在Go语言中，Go scheduler的P数量非常重要，因为它会极大地影响Go在运行时的表现。在目前的Go语言中，P的数量默认是系统的CPU核数。
在容器化的环境中，Go程序所获取的CPU核数是错误的，它所获取的是宿主机的CPU核数。
即使容器和宿主机的CPU核数是共享的，但在集群中会针对每个Pod分配指定的核数，因此实际上需要的是Pod的核数，而不是宿主机的CPU核数。
Go运行时调度模型，要求M必须与P进行绑定，然后才能不断地在M上循环寻找可运行的G来执行相应的任务。
注意，
M必须与P进行绑定，其绑定的这个P，要求必须是空闲状态。
在容器化的部署环境中，P的数量由于被“错误”设置，因此拥有大量空闲的P。可以这样理解，只要有足够多的M，那么P就可以都被绑定。
这时又产生了另外一个问题，M的数量是会不断增加。在程序运行过程中，由于产生了网络I/O阻塞，导致M会随着程序的不断执行而不断增加。最终导致Go程序的延迟加大，程序响应缓慢。
产生这个问题的本质原因是Go程序没有正确地获得所期望的CPU核数（应当获取具体分配给Pod的配额），因此解决方案有两种：
GOMAXPROCS核数cgroup信息，读取容器内的正确GOMAXPROCS核数目前，Go尚没有非常完美的办法来解决这个问题，因此这里推荐使用Uber公司推出的
uber-go/maxprocs开源库，它会在Go程序运行时根据cgroup的挂载信息来修改GOMAXPROCS核数，并基于一定规则选择一个最合适的数值。
使用方式如下：
package automaxprocs_test
// Importing automaxprocs automatically adjusts GOMAXPROCS.
import _ "go.uber.org/automaxprocs"
// To render a whole-file example, we need a package-level declaration.
var _ = ""
func Example() {}只需在Go程序启动时进行引用即可，如果有特殊的需求，那么主动设置GOMAXPROCS也是可以的。