面试题：Go固定worker工作池任务调度优化之基础实现

package main

import (
    "fmt"
    "sync"
)

// Task 定义任务类型
type Task struct {
    ID int
    // 可以根据实际需求添加更多任务相关的字段
}

// Worker 定义工作者
type Worker struct {
    ID       int
    taskChan chan Task
    wg       *sync.WaitGroup
}

// Work 工作者执行任务的方法
func (w *Worker) Work() {
    defer w.wg.Done()
    for task := range w.taskChan {
        fmt.Printf("Worker %d is processing task %d\n", w.ID, task.ID)
        // 这里可以添加实际任务处理逻辑
    }
}

// WorkerPool 定义工作池
type WorkerPool struct {
    workerNum  int
    taskQueue  chan Task
    workers    []*Worker
    wg         sync.WaitGroup
}

// NewWorkerPool 创建新的工作池
func NewWorkerPool(workerNum, taskQueueCap int) *WorkerPool {
    pool := &WorkerPool{
        workerNum:  workerNum,
        taskQueue:  make(chan Task, taskQueueCap),
        workers:    make([]*Worker, workerNum),
    }
    for i := 0; i < workerNum; i++ {
        pool.workers[i] = &Worker{
            ID:       i,
            taskChan: pool.taskQueue,
            wg:       &pool.wg,
        }
        pool.wg.Add(1)
        go pool.workers[i].Work()
    }
    return pool
}

// AddTask 添加任务到任务队列
func (p *WorkerPool) AddTask(task Task) {
    p.taskQueue <- task
}

// Stop 停止工作池
func (p *WorkerPool) Stop() {
    close(p.taskQueue)
    p.wg.Wait()
}

任务调度初步优化

任务队列长度限制：通过设置任务队列的容量，避免任务队列无限制增长。例如在NewWorkerPool函数中make(chan Task, taskQueueCap)设置了任务队列的容量taskQueueCap。当任务队列满时，可以采取不同策略，如丢弃新任务、阻塞等待队列有空闲位置、采用优先级队列等。
动态调整工作者数量：根据任务队列的长度和系统资源情况，动态增加或减少工作者数量。可以定期检查任务队列长度，如果队列长度持续高于某个阈值，增加新的工作者；如果队列长度持续低于某个阈值，减少工作者数量以节省资源。
任务优先级调度：改变Task结构体，增加优先级字段，然后使用优先级队列（如heap包实现的堆结构）作为任务队列，这样高优先级任务可以优先被处理。
任务批量处理：在工作者中，可以每次从任务队列中获取一批任务（如果队列中有足够任务），而不是单个任务，减少工作者与任务队列之间的交互次数，提高效率。

星途面试题库

面试题：Go固定worker工作池任务调度优化之基础实现

知识考点

面试题答案

任务调度初步优化