Golang状态保存技巧:备忘录模式应用
2026-03-20 11:44:22
0浏览
收藏
在 Go 语言中实现备忘录模式需摒弃面向对象的惯性思维,转而依托值拷贝、显式深拷贝与只读接口构建真正安全的状态快照——它不是简单的序列化或字段复制,而是通过结构体值传递实现不可变性、用完整状态替换保障恢复原子性,并严格规避指针共享与浅拷贝陷阱;只有当开发者主动遵循值语义、谨慎处理切片/映射/嵌套指针,并拒绝用 JSON 或 gob “取巧”时,才能在无类、无访问控制的 Go 中守住备忘录模式的本质:隔离、防篡改、可信赖的一致性回滚。

备忘录模式在 Go 中没有内置支持,需手动实现
Go 语言没有类、继承或访问修饰符,无法直接复刻传统面向对象语义下的 Memento 模式(比如私有字段封装 + 窄接口暴露)。所谓“备忘录对象”,本质是**对某时刻状态的不可变快照 + 安全恢复能力**。关键不在名字,而在能否隔离状态、防止外部篡改、避免深拷贝开销失控。
用结构体 + 接口 + 值传递模拟备忘录行为
最常用且符合 Go 风格的做法:定义一个只读接口描述备忘录,用结构体实现它,并让原对象(Originator)负责创建和恢复。所有字段必须导出(否则无法初始化),但通过接口隐藏写操作。
Originator的状态字段应为值类型(如int、string、struct{})或深度不可变引用类型(如*sync.Map),避免浅拷贝导致恢复时意外共享- 备忘录结构体不暴露任何 setter 方法,仅提供
State()或类似只读访问器(如果需要 inspect) - 恢复时,
Originator.Restore(memento Memento)应完全替换内部状态,而非逐字段赋值——防止遗漏或顺序依赖
type Memento interface {
// 空接口即可,或定义只读方法(如 State() map[string]interface{})
}
type originatorState struct {
data string
step int
}
type Originator struct {
state originatorState
}
func (o *Originator) Save() Memento {
// 值拷贝,安全
return &originatorState{data: o.state.data, step: o.state.step}
}
func (o *Originator) Restore(m Memento) {
if m == nil {
return
}
if s, ok := m.(*originatorState); ok {
o.state = *s // 完整替换,非部分更新
}
}
慎用指针或切片字段,否则需显式深拷贝
若 Originator 包含 []byte、map[string]int 或自定义结构体指针,Save() 中直接赋值会共享底层数据。恢复时修改备忘录会影响历史状态,彻底破坏模式语义。
- 对
[]T:用append([]T(nil), src...)或copy(dst, src) - 对
map[K]V:必须新建 map 并遍历复制键值对 - 对嵌套结构体含指针:递归深拷贝,或改用值语义设计(例如用
time.Time替*time.Time)
func (o *Originator) Save() Memento {
// 错误:共享 slice 底层数组
// return &originatorState{data: o.state.data, logs: o.state.logs}
// 正确:深拷贝 logs
logsCopy := make([]string, len(o.state.logs))
copy(logsCopy, o.state.logs)
return &originatorState{
data: o.state.data,
logs: logsCopy,
}
}
不要用 JSON 或 gob 序列化代替内存快照
有人倾向用 json.Marshal 存状态再 json.Unmarshal 恢复,这属于序列化/反序列化,不是备忘录模式。它带来额外 CPU 开销、丢失类型信息(如 time.Time 变成字符串)、无法处理未导出字段或循环引用,且无法保证恢复后对象行为一致(比如方法接收者绑定)。
- 仅当需要跨进程持久化或调试导出时才考虑序列化
- 内存中状态保存与恢复,永远优先走值拷贝或显式深拷贝
- 若状态极大(GB 级),备忘录模式本身就不适用——该换设计,比如用事件溯源(Event Sourcing)
今天关于《Golang状态保存技巧:备忘录模式应用》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
Python数据结构对性能的影响分析
- 上一篇
- Python数据结构对性能的影响分析
- 下一篇
- IntersectionObserver实现懒加载与无限滚动技巧
查看更多
最新文章
-
- Golang · Go教程 | 23小时前 | Go教程 · Go encoding/xml 空元素 指针字段
- Go encoding/xml 空元素与指针字段的处理方式
- 142浏览 收藏
-
- Golang · Go教程 | 1天前 | Go教程 · Go encoding/xml 字段映射 Unmarshaler
- Go encoding/xml 自定义 Unmarshaler 的字段映射
- 189浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go encoding/xml Token 流式读取大型 XML
- 424浏览 收藏
-
- Golang · Go教程 | 1天前 | go · encoding/json · JSON Go encoding/json omitempty
- Go encoding/json omitempty 对零值字段的输出边界
- 192浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go encoding/json Decoder Token 流式读取嵌套结构
- 364浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go encoding/json Decoder UseNumber 保留大整数精度
- 328浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go fmt.Scanner 自定义扫描规则的实现要点
- 182浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go fmt.Appendf 追加格式化结果的低分配写法
- 478浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go strings.IndexByte 定位协议分隔符的低分配写法
- 413浏览 收藏
-
- Golang · Go教程 | 1天前 | go · Strings · Go 字符串前缀 strings.CutPrefix
- Go strings.CutPrefix 处理可选前缀的分支设计
- 165浏览 收藏
查看更多
课程推荐
-
- 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
查看更多
AI推荐
-
- 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。
- 264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。
- 318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。
- 302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。
- 273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。
- 94次使用
查看更多
相关文章
-
- 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
