当前位置:首页 > 文章列表 > Golang > Go教程 > Go atomic.Int64 怎样安全更新并发计数器

Go atomic.Int64 怎样安全更新并发计数器

来源:17golang原创 2026-10-14 03:45:26 0浏览 收藏

如果多个 goroutine 同时维护请求总数、在途任务数或库存尝试次数,直接写 count++ 不是并发安全的:读取、加一、写回是多个动作,交错后会丢更新。一个只需要维护单个整数状态的场景,可以使用 sync/atomic 提供的 atomic.Int64。它的常用边界很清楚:Add 负责原子增减,Load 读取快照,Store 替换整个值,条件更新则使用 CompareAndSwap。

官方地址:https://pkg.go.dev/sync/atomic

先把普通自增的竞态拆开

假设服务要统计当前正在处理的请求数。普通整数的自增大致包含“读出旧值、计算新值、写回”三个阶段,两个 goroutine 可能同时读到 10,最后都写回 11,实际应有的两次增量就少了一次。

atomic.Int64 把这个单值更新动作交给原子操作完成。它可以使用零值直接声明,不需要先调用构造函数;但一个原子值第一次使用后就不应再复制,应该让多个 goroutine 共享同一个实例。

用 Add 和 Load 维护在途计数

package counter

import "sync/atomic"

// InFlight 记录当前正在处理的任务数量;零值即可使用。
type InFlight struct {
	value atomic.Int64
}

// Begin 增加一个任务,并返回增加后的计数。
func (c *InFlight) Begin() int64 {
	// Add 是原子增量,避免多个 goroutine 同时更新时丢失结果。
	return c.value.Add(1)
}

// End 在任务结束时配对减少计数。
func (c *InFlight) End() int64 {
	// 用负数回收一次任务;调用方应保证 Begin 与 End 成对。
	return c.value.Add(-1)
}

// Current 读取一个当下快照,不会锁住后续的更新。
func (c *InFlight) Current() int64 {
	return c.value.Load()
}

这里的关键不是把所有状态都换成原子类型,而是把状态缩小为一个整数。处理函数开始时调用 Begin,退出路径用 defer c.End() 配对;监控端调用 Current 得到的是某一时刻的快照,不应把它理解为一份长时间有效的承诺。

atomic.Int64 的 Add、Load 与任务生命周期关系说明图
图1:结构说明图,观察任务边界、atomic.Int64 和监控读取之间的静态关系。

有上限时不要把 Load 和 Add 分成两步

“当前值小于上限才加一”是一个复合条件。如果先 Load,再判断,最后 Add,多个 goroutine 仍可能同时通过判断,导致上限被突破。此时应该用 CompareAndSwap 循环,把“确认旧值”和“写入新值”绑定在一次条件更新中。

package limiter

import "sync/atomic"

// Counter 表示一个只允许增长到 limit 的并发计数器。
type Counter struct {
	value atomic.Int64
	limit int64
}

// TryAdd 尝试增加一个名额;返回 false 表示已经达到上限。
func (c *Counter) TryAdd() bool {
	for {
		old := c.value.Load()
		if old >= c.limit {
			// 先读快照做快速拒绝,避免无意义的 CAS。
			return false
		}
		// 只有旧值仍未变化时才提交这次占用。
		if c.value.CompareAndSwap(old, old+1) {
			return true
		}
		// 竞争者已经更新,重新读取并判断新的边界。
	}
}

CAS 失败不是异常,而是说明期间有其他 goroutine 改过计数。循环重新读取即可。若业务还要同时修改用户状态、记录明细并发送通知,就不应只靠一个原子整数拼出“事务”;那类多对象一致性更适合互斥锁、channel 或数据库事务。

CompareAndSwap 把计数上限判断与更新绑定的关系说明图
图2:结构说明图,观察候选值、限额边界、CAS 提交和竞争重读之间的静态关系。

四个容易忽略的边界

  • 不要复制:包含 atomic.Int64 的结构体应使用指针传递;第一次使用后复制会破坏并发语义。
  • 不要混用普通读写:对同一个字段,不能一边用 Add,另一边直接访问底层整数。
  • 不要误解 Load:它只返回瞬时快照,读取后再做多步业务判断时仍要考虑竞争。
  • 不要滥用原子操作:多个字段必须一起变化时,原子整数无法替代锁或更高层的协调机制。

总结与常见问题

单值并发计数优先从 atomic.Int64 的 Add、Load 开始;有严格上限时使用 CompareAndSwap 循环;涉及多个状态的整体一致性时回到互斥锁或 channel。这样既能避免普通自增丢更新,也能让同步边界保持可读。

为什么不用 Store 做自增?因为 Load 后再 Store 仍是分离的读改写,竞争时会丢更新;自增应使用 Add 或 CAS。

atomic.Int64 能保证一组字段同时更新吗?不能。它只覆盖自身这个整数的位置,跨字段约束需要锁、channel 或外部事务来协调。

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 channel 怎样设计生产者关闭边界Go channel 怎样设计生产者关闭边界
上一篇
Go channel 怎样设计生产者关闭边界
Go testing.T.Run 怎样组织层级子测试
下一篇
Go testing.T.Run 怎样组织层级子测试
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。
    465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。
    527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。
    545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。
    495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。
    314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