当前位置:首页 > 文章列表 > Golang > Go教程 > Golang并发统计技巧:goroutine与原子操作应用

Golang并发统计技巧:goroutine与原子操作应用

2026-01-18 23:06:43 0浏览 收藏

知识点掌握了,还需要不断练习才能熟练运用。下面golang学习网给大家带来一个Golang开发实战,手把手教大家学习《Golang并发统计技巧:goroutine与原子操作应用》,在实现功能的过程中也带大家重新温习相关知识点,温故而知新,回头看看说不定又有不一样的感悟!

不能直接用普通变量做并发计数,因为count++非原子操作(读-改-写三步),会导致数据竞争;应使用sync/atomic包的原子操作,如atomic.AddInt64和atomic.LoadInt64,且所有读写必须统一走原子操作。

如何使用Golang实现并发数据统计_Golang goroutine与sync原子操作方法

为什么不能直接用普通变量做并发计数

多个 goroutine 同时对一个 int 变量执行 ++,结果大概率比预期小。这不是“偶尔出错”,而是因为 count++ 实际包含三步:读取、加1、写回——中间可能被其他 goroutine 打断。Go 的竞态检测器(go run -race)会立刻报出 Data race 错误。

sync/atomic 是最轻量的正确解法

适用于单个数值的增减、比较交换等简单操作,无锁、零分配、性能接近汇编。注意类型必须严格匹配:int64 不能用 atomic.AddInt32,uint32 不能用 atomic.AddUint64。

  • 计数器必须声明为 int64(即使你只计到 100),因为 atomic 对 int 没有通用函数,且 int 在 32 位系统上非原子
  • 用 atomic.AddInt64(&counter, 1) 替代 counter++;用 atomic.LoadInt64(&counter) 读值,不要直接读变量
  • 避免混用:一旦用了 atomic,所有读写都必须走原子操作,否则仍存在数据竞争
package main

import (
    "fmt"
    "sync/atomic"
    "time"
)

func main() {
    var counter int64 = 0
    var wg sync.WaitGroup

    for i := 0; i 

什么时候该换 sync.Mutex 而不是硬套 atomic

sync/atomic 只能处理单个值的简单操作。一旦统计逻辑变复杂——比如要同时更新计数器和记录最后更新时间、或需要条件重置、或要聚合多个字段(成功数/失败数/平均耗时)——就必须升级到 sync.Mutex 或 sync.RWMutex。

  • 别为了“看起来快”强行拆解逻辑去适配 atomic,可读性和正确性优先
  • 如果读多写少(如高频查询当前统计值,低频更新),用 sync.RWMutex 提升并发读性能
  • Mutex 保护的是临界区代码段,不是某个变量;锁粒度要尽量小,但别细到每行都加锁

map 并发读写必须加锁或换 sync.Map

原生 map 非并发安全。直接在多个 goroutine 里 m[key]++ 会 panic:fatal error: concurrent map writes。

  • 若 key 数量可控、读写频率均衡,用 sync.Mutex 包裹 map 操作最直观
  • 若 key 极多、读远多于写、且能接受弱一致性(如统计上报场景),可用 sync.Map,但它不支持遍历和 len(),且内部有额外指针跳转开销
  • 千万别用 map + atomic 混合——atomic 对 map 本身无效,只对指针或整数有用

容易被忽略的一点:哪怕你只读 map,只要其他 goroutine 在写,也必须加锁(或使用 sync.Map 的 Load 方法)。Go 不保证非同步读的内存可见性。

到这里,我们也就讲完了《Golang并发统计技巧:goroutine与原子操作应用》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!

ChatGPT情感分析技巧全解析ChatGPT情感分析技巧全解析
上一篇
ChatGPT情感分析技巧全解析
Win10启动失败循环解决方法
下一篇
Win10启动失败循环解决方法
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。
    374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。
    444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。
    451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。
    397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。
    223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 和 隐私政策
返回登录
  • 重置密码