当前位置：首页 > 文章列表 > Golang > Go教程 > Go并发编程实践

Go并发编程实践

来源：脚本之家 2022-12-30 09:44:09 0浏览收藏

亲爱的编程学习爱好者，如果你点开了这篇文章，说明你对《Go并发编程实践》很感兴趣。本篇文章就来给大家详细解析一下，主要介绍一下并发，希望所有认真读完的童鞋们，都有实质性的提高。

前言

并发编程一直是Golang区别与其他语言的很大优势，也是实际工作场景中经常遇到的。近日笔者在组内分享了我们常见的并发场景，及代码示例，以期望大家能在遇到相同场景下，能快速的想到解决方案，或者是拿这些方案与自己实现的比较，取长补短。现整理出来与大家共享。

简单并发场景

很多时候，我们只想并发的做一件事情，比如测试某个接口的是否支持并发。那么我们就可以这么做：

func RunScenario1() {
    count := 10
    var wg sync.WaitGroup

    for i := 0; i 

使用goroutine来实现异步，使用WaitGroup来等待所有goroutine结束。这里要注意的是要正确释放WaitGroup的counter(在goroutine里调用Done()方法)。
但此种方式有个弊端，就是当goroutine的量过多时，很容易消耗完客户端的资源，导致程序表现不佳。
规定时间内的持续并发模型
我们仍然以测试某个后端API接口为例，如果我们想知道这个接口在持续高并发情况下是否有句柄泄露，这种情况该如何测试呢？
这种时候，我们需要能控制时间的高并发模型：

func RunScenario2() {
  timeout := time.Now().Add(time.Second * time.Duration(10))
  n := runtime.NumCPU()

  waitForAll := make(chan struct{})
  done := make(chan struct{})
  concurrentCount := make(chan struct{}, n)

  for i := 0; i 

上面的代码里，我们通过一个buffered channel来控制并发的数量(concurrentCount)，然后另起一个channel来周期性的发起新的任务，而控制的条件就是 time.Now().Before(timeout)，这样当超过规定的时间，waitForAll 就会得到信号，而使整个程序退出。
这是一种实现方式，那么还有其他的方式没？我们接着往下看。
基于大数据量的并发模型
前面说的基于时间的并发模型，那如果只知道数据量很大，但是具体结束时间不确定，该怎么办呢？
比如，客户给了个几TB的文件列表，要求把这些文件从存储里删除。再比如，实现个爬虫去爬某些网站的所有内容。
而解决此类问题，最常见的就是使用工作池模式了(Worker Pool)。以删文件为例，我们可以简单这样来处理：

Jobs - 可以从文件列表里读取文件，初始化为任务，然后发给worker

Worker - 拿到任务开始做事

Collector - 收集worker处理后的结果

Worker Pool - 控制并发的数量
虽然这只是个简单Worker Pool模型，但已经能满足我们的需求：

func RunScenario3() {
    numOfConcurrency := runtime.NumCPU()
    taskTool := 10
    jobs := make(chan int, taskTool)
    results := make(chan int, taskTool)
    var wg sync.WaitGroup

    // workExample
    workExampleFunc := func(id int, jobs 

在Go里，分发任务，收集结果，我们可以都交给Channel来实现。从实现上更加的简洁。
仔细看会发现，本模型也是适用于按时间来控制并发。只要把totalTask的遍历换成时间控制就好了。
等待异步任务执行结果
goroutine和channel的组合在实际编程时经常会用到，而加上Select更是无往而不利。

func RunScenario4() {
    sth := make(chan string)
    result := make(chan string)
    go func() {
       id := rand.Intn(100)
       for {
           sth 

在select的case情况，加上time.After()模型可以让我们在一定时间范围内等待异步任务结果，防止程序卡死。
定时反馈异步任务结果
上面我们说到持续的压测某后端API，但并未实时收集结果。而很多时候对于性能测试场景，实时的统计吞吐率，成功率是非常有必要的。

func RunScenario5() {
  concurrencyCount := runtime.NumCPU()
  for i := 0; i 

这种场景就需要使用到Ticker，且上面的Example模型还能控制并发数量，也是非常实用的方式。
知识点总结
上面我们共提到了五种并发模式：