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.

Golang vragen