Golang实现fan-infan-out模式详解
本文深入解析了Go语言中高效利用并发能力的fan-in fan-out设计模式:通过将任务分发给多个goroutine并行执行(fan-out),再统一收集、合并各goroutine的输出结果到单一通道(fan-in),显著提升I/O密集型或可并行计算场景下的处理吞吐量与资源利用率;文中结合URL批量请求等典型用例,清晰阐述其核心原理、两阶段协作机制及基于通道(包括无缓冲通道)的实用实现方法,是掌握Go高并发编程不可错过的实践指南。

在Go语言中,fan-in fan-out 是一种常见的并发设计模式,用于提升程序的处理效率。它通过多个goroutine并行处理任务(fan-out),再将结果汇总到一个通道中(fan-in),特别适合I/O密集型或可并行计算的场景。
什么是fan-in fan-out?
该模式包含两个阶段:
- Fan-out:将输入数据分发给多个工作goroutine,并发执行任务。
- Fan-in:从多个输出通道收集结果,合并到一个通道中供后续处理。
这种结构能有效利用多核资源,提高吞吐量,同时保持代码简洁。
使用无缓冲通道实现基础fan-out
假设我们要处理一批URL请求,可以启动多个worker并发执行HTTP调用。
func fetch(url string, ch chan<- string) {
resp, _ := http.Get(url)
ch <- fmt.Sprintf("fetched %s: %d", url, resp.StatusCode)
}
func main() {
urls := []string{"http://example.com", "http://google.com", "http://github.com"}
resultCh := make(chan string, len(urls))
// Fan-out: 每个URL启动一个goroutine
for _, url := range urls {
go fetch(url, resultCh)
}
// 收集所有结果
for i := 0; i < len(urls); i++ {
fmt.Println(<-resultCh)
}}
这种方式简单直接,但无法动态控制worker数量,容易导致资源耗尽。
带worker池的可控fan-out
更实用的做法是固定worker数量,从任务通道读取输入。
func worker(tasks <-chan int, results chan<- int, id int) {
for num := range tasks {
time.Sleep(time.Millisecond * 100) // 模拟耗时操作
results <- num * num
fmt.Printf("worker %d processed %d\n", id, num)
}
}
func main() {
tasks := make(chan int, 10)
results := make(chan int, 10)
// 启动3个worker
for i := 0; i < 3; i++ {
go worker(tasks, results, i)
}
// 发送任务
for i := 1; i <= 5; i++ {
tasks <- i
}
close(tasks)
// 收集结果
for i := 0; i < 5; i++ {
fmt.Println("result:", <-results)
}}
通过限制worker数,避免系统过载,适用于高并发任务调度。
实现fan-in合并多个输出通道
当每个worker有自己的输出通道时,需要fan-in函数统一收集。
func fanIn(channels ...<-chan string) <-chan string {
out := make(chan string)
for _, ch := range channels {
go func(c <-chan string) {
for val := range c {
out <- val
}
}(ch)
}
// 所有goroutine启动后关闭out(注意:此处简化处理)
go func() {
for _, ch := range channels {
for range ch {}
}
close(out)
}()
return out}
更安全的方式是使用wg sync.WaitGroup等待所有worker完成后再关闭通道。
完整fan-in fan-out示例
结合以上思路,构建一个完整的流程:
func generate(nums ...int) <-chan int {
out := make(chan int)
go func() {
for _, n := range nums {
out <- n
}
close(out)
}()
return out
}
func square(in <-chan int) <-chan int {
out := make(chan int)
go func() {
for n := range in {
out <- n * n
}
close(out)
}()
return out
}
func main() {
// Fan-out: 分发任务
nums := generate(1, 2, 3, 4, 5)
// 多个worker并行处理
c1 := square(nums)
c2 := square(nums)
// Fan-in: 合并结果
merged := merge(c1, c2)
// 输出结果
for v := range merged {
fmt.Println(v)
}}
// merge函数合并多个通道
func merge(cs ...<-chan int) <-chan int {
var wg sync.WaitGroup
out := make(chan int)
output := func(c <-chan int) {
for n := range c {
out <- n
}
wg.Done()
}
wg.Add(len(cs))
for _, c := range cs {
go output(c)
}
go func() {
wg.Wait()
close(out)
}()
return out}
这个例子展示了典型的管道模式,数据流清晰,易于扩展和测试。
基本上就这些。fan-in fan-out的核心在于合理划分任务与结果收集,配合channel和goroutine实现高效并发。实际应用中可根据业务需求调整worker数量、缓冲大小和错误处理机制。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于Golang的相关知识,也可关注golang学习网公众号。
美图秀秀素材库缺失解决方法
- 上一篇
- 美图秀秀素材库缺失解决方法
- 下一篇
- ES6class与构造函数底层关系解析
-
- Golang · Go教程 | 19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 | 19小时前 | 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 | 20小时前 |
- Go encoding/xml Token 流式读取大型 XML
- 424浏览 收藏
-
- Golang · Go教程 | 20小时前 | 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 | 20小时前 |
- Go encoding/json Decoder Token 流式读取嵌套结构
- 364浏览 收藏
-
- Golang · Go教程 | 21小时前 |
- Go encoding/json Decoder UseNumber 保留大整数精度
- 328浏览 收藏
-
- Golang · Go教程 | 21小时前 |
- Go fmt.Scanner 自定义扫描规则的实现要点
- 182浏览 收藏
-
- Golang · Go教程 | 22小时前 |
- 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 | 22小时前 |
- 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 | 23小时前 | 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
-
- 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。
- 263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。
- 315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。
- 299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。
- 272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。
- 92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
