Получает ли Go информацию о количестве ядер процессора

Да, Go получает информацию о количестве ядер процессора и активно её использует для оптимизации выполнения параллельных программ. Это одна из ключевых особенностей языка, тесно связанная с его моделью параллелизма и работой среды выполнения (runtime).

Как Go узнает количество ядер?

При запуске программы Go обращается к операционной системе через системные вызовы, чтобы определить доступное количество логических процессоров (Logical CPUs).

Например, в Unix-подобных системах (Linux, macOS) это может быть чтение из /proc/cpuinfo или использование системного вызова sysconf(_SC_NPROCESSORS_ONLN). В Windows используется API GetSystemInfo() или GetLogicalProcessorInformation(). Эта операция выполняется автоматически на старте программы.

Проверить это значение можно с помощью функции runtime.NumCPU() из пакета runtime.

package main

import (
    "fmt"
    "runtime"
)

func main() {
    // Получаем количество логических процессоров, доступных программе
    numCPU := runtime.NumCPU()
    fmt.Printf("Количество логических процессоров (логических ядер): %d\n", numCPU)
}

Как Go использует эту информацию?

Количество ядер напрямую влияет на несколько важнейших компонентов рантайма:

1. Настройка планировщика горутин (Goroutine Scheduler):

    *   По умолчанию Go создает **одну рабочую очередь (OS thread) на каждое логическое ядро** для выполнения горутин. Это значение задается переменной окружения `GOMAXPROCS`. С версии Go 1.5 по умолчанию `GOMAXPROCS = runtime.NumCPU()`.
    *   Планировщик использует **вытесняющую многозадачность (preemptive scheduling)** и распределяет горутины по этим потокам, эффективно утилизируя все доступные ядра.

1. Работа сборщика мусора (Garbage Collector):

    *   Современный concurrent GC в Go старается работать параллельно с пользовательским кодом. Для своих фоновых задач он также использует несколько потоков, масштабируясь в зависимости от `GOMAXPROCS` и количества ядер, чтобы минимизировать **паузы (STW - Stop-The-World)**.

1. Распараллеливание в стандартной библиотеке:

    *   Некоторые операции, например сортировка больших срезов (начиная с определенного размера) или выполнение операций в `crypto/cipher`, могут автоматически распараллеливаться с использованием всех доступных ядер.

Управление количеством используемых ядер

Хотя Go автоматически определяет максимум, разработчик может контролировать этот параметр:

• Переменная окружения GOMAXPROCS: Установка GOMAXPROCS=2 перед запуском программы ограничит рантайм использованием двух потоков ОС, даже если ядер больше.
• Функция runtime.GOMAXPROCS(n int): Позволяет изменить это значение программно во время выполнения. Это полезно для тестирования, отладки или тонкой настройки производительности (например, в контейнеризованных средах с ограничениями CPU).

package main

import (
    "fmt"
    "runtime"
)

func main() {
    // Узнаем текущее значение
    fmt.Println("Текущий GOMAXPROCS:", runtime.GOMAXPROCS(0))

    // Устанавливаем новое значение (например, использовать только 2 ядра)
    old := runtime.GOMAXPROCS(2)
    fmt.Printf("GOMAXPROCS был %d, стал 2\n", old)
}

Важные нюансы и контейнеризация

В современных облачных и контейнеризованных средах (Docker, Kubernetes) важно понимать разницу:

• runtime.NumCPU() возвращает количество ядер, видимых ядру ОС контейнера. Если для контейнера установлены лимиты CPU (например, через cgroups), эта функция может возвращать общее число ядер на физическом хосте, а не ограниченную квоту.
• Начиная с Go 1.19, среда выполнения стала лучше учитывать ограничения cgroups (v1 и v2) при автоматическом определении GOMAXPROCS. Однако для гарантированного соответствия лимитам рекомендуется:

    *   Явно устанавливать `GOMAXPROCS` через переменную окружения, используя значения из систем контейнеризации (например, `GOMAXPROCS=${NPROC}`).
    *   Использовать специализированные библиотеки, такие как `uber-go/automaxprocs`, которая автоматически выставляет корректный `GOMAXPROCS` на основе лимитов cgroups.

Итог: Go не только получает информацию о количестве ядер, но и основан на этом числе, строя свою эффективную модель параллельного выполнения. Автоматическое определение по умолчанию работает хорошо, но в production-средах с контейнерами требуется внимание к настройке GOMAXPROCS для оптимального распределения ресурсов.