Go语言之读写锁

简介: 前面的有篇文章在讲资源竞争的时候,提到了互斥锁。互斥锁的根本就是当一个goroutine访问的时候,其他goroutine都不能访问,这样肯定保证了资源的同步,避免了竞争,不过也降低了性能。

前面的有篇文章在讲资源竞争的时候,提到了互斥锁。互斥锁的根本就是当一个goroutine访问的时候,其他goroutine都不能访问,这样肯定保证了资源的同步,避免了竞争,不过也降低了性能。


仔细剖析我们的场景,当我们读取一个数据的时候,如果这个数据永远不会被修改,那么其实是不存在资源竞争的问题的。因为数据是不变的,不管怎么读取,多少goroutine同时读取,都是可以的。


所以其实读取并不是问题,问题主要是修改。修改的数据要同步,这样其他goroutine才可以感知到。所以真正的互斥应该是读取和修改修改和修改之间,读取和读取是没有互斥操作的。


所以这就延伸出来另外一种锁,叫做读写锁


读写锁可以让多个读操作同时并发,同时读取,但是对于写操作是完全互斥的。也就是说,当一个goroutine进行写操作的时候,其他goroutine既不能进行读操作,也不能进行写操作。


var count int
var wg sync.WaitGroup
func main() {    wg.Add(10)    for i:=0;i<5;i++ {            go read(i)    }        for i:=0;i<5;i++ {            go write(i);    }    wg.Wait()}func read(n int) {    fmt.Printf("读goroutine %d 正在读取...\n",n)    v := count    fmt.Printf("读goroutine %d 读取结束,值为:%d\n", n,v)    wg.Done()
}
func write(n int) {    fmt.Printf("写goroutine %d 正在写入...\n",n)    v := rand.Intn(1000)    count = v    fmt.Printf("写goroutine %d 写入结束,新值为:%d\n", n,v)    wg.Done()
}


以上我们定义了一个共享的资源count,并且声明了两个函数readwrite进行读写。在main函数的测试中,我们同时启动了 5 个读写goroutine进行读写操作,通过打印的结果来看,写入操作是处于竞争状态的,有的写入操作被覆盖了。通过go build -race也可以看到更明细的竞争态。


针对这种情况,第一个方案是加互斥锁,同时只能有一个goroutine可以操作count。但是这种方法性能比较慢,而且我们说的读操作可以不互斥,所以这种情况比较适合使用读写锁。


var count int
var wg sync.WaitGroup
var rw sync.RWMutex
func main() {    wg.Add(10)    for i:=0;i<5;i++ {            go read(i)    }        for i:=0;i<5;i++ {            go write(i);    }    wg.Wait()}func read(n int) {    rw.RLock()    fmt.Printf("读goroutine %d 正在读取...\n",n)    v := count    fmt.Printf("读goroutine %d 读取结束,值为:%d\n", n,v)    wg.Done()    rw.RUnlock()}func write(n int) {    rw.Lock()    fmt.Printf("写goroutine %d 正在写入...\n",n)    v := rand.Intn(1000)    count = v    fmt.Printf("写goroutine %d 写入结束,新值为:%d\n", n,v)    wg.Done()    rw.Unlock()
}


我们在read里使用读锁,也就是RLockRUnlock,写锁的方法名和我们平时使用的一样,是LockUnlock。这样,我们就使用了读写锁,可以并发地读,但是同时只能有一个写,并且写的时候不能进行读操作。现在我们再运行代码,可以从输出的数据看到,可以读到新值了。


我们同时也可以使用go build -race检测,也没有竞争提示了。


我们在做Java开发的时候,肯定知道SynchronizedMap这个Map,它是一个在多线程下安全的Map,我们可以通过Collections.synchronizedMap(Map<K, V>)来获取一个安全的Map。下面我们看看如何使用读写锁,基于Go语言来实现一个安全的Map。


package common
import (    "sync")
//安全的Map
type SynchronizedMap struct {    rw *sync.RWMutex    data map[interface{}]interface{}
}
//存储操作
func (sm *SynchronizedMap) Put(k,v interface{}){    sm.rw.Lock()    defer sm.rw.Unlock()    sm.data[k]=v
}
//获取操作
func (sm *SynchronizedMap) Get(k interface{}) interface{}{    sm.rw.RLock()    defer sm.rw.RUnlock()    return sm.data[k]
}
//删除操作
func (sm *SynchronizedMap) Delete(k interface{}) {    sm.rw.Lock()    defer sm.rw.Unlock()    delete(sm.data,k)
}
//遍历Map,并且把遍历的值给回调函数,可以让调用者控制做任何事情
func (sm *SynchronizedMap) Each(cb func (interface{},interface{})){    sm.rw.RLock()    defer sm.rw.RUnlock()    for k, v := range sm.data {        cb(k,v)    }
}
//生成初始化一个SynchronizedMap
func NewSynchronizedMap() *SynchronizedMap{    return &SynchronizedMap{        rw:new(sync.RWMutex),        data:make(map[interface{}]interface{}),    }
}


这个安全的Map被我们定义为一个SynchronizedMap的结构体,这个结构体里有两个字段,一个是读写锁rw,一个是存储数据的datadata是map类型。


然后就是给SynchronizedMap定义一些方法,如果这些方法是增删改的,就要使用写锁;如果是只读的,就使用读锁。这样就保证了我们数据data在多个goroutine下的安全性。


有了这个安全的Map我们就可以在多goroutine下增删改查数据了,都是安全的。


这里定义了一个Each方法,这个方法很有意思,用过Gradle的都知道,也有类似遍历Map的方法。这个方法我们可以传入一个回调函数作为参数,来对我们遍历的SynchronizedMap数据进行处理,比如我打印SynchronizedMap中的数据。


sm.Each(func(k interface{}, v interface{}) {
    fmt.Println(k," is ",v)
}


sm就是一个SynchronizedMap,非常简洁吧。


以上就是读写锁使用的一个例子。我们可以把这个map数据当成缓存数据,或者当成数据库,然后使用读写锁进行控制,可以多读,但是只能有一个写。


目录
相关文章
|
10天前
|
数据采集 人工智能 安全
|
6天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
321 164
|
5天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
324 155
|
6天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
383 4
|
13天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
920 7