当前位置:首页 > 文章列表 > Golang > Go教程 > Go net/http 如何实现可取消的 SSE 心跳:断线检测与资源回收

Go net/http 如何实现可取消的 SSE 心跳:断线检测与资源回收

来源:17golang原创 2026-08-26 23:18:10 0浏览 收藏

做 SSE(Server-Sent Events)时,最容易漏掉的不是把事件写到响应体,而是浏览器断开后服务端还在继续做无用工作。一个可靠的 Go 心跳端点应当同时满足三件事:拿到 http.Flusher 及时把事件推出去,用 r.Context().Done() 感知连接结束,并在退出分支关闭 ticker 和后台资源。

心跳只是连接保活信号,不是断线检测本身;真正的停止条件应来自请求上下文取消,写入失败则作为额外的退出信号处理。

要点速览
  • 每条 SSE 事件以空行结束,调用 Flusher 后客户端才更快收到心跳。
  • 请求上下文是服务端回收连接级工作的主通道,不要依赖固定次数循环。
  • 写响应失败后立即停止当前连接,ticker 和后台 goroutine 都要有明确收尾路径。
  • 用 curl -N 观察事件间隔,再用客户端中断验证取消链是否生效。

先把 SSE 心跳服务跑起来

这里做一个最小服务:访问 /events 后,每 15 秒发送一次注释心跳。SSE 允许用以冒号开头的注释保持连接活跃,浏览器不会把它当成业务消息,但代理和客户端仍能看到数据流在前进。

package main

import (
    "fmt"
    "log"
    "net/http"
    "time"
)

func events(w http.ResponseWriter, r *http.Request) {
    flusher, ok := w.(http.Flusher)
    if !ok {
        http.Error(w, "streaming unsupported", http.StatusInternalServerError)
        return
    }

    w.Header().Set("Content-Type", "text/event-stream")
    w.Header().Set("Cache-Control", "no-cache")
    w.Header().Set("Connection", "keep-alive")

    ticker := time.NewTicker(15 * time.Second)
    defer ticker.Stop()

    fmt.Fprint(w, ": connected\n\n")
    flusher.Flush()

    for {
        select {
        case 
Go net/http SSE 心跳写出后经过 http.Flusher 刷新到客户端的事件流证据图

这段代码的关键不在 ticker,而在两个退出分支。fmt.Fprint 报错说明响应写入已经失去意义;上下文取消则覆盖了客户端主动关闭、服务器结束请求等连接生命周期变化。defer ticker.Stop() 让函数从任意分支返回时都能释放计时器。

把连接生命周期和后台工作绑在一起

真实业务通常不是每 15 秒写一行注释这么简单,心跳旁边还会有订阅、聚合或缓存刷新。此时不要再起一个永不结束的 goroutine。让后台工作只接收一个上下文,并把它的退出结果汇总回当前请求。

func watchTopic(ctx context.Context, out chan
Go SSE 客户端断线后 Request.Context 取消并停止后台 ticker 的资源回收证据图

这里有一个容易忽视的细节:发送到 updates 也必须可取消。否则请求已经返回,后台 goroutine 仍可能卡在无缓冲 channel 的发送处。把发送动作放进带 ctx.Done() 的 select,取消信号就能穿透到最深的等待点。

用 curl 验证刷新和断线

先启动服务,再用下面的命令保持终端连接。-N 会关闭 curl 的输出缓冲,看到 : heartbeat 按间隔出现,才说明服务端确实在持续刷新。

go run .
curl -N http://127.0.0.1:8080/events

运行十几秒后按 Ctrl+C 关闭 curl,回到服务端日志检查是否出现 sse client left。如果没有日志,先确认请求是否经过反向代理;如果有日志但后台仍持续输出,说明后台工作没有使用同一个请求上下文。

几个边界别混在一起

现象应检查的点处理判断
客户端迟迟收不到心跳事件是否以两个换行结束,是否调用 Flush先看响应格式和缓冲,再看代理超时
断开后 CPU 仍上升后台循环是否监听 Context给每个等待点增加取消分支
服务端写入出现错误当前响应是否仍可写记录一次并退出当前连接,不做盲目重写

另外,SSE 的心跳间隔要小于链路中最短的空闲超时,但不要把 15 秒当成通用答案。生产环境应根据网关、负载均衡和客户端网络策略压测;心跳越密,连接数多时产生的写放大也越明显。

常见问题

SSE 一定要设置 Connection: keep-alive 吗?

它能表达连接意图,但真正决定流式体验的是正确的事件格式、及时刷新以及链路上的缓冲策略,不能只依赖这个响应头。

为什么只检查 Fprint 错误还不够?

业务工作可能在另一个 goroutine 中等待 channel 或定时器。写入错误只说明当前输出失败,后台任务仍需要通过请求上下文主动结束。

浏览器关闭页面后多久能收到取消?

通常由服务器发现连接不可用的时机决定,不能把某个固定秒数写死。用真实代理链路和客户端中断做验证更可靠。

心跳可以改成 data: ping 吗?

可以,但它会作为普通 message 事件进入客户端处理逻辑。只为保活时,注释心跳更省业务层判断。

收尾检查

一个可维护的 SSE 端点,验收重点是“连接结束后工作是否也结束”。先确认每条事件的空行和刷新,再确认所有 ticker、channel 和后台循环都能沿着 r.Context() 退出;最后用客户端中断复查日志和资源变化,这比只看到页面上有心跳更有价值。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
浏览器 Cookie Store API 怎么监听登录态变化:change 事件、页面刷新与降级处理浏览器 Cookie Store API 怎么监听登录态变化:change 事件、页面刷新与降级处理
上一篇
浏览器 Cookie Store API 怎么监听登录态变化:change 事件、页面刷新与降级处理
失业保险金怎么网上申领:全国人社政务服务平台入口、条件与进度查询
下一篇
失业保险金怎么网上申领:全国人社政务服务平台入口、条件与进度查询
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。
    411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。
    492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。
    499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。
    448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。
    276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