Golang信号量控制爬虫并发技巧

本文深入剖析了在Go语言中正确实现爬虫并发速率控制的关键——必须使用具备计数能力与上下文感知的信号量（如golang.org/x/sync/semaphore），而非误用仅支持单并发互斥的sync.Mutex；文章直击常见误区，如将Mutex当限流工具导致卡死或失控、忽略Acquire错误引发假限流、Release参数不匹配造成许可池崩溃，以及用chan struct{}自建信号量时缺乏原子性与取消感知等高危陷阱，并给出简洁可靠的最佳实践示例，助你安全、精准地掌控并发水位，避免爬虫“暴走”压垮目标站点。

为什么 sync.Mutex 不能当信号量用

因为 sync.Mutex 是互斥锁，只允许一个 goroutine 进入；而信号量需要支持 N 个并发许可。直接拿 Mutex 做限流，要么卡死（比如想限 5 并发却只放行 1 个），要么根本不起作用（靠业务层自己数计数器，容易竞态）。

常见错误现象：panic: sync: negative WaitGroup counter 或爬虫突然全速冲垮目标站——本质是把“许可获取/释放”逻辑写散了，没原子性保障。

• 真正要用的不是锁，是带计数的、可阻塞的许可池
• semaphore 的核心语义是：申请成功就扣减，释放就归还，超限时自动排队
• Golang 标准库没内置信号量，得靠 sync.WaitGroup + chan struct{} 或第三方如 golang.org/x/sync/semaphore

用 golang.org/x/sync/semaphore 控制并发请先看这三点

这个包是官方维护的，稳定且轻量，但默认行为和直觉有偏差，不注意会漏控或假限流。

• semaphore.NewWeighted(5) 中的 5 是最大并发数，不是初始可用数；它本身不记录“已用”，只管当前有没有空位
• 必须显式调用 Acquire(ctx, 1) 才能拿许可，失败时返回 error（比如 ctx 超时），**不检查 error 就等于没限流**
• 释放必须配对调用 Release(1)，且参数要和 Acquire 的 weight 一致；Release(2) 会导致后续 Acquire 多放出两个许可，彻底失控

示例片段：

sem := semaphore.NewWeighted(3)
for _, url := range urls {
    if err := sem.Acquire(ctx, 1); err != nil {
        log.Printf("acquire failed: %v", err)
        continue
    }
    go func(u string) {
        defer sem.Release(1) // 必须在这儿还，不能在外部统一收口
        fetch(u)
    }(url)
}

不用第三方包时，用 chan struct{} 自建信号量的坑

很多人用 make(chan struct{}, 3) 模拟信号量，简单但危险：channel 容量固定，len(ch) 不可靠（非原子），且无法感知上下文取消。

• 发送前不加 select { case ch ，可能永久阻塞 goroutine
• 接收端用 <-ch 释放，但如果某次 panic 没走到这步，许可就永远泄露
• 没有超时机制，一个卡住的请求会让整个池子停摆
• 如果爬虫任务本身耗时差异大，这种静态 channel 容易造成“许可闲置”（比如 2 个慢任务占着 3 个 slot，剩下 10 个快任务干等）

ctx.WithTimeout 和信号量组合时最容易忘的一件事

给 Acquire 传的 ctx，不能复用主流程的 long-lived ctx。否则一旦主 ctx cancel，所有等待中的 acquire 都会立刻失败，导致大量请求被丢弃，而不是平滑降级。

• 每个爬取任务应派生自己的短 timeout ctx：childCtx, _ := context.WithTimeout(ctx, 10*time.Second)
• 不要把信号量池放在 handler 里反复创建——它要复用，生命周期应覆盖整个爬取批次
• 如果目标站响应慢，优先调小单次 timeout，而不是调大信号量值；后者只是掩盖问题，反而加剧雪崩

真正难的不是写对那几行 acquire/release，而是把“许可生命周期”和“业务任务生命周期”严丝合缝地对齐。少一个 defer，错一个 ctx，漏一次 Release，速率控制就形同虚设。

本篇关于《Golang信号量控制爬虫并发技巧》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于Golang的相关知识，请关注golang学习网公众号！