Golang并发模式:信号量(Semaphore)控制并发爬虫速率

7次阅读

sync.mutex不能当信号量用,因其仅支持单并发互斥,而信号量需n级许可控制;正确做法是用golang.org/x/sync/semaphore等带计数与上下文感知的许可池。

Golang并发模式:信号量(Semaphore)控制并发爬虫速率

为什么 sync.Mutex 不能当信号量用

因为 sync.Mutex 是互斥锁,只允许一个 goroutine 进入;而信号量需要支持 N 个并发许可。直接拿 Mutex 做限流,要么卡死(比如想限 5 并发却只放行 1 个),要么根本不起作用(靠业务层自己数计数器,容易竞态)。

常见错误现象:panic: sync: negative WaitGroup counter爬虫突然全速冲垮目标站——本质是把“许可获取/释放”逻辑写散了,没原子性保障。

  • 真正要用的不是锁,是带计数的、可阻塞的许可池
  • semaphore 的核心语义是:申请成功就扣减,释放就归还,超限时自动排队
  • golang 标准库没内置信号量,得靠 sync.WaitGroup + chan Struct{} 或第三方如 golang.org/x/sync/semaphore

golang.org/x/sync/semaphore 控制并发请先看这三点

这个包是官方维护的,稳定且轻量,但默认行为和直觉有偏差,不注意会漏控或假限流。

  • semaphore.NewWeighted(5) 中的 5 是最大并发数,不是初始可用数;它本身不记录“已用”,只管当前有没有空位
  • 必须显式调用 Acquire(ctx, 1) 才能拿许可,失败时返回 Error(比如 ctx 超时),**不检查 error 就等于没限流**
  • 释放必须配对调用 Release(1),且参数要和 Acquire 的 weight 一致;Release(2) 会导致后续 Acquire 多放出两个许可,彻底失控

示例片段:

立即学习go语言免费学习笔记(深入)”;

sem := semaphore.NewWeighted(3) for _, url := range urls {     if err := sem.Acquire(ctx, 1); err != nil {         log.Printf("acquire failed: %v", err)         continue     }     go func(u string) {         defer sem.Release(1) // 必须在这儿还,不能在外部统一收口         fetch(u)     }(url) }

不用第三方包时,用 chan struct{} 自建信号量的坑

很多人用 make(chan struct{}, 3) 模拟信号量,简单但危险:channel 容量固定,len(ch) 不可靠(非原子),且无法感知上下文取消。

  • 发送前不加 select { case ch ,可能永久阻塞 goroutine
  • 接收端用 释放,但如果某次 panic 没走到这步,许可就永远泄露
  • 没有超时机制,一个卡住的请求会让整个池子停摆
  • 如果爬虫任务本身耗时差异大,这种静态 channel 容易造成“许可闲置”(比如 2 个慢任务占着 3 个 slot,剩下 10 个快任务干等)

ctx.WithTimeout 和信号量组合时最容易忘的一件事

Acquire 传的 ctx,不能复用主流程的 long-lived ctx。否则一旦主 ctx cancel,所有等待中的 acquire 都会立刻失败,导致大量请求被丢弃,而不是平滑降级。

  • 每个爬取任务应派生自己的短 timeout ctx:childCtx, _ := context.WithTimeout(ctx, 10*time.Second)
  • 不要把信号量池放在 handler 里反复创建——它要复用,生命周期应覆盖整个爬取批次
  • 如果目标站响应慢,优先调小单次 timeout,而不是调大信号量值;后者只是掩盖问题,反而加剧雪崩

真正难的不是写对那几行 acquire/release,而是把“许可生命周期”和“业务任务生命周期”严丝合缝地对齐。少一个 defer,错一个 ctx,漏一次 Release,速率控制就形同虚设。

text=ZqhQzanResources