Java позволяет писать последовательный, параллельный и асинхронный код. Асинхронный — это когда регистрируется callback, который запустится после какого-либо события (например, файл прочитан). Это позволяет избежать блокировки потока, но ломает последовательность выполнения, так что на java пишут такой код скорее когда нет других вариантов. Kotlin даёт решение — корутины, с ними асинхронный код выглядит почти так же, как последовательный.

По корутинам мало статей. Конкретных примеров, показывающих их преимущества — ещё меньше.

Что нашёл:

• Избавление от callback hell. Актуально для UI
• Понравились концепции channels и actors. Они не новы, можно и без них, но для event систем должны очень хорошо подойти
• Совет от Романа Елизарова: «Корутины нужны для асинхронных задач, которые ожидают чего-либо большую часть времени»

Последнее интересно — большинство enterprise приложений всё время что-нибудь ждут: БД, другие приложения, изредка и файл нужно прочесть. И всё это может быть полностью асинхронным, а значит всё приложение можно перевести на асинхронную обработку запросов.

Итак, посмотрим как ведут себя корутины под нагрузкой.

IO vs NIO

Под NIO есть готовая обвязка для корутин. Пишем код:

suspend fun readFileAsync(): String {
        val channel = AsynchronousFileChannel.open(filePath)
        val bytes = ByteArray(size)
        val byteBuffer = ByteBuffer.wrap(bytes)
        channel.aRead(byteBuffer, 0L) /*(1)*/
/*(2)*/ channel.close()
        return bytes.toString(Charset.forName("UTF-8"))
}

fun readFileSync() = file.inputStream().use {
        it.readBytes(size).toString(Charset.forName("UTF-8"))
}

Как это работает

Не буду заострять внимание на синтаксисе, для этого есть короткий guide. Суть в том, что в строчке (1) вызывается метод из NIO, в котором регистрируется callback, который продолжит исполнение в точке (2). Добрый компилятор сохраняет локальные переменные метода и восстанавливает их для продолжения программы. Между (1) и (2), пока файл читается с диска, поток свободен и может, к примеру, начать читать второй файл. В случае с блокировкой для второго чтения файла, пока не окончилось первое чтение, пришлось бы создавать ещё один поток и он бы тоже заблокировался.

Измерим производительность

Берем JMH и измеряем единичный вызов. Итог: для HDD разница в пределах погрешности, для SSD NIO в корутине на 7.5% ± 0.01% быстрее. Разница небольшая, но это и не удивительно — всё упирается в скорость диска. Но в случае корутин потоки на время чтения не блокируются и могут делать другую работу.

Посмотрим, сколько ещё работы можно сделать, пока мы читаем заданное количество данных с диска. Для этого будем в ForkJoinPool подбрасывать IO и CPU задачи в определенном соотношении. Когда у нас выполнится 400 IO задач, подсчитаем, сколько чисто CPU задач было отработано. Бенчмарк

	Затраченное время (ms)		Сколько CPU задач успели выполнить
Доля IO задач	Sync	Async	Sync	Async
3/4	117	116	497	584 (+17%)
1/2	128	127	1522	1652 (+8%)
1/4	163	164	4958	4960
1/8	230	238 (+3%)	11381	11495 (+1%)

Разница есть. Замерял на HDD, на котором единичное чтение почти не отличалось. Отдельно хочу отметить последнюю строку: await генерит относительно большое количество объектов, что дополнительно нагружает GC, это заметно на фоне нашей CPU таски, которая создает 50 объектов. Замерял отдельно: чем больше таска создает объектов, тем меньше разница между Future и await вплоть до равенства.

SQL

Нашлась одна библиотека, которая умеет работать с базой без блокировок. Она написана на scala и умеет работать только с MySql и Postgres. Если кто знает другие библиотеки — напишите в комментариях.

Await для Future из scala:

suspend fun <T> Future<T>.await(): T = suspendCancellableCoroutine { cont: CancellableContinuation<T> ->
    onComplete({
        if (it.isSuccess) {
            cont.resume(it.get())
        } else {
            cont.resumeWithException(it.failed().get())
        }
    }, ExecutionContext.fromExecutor(ForkJoinPool.commonPool()))
}

Сделал пару табличек в Postgres, специально без индексов, чтобы тайминг был заметен, базу запустил в докере, выдав 4 логических процессора. СonnectionPool ограничил в 4. Каждый запрос к приложению делал три последовательных обращения к базе.

Spring позволяет довольно просто сделать асинхронный http сервер, для этого достаточно из метода контроллера возвращать DeferredResult вместо MyClasss, а уже потом заполнять DeferredResult (в другом потоке). Для удобства написал маленькую обертку (цифрами обозначил реальный порядок выполнения):

@GetMapping("/async")
fun async(): DeferredResult<Response> = asyncResponse {
(4)   //code that produce Response
}
fun <R> asyncResponse(body: suspend CoroutineScope.() -> R): DeferredResult<R> {
(1)   val result = DeferredResult<R>() //пока пустой
(2)   launch(CommonPool) { //запускаем корутину
          try {
(5)         result.setResult(body.invoke(this))
          } catch (e: Exception) {
(5')        result.setErrorResult(e)
          }
       }
(3)   return result //возвращаем DeferredResult, всё ещё пустой
}

Отдельной проблемой было решить, какое ожидание соединения из пула выставить для sync и async вариантов. Для sync выставляется в мс, а для async — в штуках. Решил, что средний запрос в базу ~30мс, поэтому время поделил на 30 — получил штуки (оказалось, ошибся где-то на треть).

Приложение запустил, выдав один логический процессор. На другой машине поставил яндекс танк и расстрелял приложение. К моему удивлению разницы не было… до 50 rps (слева async, справа sync).

После 50 rps переставало хватать 4 соединений (средний timing к этому моменту — 80 rps) и синхронная версия к 66rps доходила до 11 секунд и умирала — начинала отвечать только timeout на любой запрос (даже если убрать нагрузку вообще), а асинхронная к 54rps переходила на 730мс и начинала обрабатывать ровно столько запросов, сколько позволяла база, по всем остальным — 500, при этом ошибки практически всегда отбрасывались моментально.

При запуске приложения с восемью логическими процессорами картина немного изменилась (слева async, справа sync)

Синхронная версия от 60 до 80rps отвечала за 3 секунды, отбрасывая лишние запросы, и полностью переставала отвечать только к 91rps.

Отчего так вышло? Tomcat создает до 200 (по умолчанию) потоков на обработку входящих запросов. Когда запросов приходит больше, чем можно обработать, они создаются все и через некоторое время оказываются все заблокированными. При этом каждый запрос должен получить коннект 3 раза и каждый раз ждет по секунде. В случае с асинхронным вариантом, запрос не ждет какое-либо время, а смотрит, сколько ещё желающих на этот ресурс и отсылает ошибку, если желающих слишком много. В моём случае ограничение было в 33 при 4 коннектах, что, наверное, многовато. При уменьшении этого числа получим более приемлемую скорость ответа при перегрузках сервера.

HTTP

Плавный отказ — это хорошо, но интересно, можно ли получить прирост производительности в штатных ситуациях.

На этот раз приложение ходило по http на заглушку, заглушка отвечала с задержкой (от 1.5 мс). Делал два варианта: 100 последовательных и 100 параллельных (batch) запросов на заглушку. Замерял с помощью JMH в 1 и 6 потоков (имитировал разную нагрузку).

	Последовательно (avg ms)			Параллельно (avg ms)
	Sync	Async	?	Sync	Async	?
1core / 1 jmh thread	160.3 ± 1.8	154.1 ± 1.0	4.0% ± 1.7%	163.9 ± 2.4	10.7 ± 0.3	1438.3% ± 4.6%
2core / 1 jmh thread	159.3 ± 1.0	156.3 ± 0.7	1.9% ± 1.1%	57.6 ± 0.5	15.4 ± 0.2	274.0% ± 1.9%
4core / 1 jmh thread	159.0 ± 1.1	157.4 ± 1.3	1.0% ± 1.5%	25.7 ± 0.2	14.8 ± 0.3	74.3% ± 2.8%
1core / 6 jmh thread	146.8 ± 2.5	146.3 ± 2.5	0.4% ± 3.4%	984.8 ± 34.2	79.3 ± 3.7	1141.6% ± 5.1%
2core / 6 jmh thread	151.3 ± 1.6	143.8 ± 1.9	5.2% ± 2.3%	343.9 ± 17.2	86.7 ± 3.7	296.5% ± 6.3%
4core / 6 jmh thread	152.3 ± 1.5	144.7 ± 1.2	5.2% ± 1.8%	135.0 ± 3.0	81.7 ± 4.8	65.2% ± 8.1%

Даже при последовательных запросах мы получаем прирост, ну а при батче… Конечно, если мы добавим процессоров, картина для синхронного варианта станет значительно лучше. Так, увеличив ресурсы в 4 раза, мы получим прирост синхронного варианта в 6.5 раз, но так и не достигнем скорости async. При этом скорость работы async не зависит от количества процессоров.

О плохом

• Как я уже упоминал, выполнять в async очень маленькие задачи не выгодно. Впрочем, не думаю, что в этом есть необходимость.
• Надо следить за блокирующим кодом. Наверное, в этом случае следует завести отдельный threadPool для их выполнения.
• ThreadLocal можно забыть. Корутина восстанавливается в случайном потоке из предоставленного пула (в случае NIO, его даже указать нельзя...). RequestScope, думаю, тоже перестанет работать (не пробовал). Тем не менее есть CoroutineContext, к которому можно что-нибудь привязать, но передавать его надо будет все-равно явно.
• Java мир привык к блокировкам, поэтому неблокирующих библиотек МАЛО.

Послевкусие

Корутины можно и нужно применять. На них можно писать приложения, которым потребуется меньше процессоров, чтобы работать с той же скоростью. Моё впечатление — в большинстве случаев достаточно будет 1-2 ядер.

Да, ещё и подарок в виде отказоустойчивости.

Я надеюсь, постепенно появятся best practices, так как сейчас паттерны по работе с channels лучше искать в Go, async/await — в C#, yield — C# и python.

P.S.:
исходники
Послевкусие от Kotlin, часть 1
Послевкусие от Kotlin, часть 2