盲目加 goroutine 不仅不提速，反而导致 NumGoroutine 暴涨、GC pause 拉长、HTTP 超时增多；应通过带缓冲 channel 控制并发数量、复用资源、切断阻塞链。
盲目加 go 不仅不提速，反而会让 runtime.NumGoroutine() 暴涨、GC pause 拉长、HTTP 超时变多——真正有效的优化，是控制数量、复用资源、切断阻塞链。
goroutine 数量失控的典型表现
你看到这些现象，基本可以断定是 goroutine 泄漏或滥用：
-
runtime.NumGoroutine()持续上涨，重启后归零但几小时内又破万 - pprof 查
/debug/pprof/goroutine?debug=2显示大量处于select或chan receive状态的 goroutine - GC 频率明显升高，
runtime.malg在 CPU profile 里占比异常高 - 服务内存 RSS 持续增长，但 heap profile 里对象数没同步涨（说明栈和调度元数据在吃内存）
根本原因不是“协程太重”，而是每创建一个 goroutine，都要走 runtime.newproc 注册、分配初始栈、插入 P 本地队列——高频调用下，这三步叠加比单个 2KB 栈更伤。
用带缓冲 channel 做信号量，别碰 sync.Mutex 控制并发
用 sync.Mutex + 计数器来限并发，本质是把调度压力转嫁成锁竞争，尤其在高 QPS 场景下容易卡住 P。正确做法是用 channel 模拟信号量：
立即学习“go语言免费学习笔记（深入）”；
sem := make(chan struct{}, 10) // 最多 10 个并发
for _, item := range items {
sem <- struct{}{} // 阻塞直到有空位
go func(i Item) {
defer func() { <-sem }() // 必须放 defer，确保释放
process(i)
}(item)
}注意三点：
- 缓冲大小建议设为
2 * runtime.NumCPU()起步，压测后再调；设太小，sender 频繁阻塞；设太大，失去限流意义 - 不要在循环里直接
go process(item)—— 闭包捕获循环变量会导致所有 goroutine 处理同一个item - 如果
process()可能 panic，必须在 goroutine 内部加recover，否则永远不执行，信号量永久泄漏
worker pool 是高频短任务的唯一解
每秒启动上千 goroutine 的 HTTP handler 或消息解析逻辑，必须换成固定 worker 池。裸写 go f() 的瓶颈从来不是栈大小，而是调度注册与 GC 扫描压力。
最小可行实现只需四步：
- 启动固定数量 worker：
for i := 0; i - 任务 channel 必须带缓冲：
taskCh := make(chan func(), 32)（worker 数的 4 倍） - worker 内部用
for-select持续取任务，且必须包recover - 提交任务时只发函数闭包：
taskCh ，别传大结构体（避免逃逸）
别指望 sync.Pool 复用 goroutine——它只能缓存对象，不能缓存协程本身。但它对 bytes.Buffer、JSON 解析器这类高频堆分配对象极有效，Pool.Get() 后务必检查 nil 并重置状态（如 b.Reset()）。
context 要贯穿到底，否则超时和取消就是摆设
哪怕用了 worker pool 或信号量，只要 I/O 操作没接 ctx，整个链路就不可中断。常见失效场景：
-
http.Client.Do(req)没换Do(req.WithContext(ctx)) -
db.QueryRow("SELECT ...")没换QueryRowContext(ctx, ...) - 自定义 channel 操作写死
<-ch，没套select { case x := <-ch: ... case <-ctx.Done(): ... }
所有对外依赖必须响应 ctx.Done()，否则一个慢请求会拖住整个 worker，进而让信号量耗尽、新请求排队等待——表面看是并发不足，实则是阻塞未释放。
最易被忽略的一点：goroutine 生命周期和上下文生命周期必须对齐。启动 goroutine 时传入的 ctx，不能是某个 handler 临时生成的、随 request 结束就 cancel 的，而应来自统一的顶层 context（比如 eg.WithContext(ctx) 或自定义 long-lived ctx）。否则 worker 刚启动就被 cancel，任务永远得不到执行。
