Daisy-Chain
首先，为了防止过于枯燥，我先列出我最喜欢的一个模式：Daisy-Chain。这个模式比较复杂，对go的并发编程不太熟悉的同学，可以先看下面的模式。然后回过头来看这个。
daisy chain会创建很多channel，然后把这些channel首尾相接级联起来，组成一条单向链，每个channel都在处理不同的子任务，最后的结果在链的末端输出。这是在2012年的golang talks中由Rob Pike提出的：
func f(left, right chan int) {
// 这个函数就把right的输出和left的输入联系起来了。
left <- 1 + <-right
}
func main() {
const n = 10000
leftmost := make(chan int)
right := leftmost
left := leftmost
// 创建长度为n的daisy链
for i := 0; i < n; i++ {
right = make(chan int)
go f(left, right)
left = right
}
// 在链的最右端输入1，那么最左端就会得到10001
go func(c chan int) { c <- 1 }(right)
fmt.Println(<-leftmost)
}整个过程类似下图：
那么这个模式有什么用呢？它可以用来处理迭代算法，使得部分迭代运算并发执行。只要迭代的每个阶段都是相互独立的即可。比如，计算质数：
import (
"fmt"
"os"
"runtime/trace"
"time"
)
func Generate(ch chan<- int) {
for i := 2; ; i++ {
ch <- i
// 这是为了方便gotrace绘图
time.Sleep(10 * time.Millisecond)
}
}
func Filter(ch <-chan int, out chan<- int, prime int) {
for {
i := <-ch
if i%prime != 0 {
out <- i
} else {
fmt.Printf("[%d] filter out %d\n", prime, i)
}
}
}
func main() {
// 这些也是gotrace要求插入的代码。下同
trace.Start(os.Stderr)
ch := make(chan int)
go Generate(ch)
for i := 0; i < 10; i++ {
prime := <-ch // step1
fmt.Println(prime)
out := make(chan int) // step2
go Filter(ch, out, prime) // step3
ch = out // step4
}
trace.Stop()
}仔细分析上面的代码，它的功能就是输出前10个正整数质数。至于细节就让我们一步步分析看看：
首先，Generate从2开始遍历正整数，并且在一开始就被放入goroutine里了。结果会放在ch里；
然后，在main中启动一个for循环，在循环的每个step1，都会从ch中读出一个质数。2当然是质数，但是后面每一步从ch中读取的都是质数吗？且看下面的代码。
然后，step2会创建一个新channel out（类似上例的right），ch和它作为输入和输出创建一个Filter的goroutine，专门过滤能被step1的prime整除的数。所以在out中输出的都是不会被prime整除的数。
最后在关键的step4，out变成下一个ch。相当于增加了一节chain的长度。而ch在每个循环中输出的第一个数，都是被之前的所有质数无法整除的数，即下一个质数。
输出日志如下：
2
3
[2] filter out 4
5
[2] filter out 6
7
[2] filter out 8
[3] filter out 9
[2] filter out 10
11
[2] filter out 12
13
[2] filter out 14
[3] filter out 15
[2] filter out 16
17
[2] filter out 18
19
[2] filter out 20
[3] filter out 21
[2] filter out 22
23
[2] filter out 24
[5] filter out 25
[2] filter out 26
[3] filter out 27
[2] filter out 28
29为了更直观的展示整个过程，我用divan大神的gotrace工具画出了goroutine的3d交互图：
其中每个红色竖线表示一个goroutine，时间轴是从上到下的，所以红线越长表示goroutine持续时间越长，也说明它生成的越早。
可以看到，最早的一个goroutine获得的数字是3，4，…… 29，因为2已经被输出了，所以是3到29，然后下一个goroutine获得的就是5，7，9，…… 29，因为3被输出，而偶数都被过滤了。以此类推，最后输出的就是前10个质数。
需要指出的是，这个算法并不是最高效的，但却是非常优雅的。
关于gotrace的安装和使用，请移步这里。我是根据他的方法给go1.6.3打了补丁后，就能使用了。
好了，下面我们换些基础的模式讲一下：
Ping-pong
顾名思义，就是由2个goroutine相互踢皮球组成的模式。是在2013年的golang talks中提出的。尽管它非常简单，但是却方便我们理解go的并发编程概念。
代码如下：
用一个int表示ball（球），管道表示table（桌子），两个goroutine就是2个运动员, 分别编号为1和2。
func main() {
var Ball int
table := make(chan int)
go player("2", table)
go player("1", table)
// 首先把球放到“桌上”
table <- Ball
time.Sleep(1 * time.Second)
// 1s后比赛结束……
<-table
}
func player(id string, table chan int) {
for {
ball := <-table
log.Printf("%s got ball[%d]\n", id, ball)
time.Sleep(50 * time.Millisecond)
log.Printf("%s bounceback ball[%d]\n", id, ball)
ball++
table <- ball
}
}输出如下：
1 got ball[0]
1 bounceback ball[0]
2 got ball[1]
2 bounceback ball[1]
1 got ball[2]
1 bounceback ball[2]
2 got ball[3]
2 bounceback ball[3]
1 got ball[4]
1 bounceback ball[4]
2 got ball[5]
2 bounceback ball[5]代码简洁易懂，很好理解（看不懂的同学请不要拍我）。
下面，我们增加一位选手，让3个运动员一块打球
go player("2", table)
go player("3", table)
go player("1", table)这下子热闹了，输出如下：
1 got ball[0]
1 bounceback ball[0]
2 got ball[1]
2 bounceback ball[1]
3 got ball[2]
3 bounceback ball[2]
1 got ball[3]
1 bounceback ball[3]
2 got ball[4]
2 bounceback ball[4]
3 got ball[5]
3 bounceback ball[5]
1 got ball[6]
1 bounceback ball[6]
2 got ball[7]
2 bounceback ball[7]
3 got ball[8]
3 bounceback ball[8]看3个人有条不紊的相互击球。此时处女座一定非常满意，但是对于习惯了并发随机性的程序员来说，这实在有些过于美好：为什么它们的顺序如此协调，为什么1总是给2，2给3，3给1，而不是其他顺序呢？
划重点了啊：
The answer is because Go runtime holds waiting FIFO queue for receivers, that is goroutines ready to receive on the particular channel
即，对于接收channel内容的goroutines来说，go的runtime会把它们分配到一个FIFO队列中，所以这些goroutines只能按照既定的顺序接收channel的内容，而不会弄乱。所以即使创建上百个palyers，顺序依然是固定的。go实在是太贴心了，有不有！
Fan-In
也叫“扇入”，应该是并发编程里面比较普通的一个模式了。fan-in会从多个管道读取输入，并汇总到一个channel输出，形象的比喻如下图：
示例代码如下
import (
"fmt"
"math/rand"
"os"
"runtime/trace"
"time"
)
func main() {
trace.Start(os.Stderr)
c := fanIn(boring(1), boring(2))
for i := 0; i < 10; i++ {
fmt.Println(<-c)
}
fmt.Println("You're both boring; I'm leaving.")
trace.Stop()
}
func fanIn(input1, input2 <-chan int) <-chan int {
c := make(chan int)
go func() { for {c <- <-input1} }()
go func() { for {c <- <-input2} }()
return c
}
func boring(msg int) <-chan int {
c := make(chan int)
go func() { // We launch the goroutine from inside the function.
for i := 0; ; i++ {
c <- msg*1000 + i
time.Sleep(time.Duration(rand.Intn(1e3)) * time.Millisecond)
}
}()
return c // Return the channel to the caller.
}输出为：
2000
2001
1001
2002
1002
2003
1003
2004
1004
gotrace输出为（注意这是两次独立的运行结果）：
可以看到，两次的结果都汇入了main线程，并且顺序输出，没有丢失数据，也没有死锁。
当然，简单的情况，用select也可以。
select设计的目的就是在channel中间通讯，谁的数据先到达，哪个case分支先执行。
c1 := boring(1)
c2 := boring(2)
for i := 0; i < 10; i++ {
select {
case v := <-c1:
fmt.Println(v)
case v := <-c2:
fmt.Println(v)
}
}Workers
也叫FanOut(扇出)，和扇入模式相反，工作模式是一个管道分发任务，多个goroutines来执行。
示例代码如下：
import (
"fmt"
"os"
"runtime/trace"
"sync"
"time"
)
func worker(ch <-chan int, wg *sync.WaitGroup) {
defer wg.Done()
for {
task, ok := <-ch
if !ok {
return
}
time.Sleep(20 * time.Millisecond)
fmt.Println("processing task", task)
}
}
func pool(wg *sync.WaitGroup, workers, tasks int) {
ch := make(chan int)
for i := 0; i < workers; i++ {
time.Sleep(1 * time.Millisecond)
// spawn出很多worker线程
go worker(ch, wg)
}
for i := 0; i < tasks; i++ {
time.Sleep(10 * time.Millisecond)
// 开始分发任务，被激活的workers开始工作了
ch <- i
}
close(ch)
}
func main() {
trace.Start(os.Stderr)
var wg sync.WaitGroup
wg.Add(36)
go pool(&wg, 36, 36)
wg.Wait()
trace.Stop()
}代码略长，但是逻辑其实非常清晰。我在注释中也稍作了说明。
注意（划重点了），close(ch)在这里很关键，它确定了每个worker退出的节点。当channel中的内容为空，同时它已经被close时，task, ok := <- ch返回的ok==false，此时通知worker退出，wg标记完成，当所有的worker都完成时，wg.Wait()完成，转入下一行执行。
在golang中，main不会自动等待所有子进程完成，如果没有退出检查，main进程会闪退，所有的子进程也会随之强制退出，所以在main里必须有退出检测机制，前几个例子我们使用的是time.Sleep和for循环，这里我们使用了WaitGroup。
gotrace结果如下：
圆柱体中心就是main进程中生成的pool进程，围绕它的是36个worker进程。蓝色箭头表示pool每隔10ms分发的任务，它们都被worker处理了。
Servers
server模式和fan_out类似，只不过它的worker线程是按需生成的，并且工作处理完毕后就释放。所以这种模式常应用到网站服务器上。在主进程中，有一个for循环，Accept函数一直阻塞着循环的进行，一旦有新的请求过来，Accept就会生成一个connection，然后主进程就创建一个子进程处理这个connection以及其他逻辑。
示例代码如下：
import (
"fmt"
"net"
"os"
"runtime/trace"
"time"
)
func handler(c net.Conn, ch chan int) {
ch <- len(c.RemoteAddr().String())
time.Sleep(10 * time.Microsecond)
c.Write([]byte("ok"))
c.Close()
}
func logger(ch chan int) {
for {
time.Sleep(1500 * time.Millisecond)
fmt.Println(<-ch)
}
}
func server(l net.Listener, ch chan int) {
for {
c, err := l.Accept()
if err != nil {
continue
}
go handler(c, ch)
}
}
func main() {
trace.Start(os.Stderr)
l, err := net.Listen("tcp", ":5000")
if err != nil {
panic(err)
}
ch := make(chan int)
go logger(ch)
go server(l, ch)
time.Sleep(10 * time.Second)
trace.Stop()
}可以看到，主进程生成了一个tcp连接，启动了server和logger两个子进程。server用来监听外网的请求，一旦请求过来，就会生成一个handler进程，用来处理connection。同时，handler还会通过管道和logger通讯，logger负责异步记录相应日志。
这个程序运行时的输入需要模拟外部请求来产生，为此我写了一个脚本：
#!/bin/sh
i=0
while [[ $i -lt 20 ]];
do
# 通过nc发起tcp请求。每秒请求一次
echo "hello "$i | nc localhost 5000
sleep 1
((++i))
done运行时，先启动这个脚本，然后启动server或gotrace。
gotrace的运行结果如下：
可以看到，尽管程序运行了10s，但是只处理了6个请求。这是因为logger占用了管道太长时间，使得handler的运行时间也延长到了1.5s以上。
为了解决这个问题，我们正好借助上面介绍的Worker模式，提高logger的并发性。
Server + Worker
import (
"fmt"
"net"
"os"
"runtime/trace"
"time"
)
func handler(c net.Conn, ch chan int) {
ch <- 0
time.Sleep(50 * time.Microsecond)
c.Write([]byte("ok"))
c.Close()
}
func logger(wch chan int) {
for {
fmt.Println(<-wch)
// 这里主要耗时
time.Sleep(1500 * time.Millisecond)
}
}
func pool(ch chan int, n int) {
wch := make(chan int)
for i := 0; i < n; i++ {
go logger(wch)
}
for {
wch <- <-ch
}
}
func server(l net.Listener, ch chan int) {
for {
c, err := l.Accept()
if err != nil {
continue
}
go handler(c, ch)
}
}
func main() {
trace.Start(os.Stderr)
l, err := net.Listen("tcp", ":5000")
if err != nil {
panic(err)
}
ch := make(chan int)
go pool(ch, 36)
go server(l, ch)
time.Sleep(10 * time.Second)
trace.Stop()
}其中pool函数跟上例类似，就是生成（spawn）很多worker，然后handle中生成的数据会先进入pool，由pool再分配给这些workers。
3D图如下：
可以看到，此时server正好处理了10个请求。不再被logger拖延了。
Concurrency & Parallelism
注意我的题目是并发（concurrent）设计模式。那么并发和并行到底啥区别？？
Concurrency: A condition that exists when at least two threads are making progress. A more generalized form of parallelism that can include time-slicing as a form of virtual parallelism.
Concurrency（并发性）：是一种广义的并行。在concurrence的语境下，两个线程/任务可以表面上看起来“像是”并行，但其实机器只有一个核，它们只是分享了时间块。当然，在多核的情况下，它可以是并行的。
Parallelism（并行性）：A condition that arises when at least two threads are executing simultaneously.
这个就是狭义的并行，即线程、任务必须是同时进行的，否则不算parallelism。
有疑问加站长微信联系（非本文作者）
