WorkQueue称为工作队列，Kubernetes的WorkQueue队列与普通FIFO（先进先出，First-In，First-Out）队列相比，实现略显复杂，它的主要功能在于标记和去重，并支持如下特性。
● 有序 ：按照添加顺序处理元素（item）。
● 去重 ：相同元素在同一时间不会被重复处理，例如一个元素在处理之前被添加了多次，它只会被处理一次。
● 并发性 ：多生产者和多消费者。
● 标记机制 ：支持标记功能，标记一个元素是否被处理，也允许元素在处理时重新排队。
● 通知机制 ：ShutDown方法通过信号量通知队列不再接收新的元素，并通知metric goroutine退出。
● 延迟 ：支持延迟队列，延迟一段时间后再将元素存入队列。
● 限速 ：支持限速队列，元素存入队列时进行速率限制。限制一个元素被重新排队（Reenqueued）的次数。
● Metric ：支持metric监控指标，可用于Prometheus监控。
WorkQueue支持3种队列，并提供了3种接口，不同队列实现可应对不同的使用场景，分别介绍如下。
● Interface ：FIFO队列接口，先进先出队列，并支持去重机制。
● DelayingInterface ：延迟队列接口，基于Interface接口封装，延迟一段时间后再将元素存入队列。
● RateLimitingInterface ：限速队列接口，基于DelayingInterface接口封装，支持元素存入队列时进行速率限制。
FIFO队列
FIFO队列支持最基本的队列方法，例如插入元素、获取元素、获取队列长度等。另外，WorkQueue中的限速及延迟队列都基于Interface接口实现，其提供如下方法：
代码路径：vendor/k8s.io/client-go/util/workqueue/queue.go
type Interface interface {
Add(item interface{})
Len() int
Get() (item interface{}, shutdown bool)
Done(item interface{})
ShutDown()
ShutDownWithDrain()
ShuttingDown() bool
}FIFO队列Interface方法说明如下。
● Add ：给队列添加元素（item），可以是任意类型元素。
● Len ：返回当前队列的长度。
● Get ：获取队列头部的一个元素。
● Done ：标记队列中该元素已被处理。
● ShutDown ：关闭队列。
● ShuttingDown ：查询队列是否正在关闭。
FIFO队列数据结构如下：
// Type is a work queue (see the package comment).
type Type struct {
// queue defines the order in which we will work on items. Every
// element of queue should be in the dirty set and not in the
// processing set.
queue []t
// dirty defines all of the items that need to be processed.
dirty set
// Things that are currently being processed are in the processing set.
// These things may be simultaneously in the dirty set. When we finish
// processing something and remove it from this set, we'll check if
// it's in the dirty set, and if so, add it to the queue.
processing set
cond *sync.Cond
shuttingDown bool
drain bool
metrics queueMetrics
unfinishedWorkUpdatePeriod time.Duration
clock clock.WithTicker
}
FIFO队列数据结构中最主要的字段有queue、dirty和processing。其中queue字段是实际存储元素的地方，它是slice结构的，用于保证元素有序；dirty字段非常关键，除了能保证去重，还能保证在处理一个元素之前哪怕其被添加了多次（并发情况下），但也只会被处理一次；processing字段用于标记机制，标记一个元素是否正在被处理。应根据WorkQueue的特性理解源码的实现，FIFO存储过程如图
通过Add方法往FIFO队列中分别插入1、2、3这3个元素，此时队列中的queue和dirty字段分别存有1、2、3元素，processing字段为空。然后通过Get方法获取最先进入的元素（也就是1元素），此时队列中的queue和dirty字段分别存有2、3元素，而1元素会被放入processing字段中，表示该元素正在被处理。最后，当我们处理完1元素时，通过Done方法标记该元素已经被处理完成，此时队列中的processing字段中的1元素会被删除。
如图所示，这是FIFO队列的存储流程，在正常的情况下，FIFO队列运行在并发场景下。高并发下如何保证在处理一个元素之前哪怕其被添加了多次，但也只会被处理一次？下面进行讲解，FIFO并发存储过程如图
如图所示，在并发场景下，假设goroutine A通过Get方法获取1元素，1元素被添加到processing字段中，同一时间，goroutine B通过Add方法插入另一个1元素，此时在processing字段中已经存在相同的元素，所以后面的1元素并不会被直接添加到queue字段中，当前FIFO队列中的dirty字段中存有1、2、3元素，processing字段存有1元素。在goroutine A通过Done方法标记处理完成后，如果dirty字段中存有1元素，则将1元素追加到queue字段中的尾部。需要注意的是，dirty和processing字段都是用Hash Map数据结构实现的，所以不需要考虑无序，只保证去重即可。
延迟队列
延迟队列，基于FIFO队列接口封装，在原有功能上增加了AddAfter方法，其原理是延迟一段时间后再将元素插入FIFO队列。延迟队列数据结构如下：
代码路径：vendor/k8s.io/client-go/util/workqueue/delaying_queue.go
type DelayingInterface interface {
Interface
// AddAfter adds an item to the workqueue after the indicated duration has passed
AddAfter(item interface{}, duration time.Duration)
}
// delayingType wraps an Interface and provides delayed re-enquing
type delayingType struct {
Interface
// clock tracks time for delayed firing
clock clock.Clock
// stopCh lets us signal a shutdown to the waiting loop
stopCh chan struct{}
// stopOnce guarantees we only signal shutdown a single time
stopOnce sync.Once
// heartbeat ensures we wait no more than maxWait before firing
heartbeat clock.Ticker
// waitingForAddCh is a buffered channel that feeds waitingForAdd
waitingForAddCh chan *waitFor
// metrics counts the number of retries
metrics retryMetrics
}AddAfter方法会插入一个item（元素）参数，并附带一个duration（延迟时间）参数，该duration参数用于指定元素延迟插入FIFO队列的时间。如果duration小于或等于0，会直接将元素插入FIFO队列中。
delayingType结构中最主要的字段是waitingForAddCh，其默认初始大小为1000，通过AddAfter方法插入元素时，是非阻塞状态的，只有当插入的元素大于或等于1000时，延迟队列才会处于阻塞状态。waitingForAddCh字段中的数据通过goroutine运行的waitingLoop函数持久运行。延迟队列运行原理如图所示：
如图所示，将元素1放入waitingForAddCh字段中，通过waitingLoop函数消费元素数据。当元素的延迟时间不大于当前时间时，说明还需要延迟将元素插入FIFO队列的时间，此时将该元素放入优先队列（waitForPriorityQueue）中。当元素的延迟时间大于当前时间时，则将该元素插入FIFO队列中。另外，还会遍历优先队列（waitForPriorityQueue）中的元素，按照上述逻辑验证时间。
限速队列
限速队列，基于延迟队列和FIFO队列接口封装，限速队列接口（RateLimitingInterface）在原有功能上增加了AddRateLimited、Forget、NumRequeues方法。限速队列的重点不在于RateLimitingInterface接口，而在于它提供的4种限速算法接口（RateLimiter）。其原理是，限速队列利用延迟队列的特性，延迟某个元素的插入时间，达到限速目的。RateLimiter数据结构如下：
代码路径：vendor/k8s.io/client-go/util/workqueue/default_rate_limiters.go
type RateLimiter interface {
// When gets an item and gets to decide how long that item should wait
When(item interface{}) time.Duration
// Forget indicates that an item is finished being retried. Doesn't matter whether it's for failing
// or for success, we'll stop tracking it
Forget(item interface{})
// NumRequeues returns back how many failures the item has had
NumRequeues(item interface{}) int
}限速队列接口方法说明：
● When ：获取指定元素应该等待的时间。
● Forget ：释放指定元素，清空该元素的排队数。
● NumRequeues ：获取指定元素的排队数。
注意 ：这里有一个非常重要的概念——限速周期，一个限速周期是指从执行AddRateLimited方法到执行完Forget方法之间的时间。如果该元素被Forget方法处理完，则清空排队数。
下面会分别详解WorkQueue提供的4种限速算法，应对不同的场景，这4种限速算法分别如下。
● 令牌桶算法（BucketRateLimiter）。
● 排队指数算法（ItemExponentialFailureRateLimiter）。
● 计数器算法（ItemFastSlowRateLimiter）。
● 混合模式（MaxOfRateLimiter），将多种限速算法混合使用。
1.令牌桶算法
令牌桶算法是通过Go语言的第三方库golang.org/x/time/rate实现的。令牌桶算法内部实现了一个存放token（令牌）的“桶”，初始时“桶”是空的，token会以固定速率往“桶”里填充，直到将其填满为止，多余的token会被丢弃。每个元素都会从令牌桶得到一个token，只有得到token的元素才允许通过（accept），而没有得到token的元素处于等待状态。令牌桶算法通过控制发放token来达到限速目的。令牌桶算法原理如图：
WorkQueue在默认的情况下会实例化令牌桶，代码示例如下：
rate.NewLimiter(rate.Limit(10), 100)},
在实例化rate.NewLimiter后，传入r和b两个参数，其中r参数表示每秒往“桶”里填充的token数量，b参数表示令牌桶的大小（即令牌桶最多存放的token数量）。我们假定r为10，b为100。假设在一个限速周期内插入了1000个元素，通过r.Limiter.Reserve（）.Delay函数返回指定元素应该等待的时间，那么前b（即100）个元素会被立刻处理，而后面元素的延迟时间分别为item100/100ms、item101/200ms、item102/300ms、item103/400ms，以此类推。
2.排队指数算法
排队指数算法将相同元素的排队数作为指数，排队数增大，速率限制呈指数级增长，但其最大值不会超过maxDelay。元素的排队数统计是有限速周期的，一个限速周期是指从执行AddRateLimited方法到执行完Forget方法之间的时间。如果该元素被Forget方法处理完，则清空排队数。排队指数算法的核心实现代码示例路径：vendor/k8s.io/client-go/util/workqueue/default_rate_limiters.go
func (r *ItemExponentialFailureRateLimiter) When(item interface{}) time.Duration {
r.failuresLock.Lock()
defer r.failuresLock.Unlock()
exp := r.failures[item]
r.failures[item] = r.failures[item] + 1
// The backoff is capped such that 'calculated' value never overflows.
backoff := float64(r.baseDelay.Nanoseconds()) * math.Pow(2, float64(exp))
if backoff > math.MaxInt64 {
return r.maxDelay
}
calculated := time.Duration(backoff)
if calculated > r.maxDelay {
return r.maxDelay
}
return calculated
}该算法提供了3个主要字段：failures、baseDelay、maxDelay。其中，failures字段用于统计元素排队数，每当AddRateLimited方法插入新元素时，会为该字段加1；另外，baseDelay字段是最初的限速单位（默认为5ms），maxDelay字段是最大限速单位（默认为1000s）。排队指数增长趋势如图
限速队列利用延迟队列的特性，延迟多个相同元素的插入时间，达到限速目的。注意 ：在同一限速周期内，如果不存在相同元素，那么所有元素的延迟时间为baseDelay；而在同一限速周期内，如果存在相同元素，那么相同元素的延迟时间呈指数级增长，最长延迟时间不超过maxDelay。
我们假定baseDelay是1*time.Millisecond，maxDelay是1000*time.Second。假设在一个限速周期内通过AddRateLimited方法插入10个相同元素，那么第1个元素会通过延迟队列的AddAfter方法插入并设置延迟时间为1ms（即baseDelay），第2个相同元素的延迟时间为2ms，第3个相同元素的延迟时间为4ms，第4个相同元素的延迟时间为8ms，第5个相同元素的延迟时间为16ms……第10个相同元素的延迟时间为512ms，最长延迟时间不超过1000s（即maxDelay）。
3.计数器算法
计数器算法是限速算法中最简单的一种，其原理是：限制一段时间内允许通过的元素数量，例如在1分钟内只允许通过100个元素，每插入一个元素，计数器自增1，当计数器数到100的阈值且还在限速周期内时，则不允许元素再通过。但WorkQueue在此基础上扩展了fast和slow速率。
计数器算法提供了4个主要字段：failures、fastDelay、slowDelay及maxFastAttempts。其中，failures字段用于统计元素排队数，每当AddRateLimited方法插入新元素时，会为该字段加1；而fastDelay和slowDelay字段是用于定义fast、slow速率的；另外，maxFastAttempts字段用于控制从fast速率转换到slow速率。计数器算法核心实现的代码示例如下：vendor/k8s.io/client-go/util/workqueue/default_rate_limiters.go
func (r *ItemFastSlowRateLimiter) When(item interface{}) time.Duration {
r.failuresLock.Lock()
defer r.failuresLock.Unlock()
r.failures[item] = r.failures[item] + 1
if r.failures[item] <= r.maxFastAttempts {
return r.fastDelay
}
return r.slowDelay
}假设fastDelay是5*time.Millisecond，slowDelay是10*time.Second，maxFastAttempts是3。在一个限速周期内通过AddRateLimited方法插入4个相同的元素，那么前3个元素使用fastDelay定义的fast速率，当触发maxFastAttempts字段时，第4个元素使用slowDelay定义的slow速率。
4.混合模式
混合模式是将多种限速算法混合使用，即多种限速算法同时生效。例如，同时使用排队指数算法和令牌桶算法，代码示例如下：
// DefaultControllerRateLimiter is a no-arg constructor for a default rate limiter for a workqueue. It has
// both overall and per-item rate limiting. The overall is a token bucket and the per-item is exponential
func DefaultControllerRateLimiter() RateLimiter {
return NewMaxOfRateLimiter(
NewItemExponentialFailureRateLimiter(5*time.Millisecond, 1000*time.Second),
// 10 qps, 100 bucket size. This is only for retry speed and its only the overall factor (not per item)
&BucketRateLimiter{Limiter: rate.NewLimiter(rate.Limit(10), 100)},
)
}
