Go语言技术文章
-
- Go OnceValue 的 panic 结果为什么会被记住
- sync.OnceValue 不只缓存成功返回值:初始化函数一旦 panic,后续调用也会复现同一个 panic。本文结合标准库实现解释 once、valid、recover 与结果缓存的关系,并说明何时应该改用可重试方案。
- Golang · Go问答 | 11分钟前 | 435浏览 收藏
-
- Go sync.Mutex 嵌套调用的解锁边界与临界区拆分方案
- Go sync.Mutex 不支持同一 goroutine 的重入。本文从调用栈定位嵌套 Lock,明确解锁责任,并用带锁入口与无锁核心函数拆分临界区。
- Golang · Go问答 | 14分钟前 | Mutex · go并发 · Go 死锁 临界区 sync.Mutex 102浏览 收藏
-
- Go GOMAXPROCS 和 CPU 核数不一致时如何判断正常
- 解释 runtime.NumCPU 与 runtime.GOMAXPROCS(0) 的差异来源,结合显式配置、CPU 亲和性、Linux cgroup CPU 限额和 Go 1.25 容器感知默认值,帮助排查时判断何时正常、何时需要调整。
- Golang · Go问答 | 32分钟前 | 并发 · 容器 · go · 性能排查 · 运行时 · Go GOMAXPROCS 性能排查 runtime.NumCPU CPU限额 184浏览 收藏
-
- Go GC 后进程内存为什么没有马上归还系统
- Go GC 回收对象与向系统归还空闲页是不同工作,RSS 不会保证立刻下降。本文用原创采样程序区分 HeapAlloc、HeapIdle、HeapReleased 与系统内存口径,说明主动归还及软内存限制的边界。
- Golang · Go问答 | 33分钟前 | 296浏览 收藏
-
- Go runtime.NumGoroutine 统计值为什么会突然下降
- runtime.NumGoroutine 返回的是调用时刻仍存在的 goroutine 数量,不是累计创建数。本文说明读数下降的正常原因,并用连续采样与 goroutine profile 区分短时波动和持续堆积。
- Golang · Go问答 | 35分钟前 | 241浏览 收藏
-
- Go pprof HTTP 端点暴露后怎样限制访问范围
- Go pprof 暴露后,优先把业务 mux 与诊断 mux 分开,并让 pprof 监听回环或私网地址;需要远程采集时再叠加 TLS、认证、代理和 profile 级采集边界。
- Golang · Go问答 | 37分钟前 | 477浏览 收藏
-
- Go testing.Short 怎样在集成测试中跳过慢用例
- Go 集成测试可在昂贵初始化前判断 testing.Short,并通过 t.Skip 标记跳过。本文给出最小写法与完整 HTTP 示例,说明辅助函数、子测试、TestMain、名称筛选及测试缓存的边界。
- Golang · Go问答 | 40分钟前 | 273浏览 收藏
-
- Go fuzz 测试怎样定位导致崩溃的最小输入
- Go fuzz 测试发现崩溃后,关键不是盯着随机输入猜原因,而是读取失败样本路径,使用 go test -run 精确重放,并把最小化样本保留为回归测试。本文给出可直接套用的排查顺序与边界。
- Golang · Go问答 | 41分钟前 | 487浏览 收藏
-
- Go race 检测器为什么提示 cgo 代码无法追踪
- Go 的 -race 依赖 cgo,但启用 cgo 不等于自动覆盖 C 库内部竞态。本文区分环境报错、Go 侧动态检测和 C/C++ 侧 ThreadSanitizer 的责任边界,并给出排查命令与适用限制。
- Golang · Go问答 | 43分钟前 | 234浏览 收藏
-
- Go testing.B.RunParallel 的计时控制与 goroutine 局部状态设计
- 用一个可落地的 Go 基准示例说明 RunParallel 的全局计时边界、goroutine 局部状态初始化、pb.Next 分工和 ns/op 结果口径。
- Golang · Go问答 | 45分钟前 | go · testing · Go testing.B.RunParallel Go 并行基准 220浏览 收藏
-
- Go testing.T.Run 怎样让表驱动测试显示稳定名称
- 通过给表驱动用例增加语义化 Name 字段,让 Go testing.T.Run 的输出、-run 筛选和失败定位保持稳定。
- Golang · Go问答 | 59分钟前 | 176浏览 收藏
-
- Go testing.T.Failed 怎样在清理逻辑中判断测试结果
- Go testing.T.Failed 返回当前测试是否已经失败,适合放在 t.Cleanup 中做最终诊断或选择性保留现场。本文说明它与 t.Error、t.Fatal、t.Run 返回值、子测试状态和 Skipped 的边界。
- Golang · Go问答 | 1小时前 | 306浏览 收藏
-
- Go go/types.Info.Scopes 怎样获取语法节点的作用域
- go/types.Info.Scopes 只会记录类型检查器为指定 AST 节点建立的词法作用域。本文用一个最小示例说明如何初始化作用域映射、完成 Check、按节点读取 Scope,并解释函数体 BlockStmt 为什么不单独出现在映射中。
- Golang · Go问答 | 1小时前 | 460浏览 收藏
-
- Go os.Root.Open 怎样在目录边界内安全打开文件
- Go 1.24 引入的 os.Root 可以把文件操作限制在指定目录树内。本文用 os.Root.Open 说明相对路径、..、符号链接、错误处理和关闭资源的边界,并对比一次性使用的 os.OpenInRoot。
- Golang · Go问答 | 1小时前 | 300浏览 收藏
-
- Go runtime/metrics Sample.Value.Kind 怎样判断指标数据类型
- Go runtime/metrics 的 Sample.Value 不能直接按一种数值类型读取,应先用 Kind 判断 KindBad、KindUint64、KindFloat64 或 KindFloat64Histogram,再调用对应方法。本文说明类型分派、未知指标处理和复用采样切片时的边界。
- Golang · Go问答 | 1小时前 | Go问答 · Go Float64Histogram runtime/metrics ValueKind Sample.Value.Kind 475浏览 收藏
查看更多
课程推荐
-
- 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
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析,希望您看完这套视频有所收获;包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- 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。
- 837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。
- 834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。
- 919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。
- 893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。
- 715次使用

