BR 技术头条

技术头条

技术链接、资讯与社区分享流

co colobu.com / 2022-09-03 23:26 / by @技术头条 / 原作者：@colobu

啊哈，一道有趣的Go并发题

打开原文 0 条评论
今天一位同学给我出了一道并发题，作为在极客时间开了《GO并发编程实战课》的作者，居然一时间没有回答上来，惭愧啊，所以晚上专门研究了一下题目，给出几个实现方案供探讨。

赞过的人

@IT技术博客大学习

发表评论

相关分享

zh www.zhengwenfeng.com / 2025-11-12 00:32

Go协程池深度解析：原理、实现与最佳实践

文章系统解析 Go 协程池的实现原理和实践，包括为何需要协程池、基本实现方式、协程数设置依据及性能对比测试。示例代码演示如何手动构建协程池，并推荐三种高性能第三方库（如 ants、tunny）。适合进行高并发控制和资源管理优化的场景。

查看详情
无图
co colobu.com / 2025-01-20 00:03

Go中秘而不宣的数据结构: 四叉堆，不是普通的二叉堆

文章讲解了 Go 语言定时器底层实现中四叉堆的设计原理，解释其在 Go 运行时的作用。通过使用四叉堆（4-ary heap）替代二叉堆，优化了定时器性能，特别是在高并发场景中。

适合人群：Go 语言开发者及对运行时机制、高性能定时器实现感兴趣的工程师。

查看详情
无图
co colobu.com / 2025-01-12 12:03

Go中秘而不宣的数据结构: 四叉堆，不是普通的二叉堆

文章介绍了 Go 语言中定时器使用的四叉堆数据结构，分析其相较于二叉堆的优势，如降低堆高度以提升性能，并回顾了 Go 不同版本中定时器实现的演进过程。适合对 Go 语言运行时实现细节、数据结构优化及并发编程感兴趣的开发者阅读。

查看详情
无图
co colobu.com / 2025-01-03 00:03

Go中秘而不宣的数据结构 CacheLinePad：精细化优化

这篇文章深入解析了 Go 语言中的 CacheLine 数据结构，详细探讨了其在多核环境下的内存对齐、伪共享问题以及性能优化方法。通过具体的代码示例和实验分析，文章展示了如何利用 CacheLine 提升并发程序的性能。内容专业且实用，对开发高性能 Go 应用的工程师有很高的参考价值，值得推荐阅读和分享。

查看详情
无图
co colobu.com / 2025-01-03 00:01

Go中秘而不宣的数据结构 Treap：随机化的二叉搜索树

这篇文章详细解析了 Go 语言中 Treap 数据结构的实现和应用。内容涵盖了 Treap 的设计思想、核心算法以及在实际场景中的使用案例，还深入探讨了平衡二叉树与堆的结合特点及其性能优势。对于希望了解 Go 内部实现或探索高效数据结构的开发者，这篇文章提供了丰富的干货和学习价值，值得推荐。

查看详情
无图
co colobu.com / 2025-01-02 23:59

Go中秘而不宣的数据结构 BitVec, 资源优化方法之位向量

如何深入理解 Go 的内部数据结构？文章以 BitVec 为例，详细解析了其设计原理、实现方式以及在不同场景中的应用，还探讨了相关的性能优化策略和工程实践。这是一篇高质量的技术解读，为开发者学习 Go 的底层实现提供了宝贵的参考！

查看详情
无图
co www.codedump.info / 2024-09-09 23:46

图解Blink-Tree：B+Tree的一种并发优化结构和算法

本文介绍了 Blink-Tree，这是一种 B+Tree 的并发优化结构。通过引入 high key 和 link 指针，解决了并发访问时的性能问题，特别适用于高并发环境的存储引擎优化。如果你对数据库存储引擎感兴趣，这篇文章不容错过！

查看详情
无图
co colobu.com / 2024-03-21 23:00

聊聊 Go 的边界检查消除技术

在翻译的从慢速到SIMD一文中， SourceGraph工程师其中的一个优化就是边界检查消除(BCE,bounds check elimination)技术，同时他也抛给了读者一个问题：

为啥在使用 a[i:i+4:i+4] 而不是 a[i:i+4]?

本文第一部分先回答这个问题。 第二部分介绍更好的边界检查消除方法。 第三部分再全面梳理Go的边界检查消除技术。

查看详情
无图
co colobu.com / 2024-03-21 22:55

Go 中的高速数据包处理:从 net.Dial 到 AF_XDP

最近编写了一个Go程序，向数百万个IP地址发送ICMP ping消息。显然，希望这个过程能尽可能快速高效地完成。因此,这促使我研究各种与网络栈交互和快速发送数据包的各种方法。这是一个有趣的旅程,所以在本文中,我将分享一些学习成果,并记录下来供将来参考:)你将看到，仅使用8个内核就可以达到1880万数据包/秒。这里还有一个GitHub仓库,其中包含了示例代码,可以方便地跟随学习。

查看详情
无图