基本上，我正在尝试使用 goroutines 编写并发站点地图爬虫。一个站点地图可以包含指向多个站点地图的链接，这些站点地图可以包含指向其他站点地图等的链接。

现在，这是我的设计:

worker:
     - receives url from channel
     - processesUrl(url)
processUrl:
     for each link in lookup(url):
         - if link is sitemap:
                channel <- url
           else:
               print(url)
main:
    - create 10 workers
    - chanel <- root url

问题是 worker 在 processUrl() 完成之前不会接受来自 channel 的新 url，并且 processUrl 在 worker 从 channel 接受新 url 之前不会完成，如果它正在向 channel 添加 url .我可以使用什么并发设计将 url 添加到没有 channel 且没有忙等待或不等待 channel <- url 的任务队列中？

如果有帮助，这里是实际代码:

func (c *SitemapCrawler) worker() {
    for {
        select {
        case url := <-urlChan:
            fmt.Println(url)
            c.crawlSitemap(url)
        }
    }
}
func crawlUrl(url string) {
    defer crawlWg.Done()
    crawler := NewCrawler(url)
    for i := 0; i < MaxCrawlRate*20; i++ {
        go crawler.worker()
    }
    crawler.getSitemaps()
    pretty.Println(crawler.sitemaps)
    crawler.crawlSitemaps()
}
func (c SitemapCrawler) crawlSitemap(url string) {
    c.limiter.Take()
    resp, err := MakeRequest(url)
    if err != nil || resp.StatusCode != 200 {
        crawlWg.Done()
        return
    }
    var resp_txt []byte
    if strings.Contains(resp.Header.Get("Content-Type"), "html") {
        crawlWg.Done()
        return
    } else if strings.Contains(url, ".gz") || resp.Header.Get("Content-Encoding") == "gzip" {
        reader, err := gzip.NewReader(resp.Body)
        if err != nil {
            crawlWg.Done()
            panic(err)
        } else {
            resp_txt, err = ioutil.ReadAll(reader)
            if err != nil {
                crawlWg.Done()
                panic(err)
            }
        }
        reader.Close()
    } else {
        resp_txt, err = ioutil.ReadAll(resp.Body)
        if err != nil {
            //panic(err)
            crawlWg.Done()
            return
        }
    }
    io.Copy(ioutil.Discard, resp.Body)
    resp.Body.Close()

    d, err := libxml2.ParseString(string(resp_txt))
    if err != nil {
        crawlWg.Done()
        return
    }
    results, err := d.Find("//*[contains(local-name(), 'loc')]")
    if err != nil {
        crawlWg.Done()
        return
    }
    locs := results.NodeList()
    printLock.Lock()
    for i := 0; i < len(locs); i++ {
        newUrl := locs[i].TextContent()
        if strings.Contains(newUrl, ".xml") {
            crawlWg.Add(1)
            //go c.crawlSitemap(newUrl)
            urlChan <- newUrl
        } else {
            fmt.Println(newUrl)
        }
    }
    printLock.Unlock()

    crawlWg.Done()
}

最佳答案

当 channel 没有缓冲时，对 channel 的写操作是阻塞的。

创建缓冲 channel :

urlChan := make(chan string, len(allUrls))

但是，当此 channel 已满时，写操作将再次阻塞。

或者，您可以使用开关。当写入“失败”时，它将立即下降到默认值

select {
case urlChan <- url:
    fmt.Println("received message")
default:
    fmt.Println("no activity")
}

要在写入 channel 时超时，请执行以下操作

select {
case urlChan <- url:
    fmt.Println("received message")
case <-time.After(5 * time.Second):
    fmt.Println("timed out")
}

或者最后把write事件放到一个单独的go channel中

func write() {
    urlChan <- url
}

go write()

关于go - 如何从从该 channel 接收数据的 goroutine 添加一个对象到该 channel ？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47826429/