引言

话说，有这样一个场景，就是客户送不断发送消息，需要服务端异步处理。

一个一个的处理未免有些浪费资源，更好的方法是批量处理。

当消息量特别大时，使用kafka之类的message queue自然是首选，但更多的时候，我们想用更加轻量的方案来解决这个问题。

下面来详细分析一下技术需求，这个方案需要实现以下几点：

• 消息聚合后处理（最大条数为BatchSize）
• 延迟处理（延迟时间为LingerTime）
• 自定义错误处理
• 并发处理

实现

基于这样的需求，我快速的实现了第一步，消息聚合后处理。

var (
    eventQueue     = make(chan interface{}, 4)
    batchSize      = 8
    workers        = 2
    batchProcessor = func(messages []interface{}) {
        fmt.Printf("%+v \n", messages)
    }
)

for i := 0; i < workers; i++ {
    go func() {
        var batch []interface{}
        for {
            msg := <-eventQueue
            batch = append(batch, msg)
            if len(batch) == batchSize {
                batchProcessor(batch)
                batch = make([]interface{}, 0)
            }
        }
    }()
}

for i := 0; i < 100; i++ {
    eventQueue <- i
}

代码虽然简单，但是核心已经有了。

• 带buffer的channel相当于一个FIFO的队列
• 多个常驻的goroutine来提高并发
• goroutine之间是并行的，但每个goroutine内是串行的，所以对batch操作是不用加锁的。

下一步就是添加延迟处理，和错误处理了。

var (
    eventQueue     = make(chan interface{}, 4)
    batchSize      = 8
    workers        = 2
    lingerTime     = 14 * time.Millisecond
    batchProcessor = func(batch []interface{}) error {
        fmt.Printf("%+v \n", batch)
        return nil
    }
    errHandler = func(err error, batch []interface{}) {
        fmt.Println("some error happens")
    }
)

for i := 0; i < workers; i++ {
    go func() {
        var batch []interface{}
        lingerTimer := time.NewTimer(0)
        if !lingerTimer.Stop() {
            <-lingerTimer.C
        }
        defer lingerTimer.Stop()

        for {
            select {
            case msg := <-eventQueue:
                batch = append(batch, msg)
                if len(batch) != batchSize {
                    if len(batch) == 1 {
                        lingerTimer.Reset(lingerTime)
                    }
                    break
                }

                if err := batchProcessor(batch); err != nil {
                    errHandler(err, batch)
                }

                if !lingerTimer.Stop() {
                    <-lingerTimer.C
                }

                batch = make([]interface{}, 0)
            case <-lingerTimer.C:
                if err := batchProcessor(batch); err != nil {
                    errHandler(err, batch)
                }

                batch = make([]interface{}, 0)
            }
        }
    }()
}

for i := 0; i < 100; i++ {
    eventQueue <- i
    time.Sleep(1 * time.Millisecond)
}

虽然只多加了两个点，代码明显复杂了许多，这其实也是很多库的成长过程吧。

一开始专注解决核心问题时，代码还很清晰，当功能逐渐扩展后，代码行数快速增加。

这时，如果抓不住核心，很容易迷失在代码中。关于这一点，相信大家在加入一个新的项目，或者看一些成熟项目的源码时都有同感。(这也是为什么我把不同阶段的代码都列出来的原因，不知各位看官意下如何)

言归正传，关于代码中为什么使用time.Timer而不是time.After，是因为time.After在for select中使用时，会发生内存泄露。
具体分析，请查看golang time.After内存泄露问题分析和GOLANG中time.After释放的问题。

所以说呀，代码写的越多，越容易出bug，但是功能不完善，代码还是要写的。

实现到这里，当个原型是绰绰有余了，但是要作为一个通用的库，还有很多功能要做，比如说：自定义配置。

最终版的代码，不多不少，正好200行，就不贴过来。有兴趣的同学，请点击Aggregator.go查看。

最后，Aggregator收录在我开源的channelx仓库中，这个库目的是使用channel实现各种好用的轻量级工具。如果有你喜欢用的工具，欢迎点个赞或者star :)

有疑问加站长微信联系（非本文作者）