GolangWaitGroup并发等待使用详解
Go语言中的WaitGroup是sync包中用于主goroutine等待其他goroutine完成的核心同步原语,但极易因Add与Done调用不匹配(如Add放在go内部、漏掉defer Done、值传递WaitGroup等)导致程序提前退出、死锁或panic;它仅解决“是否全部完成”这一单一问题,不支持超时、条件等待或数据传递,正确用法的关键在于:Add必须在goroutine启动前调用且总数匹配、统一使用defer wg.Done()确保异常和多出口下计数准确、始终以指针方式传递WaitGroup——掌握这些细节,才能真正驾驭并发等待的精确性与可靠性。

WaitGroup 是 Go 标准库 sync 包里最常用、也最容易用错的并发同步工具之一。它不负责传递数据,只解决「主 goroutine 等待其他 goroutine 执行完毕」这个单一问题——但一旦 Add 和 Done 调用不匹配,就会 panic 或死锁。
WaitGroup 的 Add 必须在 goroutine 启动前调用
这是最常踩的坑:把 Add(1) 放在 go func() 内部,导致主 goroutine 调用 Wait() 时计数器仍是 0,直接返回,后续 goroutine 还没执行完程序就退出了。
正确做法是:
Add必须在go语句之前调用,确保计数器已更新- 如果启动 N 个 goroutine,就要提前
Add(N);不能靠循环里每个 goroutine 自己Add(1) - 计数器初始值为 0,
Add可传负数(但通常只用Done()来减)
示例:
var wg sync.WaitGroup for i := 0; iDone 和 Add(-1) 的行为完全等价,但别混用
Done()本质就是Add(-1),二者可互换。但混用会降低可读性,且容易漏掉Done——尤其在有多个 return 分支的函数中。建议统一用
defer wg.Done(),确保无论从哪个出口退出,计数都能减少。
- 如果函数里有多个 error return,不用每个都写
wg.Done() - 避免在循环体中直接调用
Done()而忘记 defer,容易因 panic 跳过 - 不要在同一个 WaitGroup 上重复调用
Done()超过Add总数,否则 panic: "sync: negative WaitGroup counter"
WaitGroup 不能被复制,必须传指针
sync.WaitGroup 是包含 mutex 和原子计数器的结构体,按值传递会复制一份独立状态,导致主 goroutine 等的不是同一组 goroutine。
典型错误写法:
func spawn(wg sync.WaitGroup) { // ❌ 值传递,wg 是副本
wg.Add(1)
go func() { wg.Done() }()
}
// 调用后 wg.Wait() 永远阻塞
正确方式只有两种:
- 定义为包级变量(不推荐,破坏封装)
- 函数参数用
*sync.WaitGroup(✅ 推荐)
例如:func worker(wg *sync.WaitGroup, job string),调用时传 &wg。
WaitGroup 不适合做“条件等待”或“带超时的等待”
WaitGroup.Wait() 是纯阻塞调用,没有上下文支持,也没有超时机制。如果你需要:
- 等待最多 5 秒 → 得配合
time.AfterFunc或select+time.After - 等待某个条件成立(如 channel 关闭、变量变化)→ 应该用
sync.Cond或 channel - 取消正在等待的 Wait → WaitGroup 本身不支持,得结合
context.Context自行控制 goroutine 生命周期
换句话说:WaitGroup 只回答一个问题——“那些我 Add 过的 goroutine,都 Done 了吗?” 它不管它们干了什么、结果如何、有没有卡住。
真正难的不是调用 Wait(),而是确保每次 Add 都有对应且仅一次的 Done,尤其是在错误路径、recover、或者提前 return 的场景下。漏一个,程序就 hang;多一个,直接 panic。
到这里,我们也就讲完了《GolangWaitGroup并发等待使用详解》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!
CPU占用高优化,PHP高并发调优攻略
- 上一篇
- CPU占用高优化,PHP高并发调优攻略
- 下一篇
- Win11查看CPU温度的正确方法
-
- Golang · Go教程 | 3小时前 | 命令行 · go · 工程实践 · go generate Go代码生成 go generate -run 生成指令筛选
- go generate -run 怎样只执行指定生成指令
- 453浏览 收藏
-
- Golang · Go教程 | 3小时前 | go · go test -json TestEvent Go测试事件 BuildEvent FailedBuild
- go test -json 输出怎样区分测试事件和构建事件
- 173浏览 收藏
-
- Golang · Go教程 | 3小时前 | 基准测试 · testing · 性能 · Go教程 · GOMAXPROCS RunParallel Go testing.B.SetParallelism 并行基准 IO吞吐
- Go testing.B.SetParallelism 提高 IO 型并行基准吞吐的配置方法
- 404浏览 收藏
-
- Golang · Go教程 | 3小时前 |
- Go testing.T.Cleanup 多次注册时为什么按逆序执行
- 309浏览 收藏
-
- Golang · Go教程 | 3小时前 |
- Go flag.FlagSet 怎样让参数错误返回给调用方
- 273浏览 收藏
-
- Golang · Go教程 | 3小时前 | flag · go ·
- Go flag.BoolFunc 怎样处理重复出现的布尔开关
- 246浏览 收藏
-
- Golang · Go教程 | 3小时前 | 反射 · Go教程 · database/sql · Go database/sql Rows.Scan ColumnType ScanType 动态查询导出
- Go database/sql ColumnType.ScanType 怎样支持动态查询导出
- 381浏览 收藏
-
- Golang · Go教程 | 3小时前 | flag · go · Go flag.TextVar encoding.TextUnmarshaler
- Go flag.TextVar 怎样复用类型的文本解析逻辑
- 479浏览 收藏
-
- Golang · Go教程 | 3小时前 | go · []byte · database/sql ·
- Go database/sql Scan 得到的 []byte 为什么不能直接长期保存
- 343浏览 收藏
-
- Golang · Go教程 | 3小时前 | 数据库 · Go教程 · database/sql · Go database/sql rows NextResultSet SQL结果集
- Go database/sql 怎样依次读取多个 SQL 结果集
- 456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。
- 448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。
- 519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。
- 535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。
- 480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。
- 304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

