当前位置:首页 > 文章列表 > Golang > Go教程 > Golang值类型拷贝:浅拷贝与深拷贝区别

Golang值类型拷贝:浅拷贝与深拷贝区别

2026-01-29 15:55:55 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《Golang值类型拷贝详解:浅拷贝与深拷贝区别》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,希望所有认真读完的童鞋们,都有实质性的提高。

Go无内置深拷贝机制,其拷贝行为取决于类型:纯值类型赋值即深拷贝,指针/切片/map等句柄类型赋值为浅拷贝;需手动逐字段处理或用copy()、序列化等方式实现可控拷贝。

如何在Golang中实现值类型拷贝_理解浅拷贝与深拷贝

Go 里没有“深拷贝”这个内置概念

Go 语言本身不提供 deep copy 或 shallow copy 的语言级关键字或运行时函数。所谓“浅拷贝”和“深拷贝”,只是开发者对值传递行为的归纳描述——它完全取决于你拷贝的是什么类型、怎么拷贝的。

根本原因在于:Go 只有值传递(包括指针值的传递),没有引用传递。所以关键不是“要不要深”,而是“你传的是什么,它指向了什么”。

  • int、string、struct{}(不含指针/切片/map/chan)这类纯值类型,赋值即复制全部内容,天然“深”
  • []int、map[string]int、*T、chan int 这些类型,变量本身是轻量句柄(header),赋值只复制句柄,底层数据仍共享——这就是常说的“浅”
  • 例如 slice 赋值后两个变量共用同一底层数组,改一个会影响另一个

用 copy() 手动实现 slice 的值拷贝

对 []T 类型,最常用、最可控的值拷贝方式是 copy() 函数,它只复制元素值,不共享底层数组。

src := []int{1, 2, 3}
dst := make([]int, len(src))
copy(dst, src) // dst 是独立副本
dst[0] = 999
// src 仍是 [1 2 3],未受影响
  • copy(dst, src) 要求 dst 已分配足够空间;若长度不足,只复制 min(len(dst), len(src)) 个元素
  • 不能用 dst := src 替代——那只是 header 拷贝,后续修改会相互干扰
  • 对于嵌套 slice(如 [][]int),copy() 只拷贝外层 slice header 和元素(即内层数组指针),不递归拷贝内层数组——仍是浅的

结构体含指针/切片时,如何安全拷贝

当 struct 包含 []T、map[K]V、*T 等字段时,直接赋值只是浅拷贝。要得到完全独立副本,需手动逐字段深拷贝。

type Config struct {
    Name string
    Tags []string
    Meta map[string]interface{}
    Owner *User
}

c1 := Config{
    Name: "app",
    Tags: []string{"dev", "go"},
    Meta: map[string]interface{}{"v": 1},
    Owner: &User{Name: "Alice"},
}
c2 := c1 // 浅拷贝:Tags/Meta/Owner 全部共享

// 正确做法:手动构造新值
c2 = Config{
    Name: c1.Name,
    Tags: append([]string(nil), c1.Tags...), // 安全拷贝 slice
    Meta: func(m map[string]interface{}) map[string]interface{} {
        r := make(map[string]interface{})
        for k, v := range m {
            r[k] = v // 注意:这里没递归拷贝 interface{} 值,仅适用于基本类型
        }
        return r
    }(c1.Meta),
    Owner: &User{Name: c1.Owner.Name}, // 指针解引用后新建
}
  • append([]T(nil), s...) 是拷贝 []T 的惯用写法,比 make+copy 更简洁
  • map 拷贝必须遍历,且如果 value 是指针或复杂结构,还需进一步处理
  • 没有银弹:一旦结构体嵌套层级变深或含 interface{},手动拷贝极易遗漏,此时应考虑序列化方案

用 encoding/gob 或 json 实现通用深拷贝(慎用)

对任意可序列化的值,可通过编解码绕过共享问题,实现“逻辑深拷贝”。但这是模拟,不是语言原生能力,有明显代价。

import "encoding/gob"
import "bytes"

func deepCopy(v interface{}) interface{} {
    var buf bytes.Buffer
    enc := gob.NewEncoder(&buf)
    dec := gob.NewDecoder(&buf)
    enc.Encode(v)
    var dst interface{}
    dec.Decode(&dst)
    return dst
}
  • 要求所有字段可被 gob 编码(导出字段、支持类型);json 更严格(不支持 func、chan、循环引用)
  • 性能差:涉及内存分配、反射、编码/解码开销,比手动拷贝慢 10–100 倍
  • 丢失类型信息:gob 解码到 interface{} 会变成 map[string]interface{} 等基础表示,需类型断言还原
  • 真正需要深拷贝的场景极少;多数时候应重构为不可变设计,或明确所有权边界

最容易被忽略的一点:Go 中“深拷贝”的需求,往往暴露了设计问题——比如本该用值语义的地方用了指针,或本该由调用方控制生命周期的地方交给了共享结构。先问自己:为什么需要拷贝?能不能让每个 goroutine 持有自己专属的实例?

理论要掌握,实操不能落!以上关于《Golang值类型拷贝:浅拷贝与深拷贝区别》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

GolanggRPC性能优化技巧分享GolanggRPC性能优化技巧分享
上一篇
GolanggRPC性能优化技巧分享
JavaScript日期格式化方法详解
下一篇
JavaScript日期格式化方法详解
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。
    483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。
    540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。
    563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。
    514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。
    332次使用