为什么 time.Ticker 在万级定时任务下会吃光内存
因为每个 time.Ticker 实例背后都持有一个独立的 goroutine + channel + timer 结构，不是轻量对象。10,000 个 time.NewTicker(1 * time.Second)，实际会创建上万个活跃 goroutine 和等量的 runtime.timer 节点，GC 压力陡增，内存占用线性上涨——这不是泄漏，是设计使然。
常见错误现象：runtime: out of memory、pprof 显示大量 runtime.timer 占用 heap、goroutine 数稳定在数万级别且不下降。
- 适用场景：需要为大量连接/设备/租户各自维护一个周期性动作（如心跳检测、状态刷新、过期清理），但周期未必完全一致
- 别硬套
time.Ticker：它适合“全局统一节奏”，不适合“千人千频” - 兼容性无问题：标准库无依赖，纯 Go 实现即可替代
用 hashicorp/go-timerwheel 替代时要注意的三件事
这个库是目前最贴近生产需求的时间轮实现，但默认配置和误用方式极易翻车。
- 轮子大小（
tick和size）必须按最大容忍延迟反推：比如业务允许 ±200ms 偏差，就设tick = 100 * time.Millisecond，size = 64或128；设太大浪费内存，太小导致槽位冲突、插入退化为链表遍历 -
TimerWheel.ScheduleFunc()返回的*timerwheel.Timer必须显式.Stop()，否则底层 slot 槽位不会释放，长期运行后内存只增不减 - 不要在
func回调里做同步阻塞操作（如 HTTP 调用、数据库查询）：时间轮调度线程是单 goroutine，卡住会导致后续所有定时器集体延迟
自己手写简易分层时间轮的关键取舍点
如果不想引入第三方、又不愿被 go-timerwheel 的泛型或生命周期管理绊住，可以写一个两级轮（毫秒级粗粒度 + 微秒级细粒度），但必须守住三条线：
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
立即学习“go语言免费学习笔记（深入）”；
- 第一层轮（如 64 槽 × 50ms）只存「未来 3.2 秒内」的任务；超出的扔进第二层（用
heap.Interface维护最小堆），避免单轮过大 - 所有定时器对象必须复用：用
sync.Pool管理timerEntry结构体，禁止每次new - 停止逻辑要能穿透两层：
Stop()不仅从当前槽移除，还要检查是否在堆里，否则残留任务会在某次 tick 后诡异触发
示例关键判断：if t.nextAt.Before(time.Now().Add(wheel.tick)) { heap.Push(&secondLayer, t) }
调试时怎么确认时间轮真正在省内存
不能只看 RSS，得看 runtime 底层指标和分配模式。
- 用
runtime.ReadMemStats对比：重点关注Mallocs（每秒新分配对象数）和NumGoroutine—— 正常应稳定在个位数，而非随定时器数量增长 - pprof 查
go tool pprof http://localhost:6060/debug/pprof/heap，过滤timerwheel或你自定义的结构体名，确认没有重复出现的 slice 或 map 实例 - 加一行日志：
log.Printf("wheel slots used: %d / %d", wheel.usedSlots(), wheel.size)，如果长期 > 80%，说明size设小了或任务分布太集中
真正难的是任务动态增删下的槽位碎片——轮子不会自动压缩，得靠定期 rehash 或预估峰值来预留余量
