共计 3007 个字符，预计需要花费 8 分钟才能阅读完成。
hi，大家好，我是 haohongfan。
本篇次要介绍 WaitGroup 的一些个性，让咱们从实质下来理解 WaitGroup。对于 WaitGroup 的根本用法这里就不做过多介绍了。绝对于《这可能是最容易了解的 Go Mutex 源码分析》来说，WaitGroup 就简略的太多了。
源码分析
Add()
Wait()
type WaitGroup struct {
noCopy noCopy
state1 [3]uint32
}WaitGroup 底层构造看起来简略，但 WaitGroup.state1 其实代表三个字段：counter，waiter，sema。
- counter：能够了解为一个计数器，计算通过 wg.Add(N), wg.Done() 后的值。
- waiter：以后期待 WaitGroup 工作完结的期待者数量。其实就是调用 wg.Wait() 的次数，所以通常这个值是 1。
- sema：信号量，用来唤醒 Wait() 函数。
为什么要将 counter 和 waiter 放在一起？
其实是为了保障 WaitGroup 状态的完整性。举个例子，看上面的一段源码
// sync/waitgroup.go:L79 --> Add()
if v > 0 || w == 0 { // v => counter, w => waiter
return
}
// ...
*statep = 0
for ; w != 0; w-- {runtime_Semrelease(semap, false, 0)
}当同时发现 wg.counter <= 0 && wg.waiter != 0 时，才会去唤醒期待的 waiters，让期待的协程持续运行。然而应用 WaitGroup 的调用方个别都是并发操作，如果不同时获取的 counter 和 waiter 的话，就会造成获取到的 counter 和 waiter 可能不匹配，造成程序 deadlock 或者程序提前结束期待。
如何获取 counter 和 waiter ?
对于 wg.state 的状态变更，WaitGroup 的 Add()，Wait() 是应用 atomic 来做原子计算的 (为了防止锁竞争)。然而因为 atomic 须要使用者保障其 64 位对齐，所以将 counter 和 waiter 都设置成 uint32，同时作为一个变量，即满足了 atomic 的要求，同时也保障了获取 waiter 和 counter 的状态完整性。但这也就导致了 32 位，64 位机器上获取 state 的形式并不相同。如下图：
简略解释下：
因为 64 位机器上自身就能保障 64 位对齐，所以依照 64 位对齐来取数据，拿到 state1[0], state1[1] 自身就是 64 位对齐的。然而 32 位机器上并不能保障 64 位对齐，因为 32 位机器是 4 字节对齐，如果也依照 64 位机器取 state[0]，state[1] 就有可能会造成 atmoic 的应用谬误。
于是 32 位机器上空出第一个 32 位，也就使前面 64 位人造满足 64 位对齐，第一个 32 位放入 sema 刚好适合。晚期 WaitGroup 的实现 sema 是和 state1 离开的，也就造成了应用 WaitGroup 就会造成 4 个字节节约，不过 go1.11 之后就是当初的构造了。
为什么流程图里短少了 Done ?
其实并不是，是因为 Done 的实现就是 Add. 只不过咱们惯例用法 wg.Add(1) 是加 1，wg.Done() 是减 1，即 wg.Done() 能够用 wg.Add(-1) 来代替。只管咱们晓得 wg.Add 能够传递正数当 wg.Done 应用，然而还是别这么用。
退出 waitgroup 的条件
其实就一个条件，WaitGroup.counter 等于 0
日常开发中非凡需要
1. 管制超时 / 谬误管制
虽说 WaitGroup 可能让主 Goroutine 期待子 Goroutine 退出，然而 WaitGroup 遇到一些非凡的需要，如：超时，谬误管制，并不能很好的满足，须要做一些非凡的解决。
用户在电商平台中购买某个货物，为了计算用户能优惠的金额，须要去获取 A 零碎（权利零碎），B 零碎（角色零碎），C 零碎（商品零碎），D 零碎（xx 零碎）。为了进步程序性能，可能会同时发动多个 Goroutine 去拜访这些零碎，必然会应用 WaitGroup 期待数据的返回，然而存在一些问题：
- 当某个零碎产生谬误，期待的 Goroutine 如何感知这些谬误？
- 当某个零碎响应过慢，期待的 Goroutine 如何管制拜访超时？
这些问题都是间接应用 WaitGroup 没法解决的。如果间接应用 channel 配合 WaitGroup 来管制超时和谬误返回的话，封装起来并不简略，而且还容易出错。咱们能够采纳 ErrGroup 来代替 WaitGroup。
无关 ErrGroup 的用法这里就不再论述。golang.org/x/sync/errgroup
package main
import (
"context"
"fmt"
"golang.org/x/sync/errgroup"
"time"
)
func main() {ctx, cancel := context.WithTimeout(context.Background(), time.Second*5)
defer cancel()
errGroup, newCtx := errgroup.WithContext(ctx)
done := make(chan struct{})
go func() {
for i := 0; i < 10; i++ {errGroup.Go(func() error {time.Sleep(time.Second * 10)
return nil
})
}
if err := errGroup.Wait(); err != nil {fmt.Printf("do err:%v\n", err)
return
}
done <- struct{}{}
}()
select {case <-newCtx.Done():
fmt.Printf("err:%v", newCtx.Err())
return
case <-done:
}
fmt.Println("success")
}2. 管制 Goroutine 数量
场景模仿：
大略有 2000 – 3000 万个数据须要解决，依据对服务器的测试，当启动 200 个 Goroutine 解决时性能最佳。如何管制？
遇到诸如此类的问题时，单纯应用 WaitGroup 是不行的。既要保障所有的数据都能被解决，同时也要保障同时最多只有 200 个 Goroutine。这种问题须要 WaitGroup 配合 Channel 一块应用。
package main
import (
"fmt"
"sync"
"time"
)
func main() {var wg = sync.WaitGroup{}
manyDataList := []int{1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
ch := make(chan bool, 3)
for _, v := range manyDataList {wg.Add(1)
go func(data int) {defer wg.Done()
ch <- true
fmt.Printf("go func: %d, time: %d\n", data, time.Now().Unix())
time.Sleep(time.Second)
<-ch
}(v)
}
wg.Wait()}应用留神点
应用 WaitGroup 同样不能被复制。具体例子就不再剖析了。具体分析过程能够参见《这可能是最容易了解的 Go Mutex 源码分析》
WaitGroup 的分析到这里根本就完结了。有什么想跟我交换的，欢送评论区留言。
欢送关注我的公众号：HHFCodeRV，一起学习一起提高