当前位置:首页 > 文章列表 > Golang > Go教程 > Go sync.Cond 的 Signal 和 Broadcast 怎么按等待者数量选择

Go sync.Cond 的 Signal 和 Broadcast 怎么按等待者数量选择

来源:17golang原创 2026-10-12 16:59:41 0浏览 收藏

在 Go 的生产者消费者代码里,sync.Cond.Signal 和 Broadcast 不是“一个更快、一个更安全”的替代关系。判断标准是共享条件改变后,需要几个等待者重新竞争:只新增一个可消费任务时用 Signal;队列关闭、配置整体变化或所有等待者都必须重新判断时用 Broadcast。两者都必须配合锁和条件循环使用。

要点速览
  • Signal 只唤醒一个等待 goroutine,适合一次只增加一个资源的场景。
  • Broadcast 唤醒全部等待者,适合关闭、批量状态变化和统一退出。
  • Wait 返回后条件可能已被其他 goroutine 改变,必须用 for 重新检查。

一个小型任务队列如何使用 Signal

先做一个只关心通知语义的任务队列。消费者没有任务时等待,生产者每放入一个任务只需要让一个消费者醒来;如果唤醒全部消费者,它们会一起抢锁,最后只有一个拿到任务,其余 goroutine 又回到等待状态。

package main

import (
    "fmt"
    "sync"
)

type Queue struct {
    mu     sync.Mutex
    cond   *sync.Cond
    jobs   []string
    closed bool
}

func NewQueue() *Queue {
    q := &Queue{}
    q.cond = sync.NewCond(&q.mu)
    return q
}

func (q *Queue) Add(job string) {
    q.mu.Lock()
    defer q.mu.Unlock() // 保证入队和通知期间共享状态不会被并发改写
    if q.closed {
        return
    }
    q.jobs = append(q.jobs, job)
    q.cond.Signal() // 一次只增加一个任务,唤醒一个消费者即可
}

func (q *Queue) Get() (string, bool) {
    q.mu.Lock()
    defer q.mu.Unlock() // 返回前释放队列锁,避免消费者长期占用
    for len(q.jobs) == 0 && !q.closed {
        q.cond.Wait() // Wait 会暂时释放 mu,返回后重新持有 mu
    }
    if len(q.jobs) == 0 {
        return "", false // 关闭且无任务,通知消费者退出
    }
    job := q.jobs[0]
    q.jobs = q.jobs[1:]
    return job, true
}

func (q *Queue) Close() {
    q.mu.Lock()
    defer q.mu.Unlock()
    q.closed = true
    q.cond.Broadcast() // 所有等待者都要看到 closed 并结束等待
}

func main() {
    q := NewQueue()
    go func() {
        for {
            job, ok := q.Get()
            if !ok {
                return
            }
            fmt.Println(job)
        }
    }()
    q.Add("compile")
    q.Close()
}

这里的关键不是 Signal 绝对只让一个 goroutine 执行,而是它只保证唤醒一个等待者;被唤醒者重新拿到锁后仍要检查队列。Close 则改变了所有消费者都关心的条件,所以使用 Broadcast。

Go sync.Cond 任务队列中生产者、共享队列、等待循环和消费者之间的静态关系说明图
图1:任务队列结构说明图,展示新增任务与单个等待者之间的关系;这是静态说明图,不是运行截图。

为什么 Wait 必须放在 for 循环里

Wait 返回只代表收到了一次 Signal 或 Broadcast,不代表当前 goroutine 一定能消费资源。多个消费者被 Broadcast 唤醒时,先拿到锁的消费者可能已经取走任务;另一个消费者恢复后仍然看到空队列。因此不能写成一次 if 判断后直接取值。

生产代码还要把“状态修改”和“通知”放在同一把锁保护下。先把任务放入队列再通知,消费者醒来后才可能读到新状态;关闭时先写入 closed,再广播,消费者才能在循环里判断是否退出。官方文档也明确建议在循环中等待,并指出 Broadcast 的调用成本会随等待者数量增长。

按等待者数量选择通知策略

共享条件变化推荐调用判断理由
增加一个任务、释放一个连接Signal通常只有一个等待者能取得新增资源
队列关闭、配置整体切换Broadcast全部等待者都要重新判断条件
多个资源一次性就绪按状态变化决定若每个等待者都可能继续,使用 Broadcast;否则逐次 Signal

不要用等待者数量去推导公平性。Signal 不改变调度优先级,其他正在竞争锁的 goroutine 可能先获得锁;如果业务需要严格顺序或任务分发,应该改用带明确语义的 channel 或队列设计。

Go sync.Cond 中单个资源变化使用 Signal、全局条件变化使用 Broadcast 的边界关系图
图2:通知策略边界说明图,比较单个资源与全局条件变化;这是原创结构图,不是运行证据。

常见问题

Signal 会不会唤醒多个等待者?

API 语义是唤醒一个等待者。被唤醒者重新竞争锁后,仍应通过条件循环确认自己是否能继续。

Broadcast 一定要在持锁时调用吗?

Go 文档允许调用者不持有关联锁,但实际代码通常在修改共享条件的同一临界区内广播,这样状态和通知更容易保持一致。

简单场景能不能不用 Cond?

可以。官方文档建议许多简单用例优先考虑 channel:关闭 channel 类似广播,向 channel 发送值更接近单次通知。

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
Go sync.Cond 首次使用后为什么不能复制Go sync.Cond 首次使用后为什么不能复制
上一篇
Go sync.Cond 首次使用后为什么不能复制
Go sync.Map.Range 中删除当前键会不会影响后续遍历
下一篇
Go sync.Map.Range 中删除当前键会不会影响后续遍历
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。
    436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。
    509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。
    526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。
    469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。
    296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