当前位置:首页 > 文章列表 > Golang > Go教程 > Go archive/tar 怎么边生成边通过 io.Pipe 上传

Go archive/tar 怎么边生成边通过 io.Pipe 上传

来源:17golang原创 2026-09-26 18:36:57 0浏览 收藏

可以直接把 tar.Writer 写入 io.PipeWriter,再把配对的 io.PipeReader 作为 HTTP 请求体。这样归档数据生成一段就上传一段,不需要先落盘,也不会把完整 tar 包留在内存。关键是:写 tar 必须放到独立 goroutine,并用 CloseWithError 把生成失败传给上传端。

  • io.Pipe 没有内部缓冲,上传速度会自然限制打包速度。
  • 先关闭 tar.Writer 写完尾部,再关闭 PipeWriter。
  • 服务端若强制要求 Content-Length,纯流式方案通常不适用。

为什么不能在同一个 goroutine 里写

io.Pipe 的写操作会等待读取端消费数据。若先在当前 goroutine 中把 tar 全部写完,再发起 HTTP 请求,第一批写入就可能阻塞,因为请求体还没人读取。正确结构是让归档生产者与 HTTP 客户端并行工作,但两者只处理同一篇上传任务。

tar Writer、PipeWriter、PipeReader 与 HTTP 请求体的静态模块关系图
图1:tar.Writer 持有 PipeWriter 作为输出,HTTP Request.Body 持有 PipeReader 作为输入;Pipe 两端共享背压与关闭状态。此图为静态模块结构图。

最小可用的流式上传写法

type Entry struct {
    Name string
    Data []byte
}

func writeTar(pw *io.PipeWriter, entries []Entry) (err error) {
    defer func() { _ = pw.CloseWithError(err) }() // 把最终结果传给请求体读取端

    tw := tar.NewWriter(pw)
    for _, entry := range entries {
        hdr := &tar.Header{
            Name: entry.Name,
            Mode: 0o644,
            Size: int64(len(entry.Data)),
        }
        if err = tw.WriteHeader(hdr); err != nil {
            return err // 头部失败时停止生成
        }
        if _, err = tw.Write(entry.Data); err != nil {
            return err // 请求取消时通常会从这里收到管道错误
        }
    }
    return tw.Close() // 写入 tar 尾部后,defer 再关闭 PipeWriter
}

func uploadTar(ctx context.Context, url string, entries []Entry) error {
    pr, pw := io.Pipe()
    errCh := make(chan error, 1)
    go func() {
        errCh = 300 {
        return fmt.Errorf("上传失败: %s", resp.Status)
    }
    return nil
}

把 Entry.Data 换成文件时,应在每个条目写完后及时关闭文件,并保证写入字节数与 Header.Size 一致,否则 tar.Writer.Close 会报告当前文件未完整写入。

错误和关闭状态怎么对应

生产者失败时,PipeWriter.CloseWithError(err) 会让读取请求体的一侧看到相同错误。反过来,HTTP 请求创建失败、上下文取消或传输失败时,关闭 PipeReader 能解除生产者的阻塞写入。只调用普通 Close 会把生产失败变成 EOF,容易让调用方误判为正常结束。

tar 生成错误、Pipe 两端关闭和 HTTP 上下文之间的静态关系图
图2:生成错误由 PipeWriter 传向请求体,网络失败或上下文取消由 PipeReader 反馈给写入端;tar.Writer 的关闭状态决定归档尾部是否完整。此图为静态错误关系图。

使用前先确认三个边界

边界影响处理建议
Content-Length总长度未知,HTTP/1.1 常使用 chunked端点不接受时改用临时文件或预先计算
重试PipeReader 不能自动重放重新创建管道并重新生成 tar
压缩gzip 会改变数据量和错误层级把 gzip.Writer 放在 tar 与 PipeWriter 之间并依次关闭

常见问题

io.Pipe 会不会一直占用大量内存?

不会缓存完整归档。它直接匹配读写,慢速上传会让写入阻塞形成背压;内存主要来自单次写入缓冲和业务自己的文件读取缓冲。

为什么上传失败后 goroutine 不退出?

通常是读取端没有关闭,生产者仍阻塞在 PipeWriter.Write。所有提前返回路径都应关闭 PipeReader,并让生产者收到错误。

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
photocolors安卓版入口怎么核对?Google Play开发者、功能与数据安全说明photocolors安卓版入口怎么核对?Google Play开发者、功能与数据安全说明
上一篇
photocolors安卓版入口怎么核对?Google Play开发者、功能与数据安全说明
PHP Fiber 在析构函数中切换要注意什么
下一篇
PHP Fiber 在析构函数中切换要注意什么
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。
    227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。
    274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。
    235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。
    219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。
    12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