Golang并发编程进阶:深入理解WaitGroup
一分耕耘,一分收获!既然都打开这篇《Golang并发编程进阶:深入理解WaitGroup》,就坚持看下去,学下去吧!本文主要会给大家讲到等等知识点,如果大家对本文有好的建议或者看到有不足之处,非常欢迎大家积极提出!在后续文章我会继续更新Golang相关的内容,希望对大家都有所帮助!
Golang并发编程进阶:深入理解WaitGroup
引言:
并发编程是Golang最强大的功能之一。在并行执行多个任务时,一种常见的场景是等待所有任务完成后再继续执行下一步操作。Golang中的sync包提供了一个很好的工具WaitGroup来解决这个问题。本文将深入介绍WaitGroup的使用方法,并给出具体的代码示例。
一、什么是WaitGroup?
WaitGroup是Golang中sync包中的一个结构体,它提供了一种简单而有效的机制来等待所有的goroutine完成任务。WaitGroup内部维护了一个计数器,可以通过Add()方法增加计数器的值,Done()方法减少计数器的值,Wait()方法用于阻塞当前线程,直到计数器归零。
二、WaitGroup的基本用法
首先,我们需要导入sync包:
import "sync"
然后,我们可以按照以下步骤使用WaitGroup:
创建WaitGroup对象:
var wg sync.WaitGroup
使用Add()方法设置需要等待的任务数量:
wg.Add(2)
启动goroutine执行任务:
go task1() go task2()
在任务结束之前调用Done()方法减少计数器的值:
func task1() { defer wg.Done() // 执行task1的操作 } func task2() { defer wg.Done() // 执行task2的操作 }最后,在需要等待所有任务完成的地方调用Wait()方法:
wg.Wait()
这样,主线程将等待所有任务完成后再继续执行下一步操作。
三、WaitGroup的实际应用示例
下面我们通过一个具体的示例来说明WaitGroup的用法。
假设我们有一个需求,要并发下载多个网络图片并保存到本地。当所有图片下载完成后,我们需要进行后续处理。代码示例如下:
package main
import (
"fmt"
"io"
"net/http"
"os"
"sync"
)
var wg sync.WaitGroup
func main() {
// 假设有3个图片需要下载
imageUrls := []string{
"https://example.com/image1.jpg",
"https://example.com/image2.jpg",
"https://example.com/image3.jpg",
}
// 设置需要等待的任务数量
wg.Add(len(imageUrls))
// 并发下载图片
for _, imageUrl := range imageUrls {
go downloadImage(imageUrl)
}
// 等待所有任务完成
wg.Wait()
fmt.Println("所有图片下载完成,进行后续处理")
}
func downloadImage(imageUrl string) {
defer wg.Done()
// 发送HTTP GET请求获取图片数据
resp, err := http.Get(imageUrl)
if err != nil {
fmt.Printf("下载图片失败: %v
", err)
return
}
defer resp.Body.Close()
// 创建本地文件
fileName := imageUrl[strings.LastIndex(imageUrl, "/")+1:]
imgFile, err := os.Create(fileName)
if err != nil {
fmt.Printf("创建图片文件失败: %v
", err)
return
}
defer imgFile.Close()
// 将图片数据保存到本地文件
_, err = io.Copy(imgFile, resp.Body)
if err != nil {
fmt.Printf("保存图片失败: %v
", err)
return
}
fmt.Printf("图片下载成功: %v
", imageUrl)
}在上面的示例代码中,我们首先定义了一个包级变量wg用于管理等待任务完成的计数器。在主函数中,我们设置了等待任务数量为图片URL的数量,然后并发启动每个图片下载任务。每个任务完成后,调用wg.Done()方法来减少计数器的值。最后,调用wg.Wait()方法来等待所有任务完成。当所有图片下载完成后,继续执行后续处理。
总结:
本文详细介绍了Golang中WaitGroup的使用方法,并给出了一个具体的多任务并发下载图片的示例。通过深入理解WaitGroup的使用,可以更好地掌握Golang的并发编程能力,提高程序的性能和效率。在实际应用中,我们可以根据具体需求灵活运用WaitGroup来管理和等待多个goroutine的完成。
好了,本文到此结束,带大家了解了《Golang并发编程进阶:深入理解WaitGroup》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多Golang知识!
如何应对PHP常见问题合集开发中的大数据挑战
- 上一篇
- 如何应对PHP常见问题合集开发中的大数据挑战
- 下一篇
- 使用FastAPI框架构建国际化的Web应用
-
- Golang · Go教程 | 9小时前 |
- Go context.AfterFunc 怎样在取消时安排清理动作处理空输入并保留错误边界
- 127浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go crypto/sha256.New224 怎样理解 28 字节摘要和 Sum 追加语义
- 363浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go context.WithCancelCause 怎样把取消原因传给调用方在批处理代码中减少额外分配
- 178浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go weak.Make 怎样保存弱引用并避免对象被强引用留住
- 301浏览 收藏
-
- Golang · Go教程 | 1天前 | 标准库 · 并发控制 · Go教程 · Go context.WithCancelCause context.Cause 取消原因
- Go context.WithCancelCause 怎样把取消原因传给调用方完成一个可复用的最小示例
- 103浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go crypto/sha512.New384 为什么输出长度是 48 字节
- 396浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go crypto/subtle.ConstantTimeByteEq 怎样比较两个字节结果
- 165浏览 收藏
-
- Golang · Go教程 | 1天前 | 标准库 · IO · 文件读取 · Go教程 · Go 大文件读取 io.SectionReader 文件偏移 io.ReaderAt 分段读取
- Go io.SectionReader 怎样按偏移读取大文件而不复制全部内容
- 189浏览 收藏
-
- Golang · Go教程 | 1天前 | 并发 · 标准库 · 定时任务 · 性能优化 · Go教程 · 批处理 计时器 Go 内存分配 time.Ticker Ticker.Reset Ticker.Stop
- Go time.Ticker 怎样停止周期任务并释放计时器在批处理代码中减少额外分配
- 404浏览 收藏
-
- Golang · Go教程 | 1天前 |
- Go time.Ticker 怎样停止周期任务并释放计时器处理空输入并保留错误边界
- 276浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 944次使用
-
- 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。
- 948次使用
-
- 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。
- 1063次使用
-
- 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。
- 1038次使用
-
- 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。
- 870次使用
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览

