Wat zijn veelvoorkomende Go concurrency patterns?

Question

Accepted Answer

Go's goroutines en channels maken een reeks goed gevestigde **concurrency patterns** mogelijk die veel voorkomende problemen oplossen — werk distribueren, fanning out/in, pipelines en rate limiting. Het kennen van deze idiomatische patronen stelt je in staat om correcte en efficiënte gelijktijdige systemen te bouwen.

## Worker pool — bounded concurrency

```go
func workerPool(jobs <-chan int, results chan<- int, numWorkers int) {
    var wg sync.WaitGroup
    for w := 0; w < numWorkers; w++ {     // a FIXED number of workers
        wg.Add(1)
        go func() {
            defer wg.Done()
            for job := range jobs {        // each worker pulls jobs until the channel closes
                results <- process(job)
            }
        }()
    }
    wg.Wait()
    close(results)
}
```

Een **worker pool** voert een vast aantal goroutines uit die van een gedeeld jobs kanaal consumeren — begrensde gelijktijdigheid (bijvoorbeeld open niet 10.000 databaseverbindingen; gebruik 10 workers). Dit is het belangrijkste patroon voor het controleren van resource-gebruik.

## Fan-out / fan-in

```text
Fan-out: distribute work across MULTIPLE goroutines (parallelize)
Fan-in:  MERGE results from multiple goroutines back into one channel
```

```go
// fan-in: merge several channels into one
func merge(channels ...<-chan int) <-chan int {
    out := make(chan int)
    var wg sync.WaitGroup
    for _, ch := range channels {
        wg.Add(1)
        go func(c <-chan int) {
            defer wg.Done()
            for v := range c { out <- v }   // forward each channel's values to out
        }(ch)
    }
    go func() { wg.Wait(); close(out) }()    // close out when all sources are drained
    return out
}
```

## Pipeline — stages connected by channels

```go
// each stage is a goroutine: receives from an input channel, sends to an output channel
func generate(nums ...int) <-chan int {
    out := make(chan int)
    go func() { for _, n := range nums { out <- n }; close(out) }()
    return out
}
func square(in <-chan int) <-chan int {
    out := make(chan int)
    go func() { for n := range in { out <- n * n }; close(out) }()
    return out
}
// compose: square(generate(1,2,3)) → a streaming pipeline
for result := range square(generate(1, 2, 3)) { fmt.Println(result) }
```

Een **pipeline** verbindt verwerkingsstadia via kanalen — gegevens stromen door, elk stadium transformeert het gelijktijdig.

## Rate limiting

```go
limiter := time.Tick(200 * time.Millisecond)   // a tick every 200ms
for req := range requests {
    <-limiter                                    // wait for the next tick before proceeding
    go handle(req)                                // → at most 5 requests/second
}
```

## Cancellation with context (cross-cutting)

```go
select {
case result := <-work:
case <-ctx.Done():    return   // stop on cancellation — prevents leaks
}
```

## Waarom het belangrijk is

Deze concurrency patterns vormen de praktische gereedschapskist voor het bouwen van echte gelijktijdige Go-systemen, waarbij raw goroutines en kanalen worden omgezet in gestructureerde, correcte oplossingen voor terugkerende problemen.

De **worker pool** is vooral belangrijk — het beperkt gelijktijdigheid om beperkte resources (databaseverbindingen, API-snelheidslimieten, geheugen) te beschermen, waardoor de veel voorkomende fout van het spawnen van onbegrensde goroutines die het systeem uitputten, wordt voorkomen. **Fan-out/fan-in** paralleliseert werk en voegt resultaten samen; **pipelines** modelleren streaminggegevenstransformaties schoon; **rate limiting** regelt doorvoer.

Gecombineerd met **context-gebaseerde annulering** (om goroutine-leaks te voorkomen), zijn deze patronen hoe productie-Go-services gelijktijdigheid veilig en efficiënt afhandelen.

Het begrijpen ervan — en vooral het weten om gelijktijdigheid met worker pools te beperken in plaats van onbeperkte goroutines te starten — is een kenmerk van senior Go-competentie en een frequent onderwerp voor gevorderde interviews, omdat naïeve gelijktijdigheid (onbegrensde goroutines, leaks, races) een veel voorkomende bron van productiefouten is.