Parallel.map在收集进程时偶发两分钟卡顿问题分析

问题现象

在使用Ruby的Parallel.map方法进行多进程并行计算时，发现了一个奇怪的现象：某些情况下，当所有子进程已经完成计算任务并退出后，主进程会在收集结果阶段出现约2分钟的卡顿。这种卡顿并非每次都会发生，但一旦出现就会显著影响整体性能。

初步排查

通过添加调试日志，可以清晰地观察到卡顿发生在子进程完成计算之后，主进程收集结果之前。具体表现为：

1. 所有子进程都打印了完成标记("b")
2. 主进程迟迟不打印后续标记("c")
3. 卡顿时间大约持续2分钟

深入调查

为了定位问题根源，我们进行了以下测试：

1. 替换线程模式：尝试使用in_threads代替in_processes，但由于ActiveRecord连接池问题无法实施
2. 简化测试：改用.each方法忽略返回值，问题依然存在
3. 检查数据序列化：确认返回数据量很小(数据序列化后仅59字节)，排除了大数据量传输导致的问题
4. 绕过Parallel：直接使用Process.fork和Process.waitall重现问题，确认问题与Parallel无关

关键发现

通过对比exit!和abort的行为差异，发现了一个重要线索：

• 使用exit!强制退出子进程时，卡顿消失
• 使用abort正常退出时，卡顿重现

这表明问题可能与Ruby的进程退出机制有关，特别是at_exit回调处理。exit!会跳过at_exit回调，而abort会执行这些回调。

技术分析

虽然检查未发现显式注册的at_exit回调，但以下可能性值得考虑：

1. 隐式回调：某些gem可能在内部注册了at_exit回调但未暴露
2. 资源清理：数据库连接池或其他资源可能在进程退出时进行耗时清理
3. 信号处理：进程间信号传递可能出现延迟或阻塞
4. 系统限制：操作系统层面的进程管理可能出现问题

解决方案

目前可行的临时解决方案是在子进程中使用exit!而非默认的退出方式。虽然这不够优雅，但能有效避免卡顿问题。长期来看，需要：

1. 深入检查所有gem的退出处理逻辑
2. 监控系统资源使用情况
3. 考虑使用更精细的进程管理策略

总结

这类多进程编程中的卡顿问题往往难以调试，需要系统性地排除各种可能性。通过逐步缩小问题范围，最终定位到与进程退出机制相关的根本原因。这也提醒我们在使用并行计算时，不仅要关注核心业务逻辑，还需要注意进程生命周期管理的各种细节。