通道是協程之間的數據傳輸通道。通道可以在眾多的協程之間傳遞數據，具體可以值也可以是個引用。通道有兩種使用方式。
· 協程可以試圖向通道放入數據，如果通道滿了，會掛起協程，直到通道可以為他放入數據為止。
· 協程可以試圖向通道索取數據，如果通道沒有數據，會掛起協程，直到通道返回數據為止。
如此，通道就可以在傳遞數據的同時，控制協程的運行。有點像事件驅動，也有點像阻塞隊列。這兩個概念非常的簡單，各個語言平台都會有相應的實現。在Java和C上也各有庫可以實現兩者。
查看大圖 只要有協程和通道，就可以優雅的解決並發的問題。不必使用其他和並發有關的概念。那如何用這兩把利刃解決各式各樣的實際問題呢？Ubuntu 安裝Go語言包 http://www.linuxidc.com/Linux/2013-05/85171.htm
《Go語言編程》高清完整版電子書 http://www.linuxidc.com/Linux/2013-05/84709.htm
Go語言並行之美 -- 超越 “Hello World” http://www.linuxidc.com/Linux/2013-05/83697.htm
我為什麼喜歡Go語言 http://www.linuxidc.com/Linux/2013-05/84060.htm
Go語言內存分配器的實現 http://www.linuxidc.com/Linux/2014-01/94766.htm
Go語言的國際化支持(基於gettext-go) http://www.linuxidc.com/Linux/2014-01/94917.htm
並發模式之外延 協程相較於線程，可以大量創建。打開這扇門，我們拓展出新的用法，可以做生成器，可以讓函數返回“服務”，可以讓循環並發執行，還能共享變量。但是出現新的用法的同時，也帶來了新的棘手問題，協程也會洩漏，不恰當的使用會影響性能。下面會逐一介紹各種用法和問題。演示的代碼用GO語言寫成，因為其簡潔明了，而且支持全部功能。 生成器 有的時候，我們需要有一個函數能不斷生成數據。比方說這個函數可以讀文件，讀網絡，生成自增長序列，生成隨機數。這些行為的特點就是，函數的已知一些變量，如文件路徑。然後不斷調用，返回新的數據。 查看大圖下面生成隨機數為例，以讓我們做一個會並發執行的隨機數生成器。
非並發的做法是這樣的：// 函數rand_generator_1 ，返回 int
funcrand_generator_1() int {
return rand.Int()
} 上面是一個函數，返回一個int。假如rand.Int()這個函數調用需要很長時間等待，那該函數的調用者也會因此而掛起。所以我們可以創建一個協程，專門執行rand.Int()。// 函數rand_generator_2，返回通道(Channel)
funcrand_generator_2() chan int {
// 創建通道
out := make(chan int)
// 創建協程
go func() {
for {
//向通道內寫入數據，如果無人讀取會等待
out <- rand.Int()
}
}()
return out
}
funcmain() {
// 生成隨機數作為一個服務
rand_service_handler :=rand_generator_2()
// 從服務中讀取隨機數並打印
fmt.Printf("%d\n",<-rand_service_handler)
}
上面的這段函數就可以並發執行了rand.Int()。有一點值得注意到函數的返回可以理解為一個“服務”。但我們需要獲取隨機數據時候，可以隨時向這個服務取用，他已經為我們准備好了相應的數據，無需等待，隨要隨到。如果我們調用這個服務不是很頻繁，一個協程足夠滿足我們的需求了。但如果我們需要大量訪問，怎麼辦？我們可以用下面介紹的多路復用技術，啟動若干生成器，再將其整合成一個大的服務。
調用生成器，可以返回一個“服務”。可以用在持續獲取數據的場合。用途很廣泛，讀取數據，生成ID，甚至定時器。這是一種非常簡潔的思路，將程序並發化。多路復用
多路復用是讓一次處理多個隊列的技術。Apache使用處理每個連接都需要一個進程，所以其並發性能不是很好。而Nginx使用多路復用的技術，讓一個進程處理多個連接，所以並發性能比較好。同樣，在協程的場合，多路復用也是需要的，但又有所不同。多路復用可以將若干個相似的小服務整合成一個大服務。
查看大圖
那麼讓我們用多路復用技術做一個更高並發的隨機數生成器吧。
// 函數rand_generator_3 ，返回通道(Channel)
funcrand_generator_3() chan int {
// 創建兩個隨機數生成器服務
rand_generator_1 := rand_generator_2()
rand_generator_2 := rand_generator_2()
//創建通道
out := make(chan int)
//創建協程
go func() {
for {
//讀取生成器1中的數據，整合
out <-<-rand_generator_1
}
}()
go func() {
for {
//讀取生成器2中的數據，整合
out <-<-rand_generator_2
}
}()
return out
}上面是使用了多路復用技術的高並發版的隨機數生成器。通過整合兩個隨機數生成器，這個版本的能力是剛才的兩倍。雖然協程可以大量創建，但是眾多協程還是會爭搶輸出的通道。Go語言提供了Select關鍵字來解決，各家也有各家竅門。加大輸出通道的緩沖大小是個通用的解決方法。
多路復用技術可以用來整合多個通道。提升性能和操作的便捷。配合其他的模式使用有很大的威力。Future技術
Future是一個很有用的技術，���們常常使用Future來操作線程。我們可以在使用線程的時候，可以創建一個線程，返回Future，之後可以通過它等待結果。 但是在協程環境下的Future可以更加徹底，輸入參數同樣可以是Future的。
查看大圖
調用一個函數的時候，往往是參數已經准備好了。調用協程的時候也同樣如此。但是如果我們將傳入的參數設為通道，這樣我們就可以在不准備好參數的情況下調用函數。這樣的設計可以提供很大的自由度和並發度。函數調用和函數參數准備這兩個過程可以完全解耦。下面舉一個用該技術訪問數據庫的例子。
//一個查詢結構體
typequery struct {
//參數Channel
sql chan string
//結果Channel
result chan string
}
//執行Query
funcexecQuery(q query) {
//啟動協程
go func() {
//獲取輸入
sql := <-q.sql
//訪問數據庫，輸出結果通道
q.result <- "get" + sql
}()
}
funcmain() {
//初始化Query
q :=
query{make(chan string, 1),make(chan string, 1)}
//執行Query，注意執行的時候無需准備參數
execQuery(q)
//准備參數
q.sql <- "select * fromtable"
//獲取結果
fmt.Println(<-q.result)
}
上面利用Future技術，不單讓結果在Future獲得，參數也是在Future獲取。准備好參數後，自動執行。Future和生成器的區別在於，Future返回一個結果，而生成器可以重復調用。還有一個值得注意的地方，就是將參數Channel和結果Channel定義在一個結構體裡面作為參數，而不是返回結果Channel。這樣做可以增加聚合度，好處就是可以和多路復用技術結合起來使用。
Future技術可以和各個其他技術組合起來用。可以通過多路復用技術，監聽多個結果Channel，當有結果後，自動返回。也可以和生成器組合使用，生成器不斷生產數據，Future技術逐個處理數據。Future技術自身還可以首尾相連，形成一個並發的pipe filter。這個pipe filter可以用於讀寫數據流，操作數據流。
Future是一個非常強大的技術手段。可以在調用的時候不關心數據是否准備好，返回值是否計算好的問題。讓程序中的組件在准備好數據的時候自動跑起來。並發循環
循環往往是性能上的熱點。如果性能瓶頸出現在CPU上的話，那麼九成可能性熱點是在一個循環體內部。所以如果能讓循環體並發執行，那麼性能就會提高很多。
查看大圖
要並發循環很簡單，只有在每個循環體內部啟動協程。協程作為循環體可以並發執行。調用啟動前設置一個計數器，每一個循環體執行完畢就在計數器上加一個元素，調用完成後通過監聽計數器等待循環協程全部完成。
//建立計數器
sem :=make(chan int, N);
//FOR循環體
for i,xi:= range data {
//建立協程
go func (i int, xi float) {
doSomething(i,xi);
//計數
sem <- 0;
} (i, xi);
}
// 等待循環結束
for i := 0; i < N; ++i { <-sem }上面是一個並發循環例子。通過計數器來等待循環全部完成。如果結合上面提到的Future技術的話，則不必等待。可以等到真正需要的結果的地方，再去檢查數據是否完成。
通過並發循環可以提供性能，利用多核，解決CPU熱點。正因為協程可以大量創建，才能在循環體中如此使用，如果是使用線程的話，就需要引入線程池之類的東西，防止創建過多線程，而協程則簡單的多。ChainFilter技術
前面提到了Future技術首尾相連，可以形成一個並發的pipe filter。這種方式可以做很多事情，如果每個Filter都由同一個函數組成，還可以有一種簡單的辦法把他們連起來。
查看大圖
由於每個Filter協程都可以並發運行，這樣的結構非常有利於多核環境。下面是一個例子，用這種模式來產生素數。
// Aconcurrent prime sieve
packagemain
// Sendthe sequence 2, 3, 4, ... to channel 'ch'.
funcGenerate(ch chan<- int) {
for i := 2; ; i++ {
ch<- i // Send 'i' to channel 'ch'.
}
}
// Copythe values from channel 'in' to channel 'out',
//removing those divisible by 'prime'.
funcFilter(in <-chan int, out chan<- int, prime int) {
for {
i := <-in // Receive valuefrom 'in'.
if i%prime != 0 {
out <- i // Send'i' to 'out'.
}
}
}
// Theprime sieve: Daisy-chain Filter processes.
funcmain() {
ch := make(chan int) // Create a newchannel.
go Generate(ch) // Launch Generate goroutine.
for i := 0; i < 10; i++ {
prime := <-ch
print(prime, "\n")
ch1 := make(chan int)
go Filter(ch, ch1, prime)
ch = ch1
}
}
上面的程序創建了10個Filter，每個分別過濾一個素數，所以可以輸出前10個素數。
Chain-Filter通過簡單的代碼創建並發的過濾器鏈。這種辦法還有一個好處，就是每個通道只有兩個協程會訪問，就不會有激烈的競爭，性能會比較好。
共享變量
協程之間的通信只能夠通過通道。但是我們習慣於共享變量，而且很多時候使用共享變量能讓代碼更簡潔。比如一個Server有兩個狀態開和關。其他僅僅希望獲取或改變其狀態，那又該如何做呢。可以將這個變量至於0通道中，並使用一個協程來維護。
查看大圖
下面的例子描述如何用這個方式，實現一個共享變量。
//共享變量有一個讀通道和一個寫通道組成
typesharded_var struct {
reader chan int
writer chan int
}
//共享變量維護協程
funcsharded_var_whachdog(v sharded_var) {
go func() {
//初始值
var value int = 0
for {
//監聽讀寫通道，完成服務
select {
case value =<-v.writer:
case v.reader <-value:
}
}
}()
}
funcmain() {
//初始化，並開始維護協程
v := sharded_var{make(chan int),make(chan int)}
sharded_var_whachdog(v)
//讀取初始值
fmt.Println(<-v.reader)
//寫入一個值
v.writer <- 1
//讀取新寫入的值
fmt.Println(<-v.reader)
}
這樣，就可以在協程和通道的基礎上實現一個協程安全的共享變量了。定義一個寫通道，需要更新變量的時候，往裡寫新的值。再定義一個讀通道，需要讀的時候，從裡面讀。通過一個單獨的協程來維護這兩個通道。保證數據的一致性。
一般來說，協程之間不推薦使用共享變量來交互，但是按照這個辦法，在一些場合，使用共享變量也是可取的。很多平台上有較為原生的共享變量支持，到底用那種實現比較好，就見仁見智了。另外利用協程和通道，可以還實現各種常見的並發數據結構，如鎖等等，就不一一贅述。更多詳情見請繼續閱讀下一頁的精彩內容： http://www.linuxidc.com/Linux/2014-12/110965p2.htm
