面试题：Go空接口在并发编程中的设计与优化

设计思路

任务定义：使用空接口 interface{} 来表示不同类型的任务数据，定义一个结构体来包装任务和对应的处理函数。
数据竞争与资源同步：使用 sync.Mutex 来保护共享资源，防止数据竞争。使用 sync.WaitGroup 来等待所有 goroutine 完成任务。
性能优化：采用工作池（worker pool）模式，避免创建过多的 goroutine 导致资源耗尽，提高整体性能。

代码实现

package main

import (
	"fmt"
	"sync"
)

// Task 定义任务结构体
type Task struct {
	Data interface{}
	Handler func(interface{})
}

// WorkerPool 定义工作池结构体
type WorkerPool struct {
	Workers int
	TaskQueue chan Task
	WaitGroup sync.WaitGroup
	Mutex sync.Mutex
}

// NewWorkerPool 创建新的工作池
func NewWorkerPool(workers int, capacity int) *WorkerPool {
	return &WorkerPool{
		Workers: workers,
		TaskQueue: make(chan Task, capacity),
	}
}

// Start 启动工作池
func (wp *WorkerPool) Start() {
	for i := 0; i < wp.Workers; i++ {
		wp.WaitGroup.Add(1)
		go func() {
			defer wp.WaitGroup.Done()
			for task := range wp.TaskQueue {
				task.Handler(task.Data)
			}
		}()
	}
}

// Stop 停止工作池
func (wp *WorkerPool) Stop() {
	close(wp.TaskQueue)
	wp.WaitGroup.Wait()
}

func main() {
	wp := NewWorkerPool(3, 10)
	wp.Start()

	// 添加不同类型任务
	wp.TaskQueue <- Task{
		Data: "Hello, World!",
		Handler: func(data interface{}) {
			fmt.Println("处理字符串任务:", data)
		},
	}

	wp.TaskQueue <- Task{
		Data: 42,
		Handler: func(data interface{}) {
			fmt.Println("处理整数任务:", data)
		},
	}

	wp.Stop()
}

性能测试方案

测试工具：使用 Go 自带的 testing 包进行性能测试。
测试场景：模拟大量不同类型的任务，测试工作池在不同任务数量和工作线程数下的性能表现。
测试指标：记录任务处理的总时间、平均处理时间等指标。

package main

import (
	"testing"
)

func BenchmarkWorkerPool(b *testing.B) {
	for n := 0; n < b.N; n++ {
		wp := NewWorkerPool(3, 1000)
		wp.Start()

		for i := 0; i < 1000; i++ {
			if i%2 == 0 {
				wp.TaskQueue <- Task{
					Data: fmt.Sprintf("任务 %d", i),
					Handler: func(data interface{}) {
						// 模拟处理任务
					},
				}
			} else {
				wp.TaskQueue <- Task{
					Data: i,
					Handler: func(data interface{}) {
						// 模拟处理任务
					},
				}
			}
		}

		wp.Stop()
	}
}

在命令行中运行 go test -bench=. 即可进行性能测试。通过分析测试结果，可以进一步优化工作池的参数设置，如工作线程数、任务队列容量等，以提高并发处理性能。

星途面试题库

面试题：Go空接口在并发编程中的设计与优化

知识考点

面试题答案

设计思路

代码实现

性能测试方案