复习，有不对的地方欢迎评论哈！
参考资料：
Golang修养之路GMP章节
并发调度
详解 Go 程序的启动流程，你知道 g0，m0 是什么吗？
Go语言调度器之创建main goroutine
Go 群友提问：Goroutine 数量控制在多少合适，会影响 GC 和调度？
Go开发中，如何有效控制Goroutine的并发数量
golang gomaxprocs调高引起调度性能损耗
[GO语言]合理配置GOMAXPROCS提升一倍以上的性能