答案：Go通过接口和切片实现观察者模式，支持事件驱动解耦。定义Observer与Subject接口，用EventBus管理订阅并通知，结合具体观察者如Logger、Notifier响应事件，可扩展异步、并发安全等优化机制。
在 Golang 中实现观察者模式（Observer Pattern）是一种常见的解耦手段，适用于事件驱动系统、状态变更通知等场景。通过“订阅-发布”机制，可以让多个观察者监听某个主体的变化，而无需主体直接依赖这些观察者。
观察者模式的基本结构
观察者模式包含两个核心角色：
- Subject（被观察者）：维护一组观察者，状态变化时通知它们。
- Observer（观察者）：注册到 Subject，接收更新通知。
在 Go 中，我们可以利用接口和切片来实现这一模式，无需复杂的类继承。
使用接口定义观察者契约
先定义 Observer 和 Subject 接口，确保松耦合：
立即学习“go语言免费学习笔记（深入）”；
type Event string
type Observer interface {
Update(Event)
}
type Subject interface {
Register(Observer)
Deregister(Observer)
Notify(Event)
}
这里用 Event 表示触发的事件类型（如 "user.login"），Observer 只需实现 Update 方法即可响应事件。
实现一个具体的事件中心
我们可以构建一个简单的事件总线（EventBus），作为中心化的 Subject：
Golang Uber Dig
下载
使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器，提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象，支持命名依赖等
type EventBus struct {
observers []Observer
}
func (bus *EventBus) Register(obs Observer) {
bus.observers = append(bus.observers, obs)
}
func (bus *EventBus) Deregister(obs Observer) {
for i, o := range bus.observers {
if o == obs {
bus.observers = append(bus.observers[:i], bus.observers[i+1:]...)
break
}
}
}
func (bus *EventBus) Notify(event Event) {
for _, obs := range bus.observers {
obs.Update(event)
}
}
这个 EventBus 支持动态注册与注销，并在事件发生时广播给所有订阅者。
编写具体观察者处理逻辑
比如我们有两个业务需求：记录日志和发送通知：
type Logger struct{}
func (l *Logger) Update(event Event) {
fmt.Printf("[LOG] 事件触发: %s\n", event)
}
type Notifier struct{}
func (n *Notifier) Update(event Event) {
fmt.Printf("[NOTIFY] 正在处理事件: %s\n", event)
}
这两个结构体都实现了 Observer 接口，可以被注册进 EventBus。
实际使用示例
在 main 函数中组合使用：
func main() {
bus := &EventBus{}
logger := &Logger{}
notifier := &Notifier{}
bus.Register(logger)
bus.Register(notifier)
bus.Notify("user.login") // 所有观察者都会收到通知
bus.Deregister(notifier)
bus.Notify("config.updated") // 只有 logger 会收到
}
输出结果：
[LOG] 事件触发: user.login [NOTIFY] 正在处理事件: user.login [LOG] 事件触发: config.updated进阶优化建议
在生产环境中，可考虑以下改进：
- 使用 goroutine 异步通知，避免阻塞主流程。
- 引入 sync.RWMutex 保证并发安全。
- 支持按事件类型过滤，实现更细粒度的订阅机制。
- 使用 channel 替代切片，构建基于消息队列的事件系统。
基本上就这些。Golang 没有内置事件系统，但凭借其简洁的接口和并发模型，实现一个轻量级观察者模式非常自然且高效。
