潜在递归任务的工作池（即，每个作业可以排队其他作业）

Question

我正在编写一个应用程序，用户可以从多个“作业”（实际上是 URL）开始。在开始（主程序）时，我将这些 URL 添加到队列中，然后启动 x 处理这些 URL 的 goroutine。在特殊情况下，URL 指向的资源可能包含更多必须添加到队列中的 URL。这 3 名工人正在等待新的工作进入并处理它们。问题是：一旦每个工人都在等待工作（并且没有人生产任何工作），工人就应该完全停止。所以要么所有这些都有效，要么没有一个有效。我当前的实现看起来像这样，我认为它不优雅。不幸的是，我想不出一个更好的方法来不包含竞争条件，而且我不完全确定这个实现是否真的按预期工作：var queue // from somewhereconst WORKER_COUNT = 3var done chan struct{}func work(working chan int) {  absent := make(chan struct{}, 1)  // if x>1 jobs in sequence are popped, send to "absent" channel only 1 struct.  // This implementation also assumes that the select statement will be evaluated "in-order" (channel 2 only if channel 1 yields nothing) - is this actually correct? EDIT: It is, according to the specs.  one := false  for {    select {    case u, ok := <-queue.Pop():      if !ok {        close(absent)        return      }      if !one {        // I have started working (delta + 1)        working <- 1        absent <- struct{}{}        one = true      }      // do work with u (which may lead to queue.Push(urls...))    case <-absent: // no jobs at the moment. consume absent => wait      one = false      working <- -1    }  }}func Start() {  working := make(chan int)  for i := 0; i < WORKER_COUNT; i++ {    go work(working)  }  // the amount of actually working workers...  sum := 0  for {    delta := <-working    sum += delta    if sum == 0 {      queue.Close() // close channel -> kill workers.      done <- struct{}{}      return    }  }}有没有更好的方法来解决这个问题？

Answer 1

您可以使用 sync.WaitGroup（请参阅文档）来控制工作人员的生命周期，并使用非阻塞发送，以便工作人员在尝试排队更多作业时不会死锁：

package main

import "sync"

const workers = 4

type job struct{}

func (j *job) do(enqueue func(job)) {

    // do the job, calling enqueue() for subtasks as needed

}

func main() {

    jobs, wg := make(chan job), new(sync.WaitGroup)

    var enqueue func(job)

    // workers

    for i := 0; i < workers; i++ {

        go func() {

            for j := range jobs {

                j.do(enqueue)

                wg.Done()

            }

        }()

    }

    // how to queue a job

    enqueue = func(j job) {

        wg.Add(1)

        select {

        case jobs <- j: // another worker took it

        default: // no free worker; do the job now

            j.do(enqueue)

            wg.Done()

        }

    }

    todo := make([]job, 1000)

    for _, j := range todo {

        enqueue(j)

    }

    wg.Wait()

    close(jobs)

}

尝试使用缓冲通道避免死锁的困难在于，您必须预先分配一个足够大的通道，以确保在不阻塞的情况下保持所有挂起的任务。除非您有少量已知的 URL 可供抓取，否则会出现问题。

当您回退到在当前线程中进行普通递归时，您没有那个静态缓冲区大小限制。当然，仍然存在限制：如果有太多工作待处理，您可能会耗尽 RAM，理论上您可以通过深度递归耗尽堆栈（但这很难！）。因此，如果您要对整个 Web 进行爬行，则需要以更复杂的方式跟踪待处理的任务。

最后，作为一个更完整的例子，我对这段代码并不感到非常自豪，但我碰巧写了一个函数来启动一个并行排序，它以与获取 URL 的方式相同的方式递归。