当前位置:首页 > 文章列表 > Golang > Go教程 > sync.WaitGroup 死锁常见原因解析

sync.WaitGroup 死锁常见原因解析

2026-05-16 10:21:57 0浏览 收藏
本文深入剖析了 Go 语言中 sync.WaitGroup 导致死锁的四大高频陷阱:值传递使 Done() 完全失效、defer wg.Done() 位置不当导致提前退出时未执行、向无缓冲 channel 发送数据前未启动接收 goroutine,以及 Add() 与 Done() 调用次数不匹配;这些错误往往隐蔽且易叠加,仅靠逻辑推演难以发现,必须依赖 go vet 静态检查、-race 竞态检测,并严格遵循指针传递、首行 defer、先启 receiver、循环内即时 Add 等实践准则——掌握这些,才能真正避开并发协作中最令人抓狂的“永远等待”。

WaitGroup 值传递导致 Done() 无效

这是最隐蔽也最常踩的坑:把 sync.WaitGroup 当作普通结构体按值传入 goroutine,比如 go downloadFile(url, wg)。Go 会复制整个结构体,而 sync.WaitGroup 内部包含 sync.Mutex 和计数器字段,副本间的互斥锁和计数器完全独立。子 goroutine 调用 wg.Done() 只是减少副本计数,main 中的原始 wg.Wait() 永远等不到计数归零。

  • 运行 go vet 会直接报错:passes sync.WaitGroup by value
  • 必须改为指针传递:go downloadFile(url, &wg),且函数签名要声明为 func downloadFile(url string, wg *sync.WaitGroup)
  • IDE(如 GoLand、VS Code + gopls)通常会在参数位置标黄并提示 “contains sync.Locker”

defer wg.Done() 放错位置,提前 return 导致未执行

defer wg.Done() 如果写在函数中间或末尾,一旦前面有 return err 或 panic,它根本不会触发。尤其在文件下载、HTTP 请求这类易出错场景中,http.Get 失败、os.Create 权限不足、io.Copy 中断都会让函数提前退出,Done() 就永远卡住。

  • 正确做法:把 defer wg.Done() 放在函数**第一行**,确保无论从哪条路径退出都执行
  • 不要依赖“逻辑上一定会走到最后”,并发代码的错误路径比想象中更常见
  • 配合 if err != nil 的早期返回,能显著降低遗漏 Done() 的风险

向无缓冲 channel 发送数据,但没人接收

当 WaitGroup 和 channel 混用时,典型死锁链是:goroutine 向 out 发送结果 → 因 out 是无缓冲通道且无人接收而阻塞 → defer wg.Done() 不执行 → wg.Wait() 永不返回。主 goroutine 还没开始读 out,所有 worker 就已卡死在发送端。

  • 修复核心:确保发送端永远有接收者 —— 必须启动一个**独立 goroutine** 专门消费 out
  • 不能把接收逻辑放在 wg.Wait() 之后,那已经太晚;必须在启动 worker 前就启动 receiver
  • 如果要用带缓冲通道缓解,缓冲大小必须 ≥ 并发数,否则仍有概率阻塞(不推荐,掩盖问题而非解决)

Add() 和 Done() 数量不匹配

常见于循环外一次性 wg.Add(len(urls)),但实际只启动了 1 个处理 goroutine;或在 for 循环里漏掉 wg.Add(1);又或者多个 goroutine 共享同一个 Done() 调用(比如用闭包捕获循环变量导致多次调用同一 Done())。WaitGroup 计数器不是“任务完成数”,而是“尚未完成的 goroutine 数”。

  • 原则:每个 goroutine 生命周期必须严格对应一次 wg.Add(1) + 一次 wg.Done()
  • 避免在循环外统一 Add,改在每次 go func() 前立刻 wg.Add(1)
  • 闭包捕获循环变量(如 for _, u := range urls { go func() { ... }() })会导致所有 goroutine 共享同一个 u,进而可能重复调用或跳过 Done() —— 正确写法是 go func(u string) { ... }(u)

真正难调试的不是单个错误,而是多个陷阱叠加:比如值传递 + defer 位置错误 + 无缓冲 channel —— 这时 go run -race 和 go vet 是唯二靠谱的防线,别靠肉眼猜。

今天关于《sync.WaitGroup 死锁常见原因解析》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

JS判断页面加载完成的方法有多种,以下是常用的几种方式:1. 使用 DOMContentLoaded 事件这是最常用的方式之一,它会在HTML文档完全加载和解析完成后触发,而无需等待图片、样式表等其他资源加载完成。document.addEventListener(JS判断页面加载完成的方法有多种,以下是常用的几种方式:1. 使用 DOMContentLoaded 事件这是最常用的方式之一,它会在HTML文档完全加载和解析完成后触发,而无需等待图片、样式表等其他资源加载完成。document.addEventListener("DOMContentLoaded", function () { console.log("页面已加载完成"); });2.
上一篇
JS判断页面加载完成的方法有多种,以下是常用的几种方式:1. 使用 DOMContentLoaded 事件这是最常用的方式之一,它会在HTML文档完全加载和解析完成后触发,而无需等待图片、样式表等其他资源加载完成。document.addEventListener("DOMContentLoaded", function () { console.log("页面已加载完成"); });2.
PHP如何打印系统架构信息
下一篇
PHP如何打印系统架构信息
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。
    309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。
    367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。
    362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。
    329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。
    153次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码