如何实现多线程之间的通信，是并发模型里面最需要被考虑到的问题。golang为此引进了channel，channel可作为goroutine之间交流的通道。每一个channel都可读可写，且都是阻塞的，也即，当一个goroutine读一个channel的时候，就被阻塞住了，直到另一个goroutine向这个channel写入信息。这个特性也常被用于synchronization。
声明一个channel ,类型为int。
c := make(chan int)
向channel写入值
c <- 1
读取channel的值并用于初始化a
a := <- c
另外有带缓冲的channel:
buff := make(chan int, 10)
向buff写入数据不会阻塞，但当写满10个时，就会被阻塞住，直到buff的数据被读取，可视为一个带长度限制的队列。
channel的用处简单明了，任何需要线程之间交换传递数据的地方都可以用到channel。下面一个简单的例子，最能说明channel的简单和强大。
想象一个场景，若干只老鼠依次排开，最右边的老鼠向它左边的老鼠说一句话，左边的老鼠听到后，又传给它左边的老鼠，直到最左边的老鼠知道了这句话。这个过程可以用下面的代码描述。函数gopher代表一只老鼠，负责将右边听到的信息传给左边。在main函数的循环里面，定了次数1000000，也就是有一百万只老鼠参加了这个游戏，每次循环都make出新的channel，最后，向最右边的channel写入’i am hungry’（也就是left，因为最后left = right），并打印出最左边(mostleft)收到的信息。那么，完成整个过程需要多久呢？在我的虚拟机里面（4g内存，单核），一百万只老鼠花费的时间是12秒，下面的代码编译后直接可运行的，读者可以试着调下循环的次数并观察goroutine的增加对运行时间和机器的影响。
package main
import (
"time"
"fmt"
)
func main() {
tbeg := time.Now()
mostleft := make(chan string)
left := mostleft
for i := 0;i < 1000000;i++ {
right := make(chan string)
go gopher(left, right)
left = right
}
left <- "i am hungry"
fmt.Println(<- mostleft)
cost := time.Now().Sub(tbeg)
fmt.Println(“cost: “, cost)
}
func gopher(left, right chan string) {
left <- <- right //所有的gopher均会被阻塞住直到最右边收到消息
}
由上面的例子可以看出，channel非常适合消息传递的场合，然而，golang被广为流传的有一句话说到：Do not communicate by sharing memory; instead, share memory by communicating.所以，channel应当替代Mutex？？？
我认为，这句话最多只能算做golang宣传的口号，并不能当成实践真理。并发模型的通信机制无非两种，共享内存和消息传递。channel只是作为消息传递的一种实现，并不能说它就比共享内存的做法更先进或者简洁。channel更合适数据传递收发的场景，mutex则适合共享数据读取的场景。
func (t *Worker)loop(c chan string) {
for {
select {
case s := <- c:
t.doSomething(s)
case <- t.stop:
break
}
}
}
上面的例子，守护函数从channel s 或者channel t.stop里面获取消息，select语句用于从多个channel里面选取其一，当某个channel准备好的时候，就跳到那个对应的case。loop函数倾听着两个数据来源，收到数据后进行处理，当t.stop收到消息时，则退出。这种数据传递收发的场景，用起channel来就简洁明了，如果是Mutex的话，则要不断加锁->判断数据是否准备好->解锁->sleep等待，很是麻烦。
而在另外的场景中，则用Mutex最好不过了
// goroutine 1
func update() {
lock.Lock()
html = XXX
lock.Unlock()
}
// goroutine 2
func handler(r Request, w writer) {
lock.Lock()
w.write(html)
lock.Unlock()
}
handler是一个网页访问的处理接口，当收到一个请求的时候，负责返回html，而html的内容会时而更新，由update函数进行处理。这种场景下，用锁是再好不过了，这时候非要share memory by communicating的话也不是不可以，只是会平添复杂的同步逻辑，读者不妨尝试一下，嘻嘻。
讲道理，golang对channel和mutex都支持得很好，所以无谓去争论哪个更好，哪种用起来简洁就用哪种，没必要拘束于其中之一。毕竟白帽黑猫，能最快抓到老鼠的就是更好的猫。
前些日子，一个没注意在项目里弄了一个bug，自己检查检查不出来，最后才知道该加锁的地方忘记加锁了。Don’t be clever，是The Go Memory Model里给的忠告。下面这段代码就是引发bug的地方，在这里列出代码逻辑，既说明下golang语法上一些特性，毕竟talk is cheap，show me the code : )。也借此寻求下读者的意见，是否有更好的方法来重构这段代码，交流交流。
// 需求：有规则集合R，数据库D，每一条规则r需到D拿数据，并判断此条规则是否已经符合。
// 要求：因为R量比较大，且经常变化，需要程序作为daemon循环的跑，实时性要求比较高，所以每跑一次耗费的时间不能太长。
// 最简单的处理办法就是，从R一条条取出规则，然后一条条到D拿数据比对，逻辑非常简单，
// 但是，这样，每一万条规则耗费的时间 > 10 min。不符合要求。
// 所以需要将规则聚合，将相似规则聚合成一条查询sql到D取数据，然后返回。可是聚合怎么聚合呢？
// 每一条规则都有很多属性，如果在主逻辑里面进行聚合，将会使代码不清晰，且若以后增加规则属性，
// 整个规则分类逻辑都要改。所以最好主逻辑还是一条条拿规则，一条条取数据进行判定，这样代码会清晰很多。
// 在这种方法下，每一万条处理时间 < 4s
//被循环调用的函数，主逻辑
func Work() {
result := []Result{}
wait := sync.WaitGroup{}
for r := range R {
wait.Add(1)
//异步IO，输入一条规则，返回对应的数据，然后在callback里面进行判断是否规则已符合
//NodeJS借鉴来的其实，想一条进，一条出，而又想按规则聚合到数据库拿数据，只想到这种方法了。
Select(r,func(r Rule, d Data){
result = append(result, r.Judge(d)) //这里没加锁会导致race conditions
wait.Done()
})
}
Do()
wait.Wait() //等待所有callback都被执行了
doSomething(result)
}
//Select的实现封装，这里可以一条条处理，也可以聚合后再处理，已经对外隐藏了。
func Select(r Rule, f Callback) {
count++
Class.add(r) //按规则属性组合哈希值进行聚合。这里再怎么复杂都没关系了。
go func() {
<- done //必须等待Do()函数被执行，这样getData()才能拿到数据。
f(r, getData(r))
}
}
func Do() {
//do dirty work
//按聚合的规则到D拿数据
...
...
//通知所有Select调用执行callback
for i := 0;i < count;i++ {
done <- true
}
}
原文转自谢培阳的博客
