goroutine池是必选项，因其将无序并发转为可控资源单元，避免OOM和下游超时；核心是带缓冲通道、固定worker数与显式关闭机制，缓冲大小建议设为worker数×3～5。
为什么 goroutine 池不是“锦上添花”，而是“必选项”
当你在微服务中批量处理 HTTP 请求、消费消息队列、或执行数据库写入时，直接用 go f() 启动协程，大概率会在压测或上线后触发 OOM 或下游超时。这不是理论风险——Go 调度器的 G-P-M 模型在 Goroutine 数量远超 P 数量（默认等于 CPU 核心数）时，会加剧全局队列锁竞争；每个 Goroutine 初始栈 2KB，10 万并发就是 200MB 内存，还没算任务本身分配的对象。
goroutine 池的核心价值不是提速，是“可控”。它把并发从无序爆炸变成可配、可监控、可回收的资源单元。
用 channel + fixed workers 实现最小可行池
最简实现只需三要素：带缓冲的 tasks 通道、固定数量的 worker 协程、显式关闭机制。不要用无缓冲 channel，否则 Submit() 会阻塞调用方，违背异步初衷。
-
tasks := make(chan Task, queueSize)—— 缓冲大小建议设为 worker 数 × 3～5，避免任务积压过久又不至于撑爆内存 - worker 启动后必须用
for task := range p.tasks，而非select+case task := ，否则 channel 关闭后 worker 会 panic -
Close()只需close(p.tasks)，不要额外加done通道——range本身已提供退出信号
任务 panic 会导致 worker 退出，必须 recover
一个未捕获的 panic 会让整个 worker 协程终止，WaitGroup 计数不减，后续任务永远卡住。这是生产环境最常踩的坑。
立即学习“go语言免费学习笔记（深入）”；
Colly 是一个用于 Go 语言的快速开源爬取和爬虫框架。它适用于从简单的页面提取到异步爬虫处理大量页面集合，支持请求回调和结构化解析。
worker 内部必须包一层 defer func()：
func (p *Pool) worker() {
defer func() {
if r := recover(); r != nil {
log.Printf("worker panic: %v", r)
}
}()
for task := range p.tasks {
task()
}
}
注意：recover() 只对当前 goroutine 有效，不能跨 worker 捕获；也别试图把 panic 转成 error 返回——worker 的职责是执行，错误应由任务自身处理并上报。
池大小不是越大越好，得看任务类型和依赖瓶颈
设 100 个 worker 并不意味着吞吐翻 100 倍。实际吞吐受制于最慢环节：如果任务主要耗在 MySQL 查询上，worker 数超过数据库连接池大小（如 20），多余协程只是排队等连接；如果是 CPU 密集型，worker 数超过 GOMAXPROCS 反而增加调度开销。
推荐策略：
- I/O 密集型（HTTP 调用、DB 查询）：worker 数 = 数据库连接池大小 × 1.5，上限不超过 50
- CPU 密集型（加解密、图像处理）：worker 数 ≤
GOMAXPROCS，通常设为 CPU 核心数 - 混合型：先按 I/O 瓶颈设初值，再通过 pprof 观察
runtime/pprof.Goroutine和net/http/pprof中的 blocking profile 找真实瓶颈
动态扩缩容听着高级，但在微服务里往往得不偿失——扩缩决策本身就有延迟，且增加复杂度；固定池 + 队列积压告警，更易运维和定位问题。
