Golangchannel流水线案例详解
在Golang实战开发的过程中,我们经常会遇到一些这样那样的问题,然后要卡好半天,等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《Golang channel流水线实现案例解析》,聊聊,希望可以帮助到正在努力赚钱的你。
使用Go的channel和goroutine实现整数处理流水线:生成整数→平方→过滤大于100→输出结果,各阶段通过channel串联,每个阶段函数接收输入channel并返回输出channel,形成可组合、高效的数据处理链。

在Go语言中,channel和goroutine的组合非常适合实现“流水线(pipeline)”模式。流水线将数据处理过程拆分为多个阶段,每个阶段由一个或多个goroutine通过channel连接,形成一条高效、可扩展的数据处理链。下面通过一个具体的案例来展示如何用Golang实现channel流水线。
1. 场景说明:整数处理流水线
假设我们需要实现一个数据处理流程:生成一组整数 → 平方每个数 → 过滤出大于100的结果 → 输出最终结果。我们可以将每个步骤封装为一个独立的函数,通过channel串联起来。
2. 阶段函数实现
每个阶段接收一个输入channel,返回一个输出channel,形成可组合的流水线结构。
阶段1:生成数据
gen函数生成一组整数并通过channel输出。
func gen(nums ...int)
out := make(chan int, len(nums))
go func() {
for _, n := range nums {
out <- n
}
close(out)
}()
return out
}
阶段2:平方处理
square函数从输入channel读取数据,计算平方后发送到输出channel。
func square(in <-chan int)
out := make(chan int)
go func() {
for n := range in {
out <- n * n
}
close(out)
}()
return out
}
阶段3:过滤大于100的数据
filterOver100函数只传递大于100的值。
func filterOver100(in <-chan int)
out := make(chan int)
go func() {
for n := range in {
if n > 100 {
out <- n
}
}
close(out)
}()
return out
}
3. 组合流水线并运行
将各个阶段通过channel串联起来,形成完整的处理流程。
func main() {
// 构建流水线
source := gen(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) // 1~10
squared := square(source) // 平方
filtered := filterOver100(squared) // 过滤 >100
// 消费结果
for result := range filtered {
fmt.Println(result)
}
}
输出结果:
121 (11²)
144 (12²)
169 (13²)
196 (14²)
225 (15²)
... 以此类推,实际输入是1~10,平方后最大为100,因此实际无输出。若想看到输出,可将gen改为 gen(11,12,13) 或调整输入。
4. 优化:支持多阶段并行与扇出/扇入
在高并发场景中,可以对某个阶段启动多个worker,提高处理能力。
func squareParallel(in <-chan int, workers int)
out := make(chan int, workers)
var wg sync.WaitGroup
for i := 0; i
wg.Add(1)
go func() {
for n := range in {
out <- n * n
}
wg.Done()
}()
}
go func() {
wg.Wait()
close(out)
}()
return out
}
这种模式称为“扇出(fan-out)”和“扇入(fan-in)”,可以显著提升处理吞吐量。
基本上就这些。Golang的channel流水线模式简洁而强大,适合ETL、数据清洗、消息处理等场景。关键是每个阶段职责单一,通过channel自然解耦,易于测试和扩展。不复杂但容易忽略的是资源清理和goroutine泄漏问题,确保所有channel最终被关闭,避免阻塞。
今天关于《Golangchannel流水线案例详解》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于golang,Goroutine,channel,并发,流水线的内容请关注golang学习网公众号!
Java处理HTML邮件内容的实用技巧
- 上一篇
- Java处理HTML邮件内容的实用技巧
- 下一篇
- PhpStorm外工具集成设置教程
-
- Golang · Go教程 | 1小时前 |
- 在二进制中嵌入迁移文件并按版本顺序执行
- 293浏览 收藏
-
- Golang · Go教程 | 2小时前 |
- 为前端资源建立开发期本地读取与发布期嵌入切换
- 275浏览 收藏
-
- Golang · Go教程 | 2小时前 | 单元测试 · Go教程 · 工程实践 · html/template embed.FS fs.FS Go嵌入资源 fstest.MapFS
- 用 embed.FS 打包静态模板并保持目录结构可测试
- 230浏览 收藏
-
- Golang · Go教程 | 2小时前 | docker · CGO · Go教程 · CGO_ENABLED Docker Buildx cgo交叉编译 Go交叉编译镜像 多架构镜像 GNU交叉编译器
- 为含 cgo 的项目设计可重复的交叉编译镜像
- 480浏览 收藏
-
- Golang · Go教程 | 3小时前 | CGO · 资源管理 · Go教程 · runtime.KeepAlive runtime/cgo.Handle Go cgo C库句柄 LockOSThread
- 封装 C 库句柄并明确创建、释放与线程约束
- 400浏览 收藏
-
- Golang · Go教程 | 4小时前 | 模块 · go · CI · Go 持续集成 govulncheck 依赖安全
- 在持续集成中生成依赖清单并跟踪安全更新
- 244浏览 收藏
-
- Golang · Go教程 | 4小时前 | Go教程 · 调用栈 govulncheck Go依赖安全 漏洞可达性 Go漏洞数据库
- 用 govulncheck 区分被依赖漏洞与实际可达调用
- 283浏览 收藏
-
- Golang · Go教程 | 5小时前 | 并发 · go · goroutine阻塞 go tool trace Go执行跟踪 调度延迟 runtime trace
- 借助执行跟踪分析调度延迟和阻塞来源
- 228浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 381次使用
-
- 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。
- 452次使用
-
- 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。
- 464次使用
-
- 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。
- 403次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 232次使用
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览

