Go常见并发模式
文章目录
一、Go语言并发的基础元素
goroutine、channel、sync 是并发编程中必不可少的元素，
context标准包更是为我们并发编程提供了更好的支持。
1.goroutine
2.channel
常用结构：channel+select
select {
case i1 = <-c1:
//todo
case c2 <- i2:
//todo
default:
// default todo
}
3.sync 包的同步原语
sync.Mutex 互斥锁
sync.RWMutex 读写锁
sync.WaitGroup
sync.Once
sync.Cond
4.多并发控制神器：Context
二、常见并发模式Go语言实现
并发模式和设计模式很相似，都是对现实场景的抽象封装，以便提供一个统一的解决方案。
但和设计模式不同的是，并发模式更专注于异步和并发。
我们会在很多项目的源代码中一遍遍的看到下面提到的并发模式，虽然解决的问题不一样，但它们的思路是相似的，所以我们也可以把它们进一步抽象，这样在项目开发中就可以直接复用。
并发模式不限于下面列举的这些，在项目中和并发、异步有关并且可以被抽象复用的解决方案都可以总结为并发模式。
1.for select 循环模式
for select 循环模式非常常见，它一般和 channel 组合完成任务，代码格式如下：
for { //for无限循环，或者for range循环
select {
//通过一个channel控制
}
}
For select有两种循环模式：有限循环和无限循环。
无限循环（监控狗）
//default 语句中执行任务，
//done channel 接收关闭通知。
for {
select {
case <-done:
return
default:
//执行具体的任务
}
}
有限循环（for range select ）
一般用于把可以迭代的内容发送到 channel 上：
//done channel接收关闭通知，
//resultCh channel 用于接收 for range 循环的值，这些值通过 resultCh 可以传送给其他的调用者。
for _,s:=range []int{}{
select {
case <-done:
return
case resultCh <- s:
}
}
2.select timeout 模式
获取数据遇到超时时，我们不可能一直等待，所以需要设置一个超时时间，如下所示
func main() {
result := make(chan string)
go func() {
//模拟网络访问
time.Sleep(8 * time.Second)
result <- "服务端结果"
}()
select {
case v := <-result:
fmt.Println(v)
case <-time.After(5 * time.Second):
fmt.Println("网络访问超时了")
}
}
select timeout 模式的核心在于通过 time.After 函数设置一个超时时间，防止因为异常造成 select 语句的无限等待。
小提示：如果可以使用 Context 的 WithTimeout 函数超时取消，要优先使用。
3.流水线模式(Pipeline)
以组装手机为例，假设一条组装手机的流水线有 3 道工序，分别是配件采购、配件组装、打包成品，如图所示：
从以上示意图中可以看到，采购的配件通过 channel 传递给工序 2 进行组装，然后再通过 channel 传递给工序 3 打包成品。相对工序 2 来说，工序 1 是生产者，工序 3 是消费者。相对工序 1 来说，工序 2 是消费者。相对工序 3 来说，工序 2 是生产者。
我用下面的几组代码进行演示：
//工序1采购
func buy(n int) <-chan string {
out := make(chan string)
go func() {
defer close(out)
for i := 1; i <= n; i++ {
out <- fmt.Sprint("配件", i)
}
}()
return out
}
首先我们定义一个采购函数 buy，它有一个参数 n，可以设置要采购多少套配件。采购代码的实现逻辑是通过 for 循环产生配件，然后放到 channel 类型的变量 out 里，最后返回这个 out，调用者就可以从 out 中获得配件。
//工序2组装
func build(in <-chan string) <-chan string {
out := make(chan string)
go func() {
defer close(out)
for c := range in {
out <- "组装(" + c + ")"
}
}()
return out
}
组装函数 build 有一个 channel 类型的参数 in，用于接收配件进行组装，组装后的手机放到 channel 类型的变量 out 中返回。
有了组装好的手机，就可以放在精美的包装盒中售卖了，而包装的操作是工序 3 完成的，对应的函数是 pack，如下所示：
//工序3打包
func pack(in <-chan string) <-chan string {
out := make(chan string)
go func() {
defer close(out)
for c := range in {
out <- "打包(" + c + ")"
}
}()
return out
}
函数 pack 的代码实现和组装函数 build 基本相同
流水线上的三道工序都完成后，就可以通过一个组织者把三道工序组织在一起，形成一条完整的手机组装流水线，这个组织者可以是我们常用的 main 函数，如下面的代码所示：
func main() {
coms := buy(10) //采购10套配件
phones := build(coms) //组装10部手机
packs := pack(phones) //打包它们以便售卖
//输出测试，看看效果
for p := range packs {
fmt.Println(p)
}
}
从上述例子中，我们可以总结出一个流水线模式的构成：
- 流水线由一道道工序构成，每道工序通过 channel 把数据传递到下一个工序；
- 每道工序一般会对应一个函数，函数里有协程和 channel，协程一般用于处理数据并把它放入 channel 中，整个函数会返回这个 channel 以供下一道工序使用；
- 最终要有一个组织者（示例中的 main 函数）把这些工序串起来，这样就形成了一个完整的流水线，对于数据来说就是数据流。
4.扇出和扇入模式
假如上面的流水线出现了问题，其中的工序2特别慢，
为了提升产能，需要对工序 2 增加两班人手。如图便形成了扇入扇出：
什么是扇入扇出：
1.以工序 1 为中点，三条传递数据的线发散出去，就像一把打开的扇子一样，所以叫扇出；
2.以 merge 组件为中点，三条传递数据的线汇聚到 merge 组件，也像一把打开的扇子一样，所以叫扇入
小提示：扇出和扇入都像一把打开的扇子，因为数据传递的方向不同，所以叫法也不一样，扇出的数据流向是发散传递出去，是输出流；扇入的数据流向是汇聚进来，是输入流。
三道工序的实现函数 buy、build、pack 都保持不变，只需要增加一个 merge 函数即可：
//扇入函数（组件），把多个chanel中的数据发送到一个channel中
func merge(ins ...<-chan string) <-chan string {
var wg sync.WaitGroup
out := make(chan string)
//把一个channel中的数据发送到out中
p:=func(in <-chan string) {
defer wg.Done()
for c := range in {
out <- c
}
}
wg.Add(len(ins))
//扇入，需要启动多个goroutine用于处于多个channel中的数据
for _,cs:=range ins{
go p(cs)
}
//等待所有输入的数据ins处理完，再关闭输出out
go func() {
wg.Wait()
close(out)
}()
return out
}
新增的 merge 函数的核心逻辑就是对输入的每个 channel 使用单独的协程处理，并将每个协程处理的结果都发送到变量 out 中，达到扇入的目的。总结起来就是通过多个协程并发，把多个 channel 合成一个。
在整条手机组装流水线中，merge 函数非常小，而且和业务无关，不能当作一道工序，所以我把它叫作组件。该 merge 组件是可以复用的，流水线中的任何工序需要扇入的时候，都可以使用 merge 组件。
小提示：这次的改造新增了 merge 函数，其他函数保持不变，符合开闭原则。开闭原则规定“软件中的对象（类，模块，函数等等）应该对于扩展是开放的，但是对于修改是封闭的”。
有了可以复用的 merge 组件，现在来看流水线的组织者 main 函数是如何使用扇出和扇入并发模式的，如下所示：
func main() {
coms := buy(100) //采购100套配件
//三班人同时组装100部手机
phones1 := build(coms)
phones2 := build(coms)
phones3 := build(coms)
//汇聚三个channel成一个
phones := merge(phones1,phones2,phones3)
packs := pack(phones) //打包它们以便售卖
//输出测试，看看效果
for p := range packs {
fmt.Println(p)
}
}
这个示例采购了 100 套配件，也就是开始增加产能了。于是同时调用三次 build 函数，也就是为工序 2 增加人手，这里是三班人手同时组装配件，然后通过 merge 函数这个可复用的组件将三个 channel 汇聚为一个，然后传给 pack 函数打包。
这样通过扇出和扇入模式，整条流水线就被扩充好了，大大提升了生产效率。因为已经有了通用的扇入组件 merge，所以整条流水中任何需要扇出、扇入提高性能的工序，都可以复用 merge 组件做扇入，并且不用做任何修改。
5.未来模式(Futures)
流水线模式中的工序是相互依赖的，上一道工序做完，下一道工序才能开始。但是在我们的实际需求中，也有大量的任务之间相互独立、没有依赖，所以为了提高性能，这些独立的任务就可以并发执行。
主协程不用等待子协程返回的结果，可以先去做其他事情，等未来需要子协程结果的时候再来取，如果子协程还没有返回结果，就一直等待。
//洗菜
func washVegetables() <-chan string {
vegetables := make(chan string)
go func() {
time.Sleep(5 * time.Second)
vegetables <- "洗好的菜"
}()
return vegetables
}
//烧水
func boilWater() <-chan string {
water := make(chan string)
go func() {
time.Sleep(5 * time.Second)
water <- "烧开的水"
}()
return water
}
洗菜和烧水这两个相互独立的任务可以一起做，所以示例中通过开启协程的方式，实现同时做的功能。当任务完成后，结果会通过 channel 返回。
小提示：示例中的等待 5 秒用来描述洗菜和烧火的耗时。
在启动两个子协程同时去洗菜和烧水的时候，主协程就可以去干点其他事情（示例中是眯一会），等睡醒了，要做火锅的时候，就需要洗好的菜和烧好的水这两个结果了。我用下面的代码进行演示：
func main() {
vegetablesCh := washVegetables() //洗菜
waterCh := boilWater() //烧水
fmt.Println("已经安排洗菜和烧水了，我先眯一会")
time.Sleep(2 * time.Second)
fmt.Println("要做火锅了，看看菜和水好了吗")
vegetables := <-vegetablesCh
water := <-waterCh
fmt.Println("准备好了，可以做火锅了:",vegetables,water)
}
Futures 模式下的协程和普通协程最大的区别是可以返回结果，而这个结果会在未来的某个时间点使用。所以在未来获取这个结果的操作必须是一个阻塞的操作，要一直等到获取结果为止。
如果你的大任务可以拆解为一个个独立并发执行的小任务，并且可以通过这些小任务的结果得出最终大任务的结果，就可以使用 Futures 模式。
本文地址：https://blog.csdn.net/Edu_enth/article/details/112601550