当前位置:首页 > 文章列表 > Golang > Go教程 > Go atomic.Uint64 怎么实现无锁计数并读取一致快照

Go atomic.Uint64 怎么实现无锁计数并读取一致快照

来源:17golang原创 2026-09-07 11:32:48 0浏览 收藏

接口请求数、已处理任务数、缓存命中数这类指标,通常只需要一个不断递增的整数。多个 goroutine 同时执行 count++ 时,读改写不是一个原子动作,结果可能丢失;直接给同一个 uint64 读写也不能替代同步。更合适的做法是把计数器声明为 atomic.Uint64,写入用 Add,读取用 Load。

要点速览
  • atomic.Uint64 的零值就是可用的零计数,首次使用后不能复制。
  • Add(1) 返回加法完成后的值,Load() 返回某个原子时刻的计数。
  • 它能保证一个计数值的原子性;多个字段要组成一致快照,仍需额外的锁、版本号或单对象发布策略。

Go atomic.Uint64 的接口目标是把共享计数变成原子值

atomic.Uint64 是 sync/atomic 提供的类型化原子整数,零值为 0。它的接口目标很窄:让一个共享的无符号 64 位整数能够被多个 goroutine 原子更新和读取,而不是替你保护旁边的业务字段。

调用方最常用的三个方法是:Add(delta) 原子加法并返回新值,Load() 原子读取当前值,Store(value) 原子替换当前值。需要条件更新时再考虑 CompareAndSwap(old, new)。实例在第一次使用后不要复制,也不要把它放进会被整体复制的值类型流程里;如果需要共享,传递指针或让它属于长期存活的结构体。

需求方法返回值
累计一次事件Add(1)加法后的总数
展示当前计数Load()某次原子读取的值
重置或替换基线Store(0)无返回值
按旧值条件修改CompareAndSwap是否成功

Add 与 Load 怎样配合完成无锁计数

下面的计数器把“事件发生”与“读取展示”分开:工作 goroutine 只调用 Add,统计接口只调用 Load。这里的无锁,指这个计数路径不需要由调用方显式持有互斥锁;它不表示没有硬件原子指令或内存同步成本。

package counter

import "sync/atomic"

type Requests struct {
	// 首次使用后不要复制这个原子字段所在的结构体。
	total atomic.Uint64
}

func (r *Requests) Record() uint64 {
	// Add 返回递增完成后的值,适合记录或触发阈值判断。
	return r.total.Add(1)
}

func (r *Requests) Snapshot() uint64 {
	// Load 只读取这个计数器,不会阻塞其他 goroutine 的 Add。
	return r.total.Load()
}

如果只想“记一笔”,可以忽略 Add 的返回值;如果要在达到阈值时做一次动作,返回值也不能自动保证动作只执行一次,仍要用 CAS 或其他协调手段保护触发权。相比手写 Load、加一、Store,Add 把读改写合并成一个原子操作,避免两个 goroutine 读到同一个旧值后互相覆盖。

Go atomic.Uint64 计数结构图,展示 worker、Add、atomic.Uint64、Load、Snapshot 和 uint64 之间的静态关系
图1:查看并发写入边界与读取边界,理解 worker 通过 Add 更新 atomic.Uint64、Snapshot 通过 Load 取得 uint64。

一致快照能保证什么,不能保证什么

对单个 atomic.Uint64 而言,Load 不会返回半个旧值和半个新值;它返回某个原子读取看到的完整整数。Go 内存模型也规定,原子操作之间具有同步语义,并按顺序一致的方式观察原子操作。

但“读取一致快照”必须先定义对象。若快照只有 total 一个字段,Load 就足够。若快照同时包含 success、failed 和 lastError,分别调用三个 Load 只能得到三个独立时刻的值:期间另一个 goroutine 可能已经更新了其中一个字段。此时应把完整快照封装成不可变对象,再用 atomic.Pointer 发布,或让读写都经过同一把 mutex;不要用多个原子字段拼出未经定义的事务状态。

还有一个边界:原子计数只同步它自己。它不会让一个普通 map、切片或结构体字段自动变得并发安全。若计数更新必须与业务状态同时成功,优先把两者放入同一个临界区,而不是靠“先 Add、再改字段”猜测顺序。

Go 原子计数快照边界图,展示 Load 对总数的保证以及 success、failed、lastError 组合状态需要额外发布边界
图2:单值 total 可以由 Load 独立读取;success、failed、lastError 组成的组合快照需要额外的一致发布边界。

常见问题:什么时候仍然需要互斥锁

atomic.Uint64 能替代所有计数场景的 mutex 吗?

不能。单个独立计数器适合 atomic;更新计数同时还要维护 map、切片或多个相互约束的字段时,mutex 更容易表达整体不变量。

为什么 Add 后马上 Load 仍可能不是我想要的快照?

当前 goroutine 能观察到自己的原子更新,但其他 goroutine 仍可能在两次操作之间继续 Add。若需要“读取并清零”这样的组合动作,应使用 Swap(0),而不是拆成 Load 加 Store。

atomic.Uint64 可以直接复制吗?

不可以。文档明确要求原子类型第一次使用后不能复制;把它放进会被复制的结构体、按值传参或值接收者方法中,都可能破坏这个约束。

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
Git rebase 中途冲突太多时怎么安全暂停并恢复Git rebase 中途冲突太多时怎么安全暂停并恢复
上一篇
Git rebase 中途冲突太多时怎么安全暂停并恢复
Java Jackson 多态反序列化如何限制允许的子类型
下一篇
Java Jackson 多态反序列化如何限制允许的子类型
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。
    598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。
    640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。
    672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。
    637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。
    458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