当前位置:首页 > 文章列表 > Golang > Go问答 > 递归函数在 go 中是否存在潜在风险?

递归函数在 go 中是否存在潜在风险?

来源:stackoverflow 2024-03-25 16:03:38 0浏览 收藏

在 Go 语言中使用 `go` 关键字进行递归函数调用存在潜在风险。如果不谨慎使用,可能导致危险的无限循环,耗尽系统内存并使主机崩溃。本文探讨了这种风险,并建议始终在使用 `go` 关键字时结合终止条件变量,以防止此类无限循环的发生。

问题内容

我正在尝试熟悉 go,尝试使用它的关键字 go 来动态调用子例程。我想知道使用该关键字是否有点危险,因为它可能会创建一个危险的无限循环,如果不注意的话,它会耗尽所有系统内存并在几秒钟内使主机崩溃。

因此,假设有人想要创建一个递归函数,该函数会多次调用自身并增加计算量,它使用 go 关键字来增加并行计算。如果代码中存在一些小错误,它可能会产生危险的无限循环。

下面是这种危险的无限循环的示例。

/* WARNING! Running this code will probably crash your system! */

package main

func infinity() {
    LOOP:
    go infinity()
    goto LOOP
}

func main() {
    infinity()
}

/* WARNING! Running this code will probably crash your system! */

此代码在我的机器上在 7 秒内消耗了大约 32gb 系统内存,当没有更多可用系统内存时,机器就会冻结,并且除了硬重置之外似乎没有机会解冻。

那么,您是否同意在使用 go 关键字时始终使用带有中止标准的计数器变量是明智的做法?


解决方案


所有不终止和分配资源而不释放这些资源的循环都是“危险的”,因为它们会耗尽可用资源(您可能称其为“泄漏”)。

无限递归就是这种循环的一种情况,即使没有跨越任何 goroutine,因为最大堆栈大小也会耗尽。

此类循环(直接或通过递归)是编程错误。

这样的循环并不“危险”,它们只是耗尽了泄漏的资源,并且根据资源和底层操作系统,这将导致失败或程序终止。

您的代码泄漏了消耗内存的 goroutine,因此您的代码耗尽了可用内存。这很糟糕,但并不“危险”。根本问题不是 go 关键字,而是内存泄漏。任何无限循环分配内存(并使其保持活动状态)都会导致相同的行为。

在 Go 中,泄漏 goroutine 比泄漏内存更容易。但是您关于 go 关键字是危险的并且始终应该与终止条件一起使用的结论是没有根据的。

到这里,我们也就讲完了《递归函数在 go 中是否存在潜在风险?》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
Python vs C++:受欢迎程度对比Python vs C++:受欢迎程度对比
上一篇
Python vs C++:受欢迎程度对比
宝马CEO齐普策宣布:今年将销售50万辆纯电动汽车,涉及15款车型
下一篇
宝马CEO齐普策宣布:今年将销售50万辆纯电动汽车,涉及15款车型
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    198次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    254次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    209次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    193次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    184次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码