Vilka är vanliga Go-concurrencymönster?

Question

Accepted Answer

Gos goroutines och channels möjliggör en uppsättning väletablerade **concurrencymönster** som löser vanliga problem — distribuera arbete, fläkta ut/in, pipelines och hastighetsbegränsning. Att känna till dessa idiomatiska mönster låter dig bygga korrekta, effektiva concurrenta system.

## Worker pool — begränsad 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)
}
```

En **worker pool** kör ett fast antal goroutines som konsumerar från en delad jobs-channel — begränsar concurrency (t.ex. öppna inte 10 000 DB-anslutningar; använd 10 workers). Detta är det viktigaste mönstret för att kontrollera resursanvändning.

## 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 — steg kopplade via 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) }
```

En **pipeline** kedjar bearbetningssteg via channels — data strömmar genom och varje steg transformerar den concurrently.

## 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 med context (tvärfunktionell)

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

## Varför det är viktigt

Dessa concurrencymönster är den praktiska verktygslådan för att bygga riktiga concurrenta Go-system, vilket förvandlar råa goroutines och channels till strukturerade, korrekta lösningar på återkommande problem.

**Worker pool** är särskilt viktig — den begränsar concurrency för att skydda begränsade resurser (databasanslutningar, API-hastighetsgränser, minne), vilket förhindrar misstaget att skapa obegränsade goroutines som slösar systemets resurser. **Fan-out/fan-in** parallelliserar arbete och slår samman resultat; **pipelines** modellerar streaming-datatransformationer på ett rent sätt; **rate limiting** kontrollerar genomströmning.

I kombination med **context-baserad cancellation** (för att undvika goroutine-läckor) är dessa mönster hur produktions-Go-tjänster hanterar concurrency på ett säkert och effektivt sätt.

Att förstå dem — och särskilt veta att begränsa concurrency med worker pools istället för att lansera obegränsade goroutines — är ett kännetecken på senior Go-kompetens och ett ofta förekommande avancerat intervjuämne, eftersom naiv concurrency (obegränsade goroutines, läckor, races) är en vanlig källa till produktionsfel.