当前位置:首页 > 文章列表 > Golang > Go教程 > Golang实现简单投票系统教程

Golang实现简单投票系统教程

2026-01-18 08:25:31 0浏览 收藏

Golang不知道大家是否熟悉?今天我将给大家介绍《Golang开发简单投票系统教程》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!

Go 投票系统用 map[string]int 和 map[string]bool 实现内存存储,通过 sync.RWMutex 保证并发安全,提供 /vote(提交投票)和 /results(获取统计)两个 HTTP 接口,并校验选项合法性与用户重复投票。

如何在Golang中开发简单投票系统_统计用户投票并返回结果

在 Go 语言中开发一个简单投票系统,核心是实现「用户提交投票 → 存储记录 → 统计各选项得票数 → 返回结果」的闭环。不需要数据库也能快速起步,用内存(map)+ HTTP 服务即可完成原型。

定义投票结构与存储方式

用 map[string]int 存储每个选项的票数,用另一个 map[string]bool 或 map[string]struct{} 记录用户是否已投过票(防刷)。例如:

  • votes:键为选项名(如 "go"、"rust"),值为当前票数
  • votedUsers:键为用户标识(如 IP 或简单 token),值仅作存在性判断

用 net/http 搭建基础 API 接口

提供两个端点:

  • POST /vote:接收 JSON 请求体,如 {"option": "go", "user_id": "u123"},校验后更新票数和用户记录
  • GET /results:返回当前所有选项的票数,如 {"go": 42, "rust": 28}

注意:实际中 user_id 应更可靠(如登录态 token),示例中可用请求头 X-User-ID 或简单 query 参数临时替代。

添加基础校验与并发安全

多个请求可能同时修改 map,必须加锁。用 sync.RWMutex 保护读写:

  • 写操作(/vote)用 mu.Lock()
  • 读操作(/results)用 mu.RLock()

同时检查选项是否合法(只允许预设选项)、用户是否重复投票——若已投,直接返回 400 错误。

运行与测试示例

启动服务后,可用 curl 测试:

  • curl -X POST http://localhost:8080/vote -H "Content-Type: application/json" -d '{"option":"go","user_id":"a1"}'
  • curl http://localhost:8080/results → 返回实时统计

不复杂但容易忽略细节:比如 JSON 解析错误要返回 400,空选项或缺失字段需拒绝,锁范围别包住整个 handler(只锁关键段)。

今天带大家了解了的相关知识,希望对你有所帮助;关于Golang的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

Word添加脚注详细步骤教程Word添加脚注详细步骤教程
上一篇
Word添加脚注详细步骤教程
CSS实现图片懒加载技巧解析
下一篇
CSS实现图片懒加载技巧解析
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。
    471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。
    531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。
    551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。
    501次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    318次使用