用 Go 实现一个轻量级并发任务调度器(支持限速)

前言

在日常开发中,我们经常会遇到这样的场景:

  • • 有一堆任务要跑(比如:发请求、处理数据、爬虫等)
  • • 不希望一次性全部跑完,担心打爆服务端或者被封
  • • 想要设置并发数、限速,还能控制任务重试、失败记录

那么,能不能用 Go 实现一个"轻量级的并发任务调度器"?------答案是:当然可以!

今天我们就来用 Go 从零实现一个可配置的任务调度器,支持:

  • • 最大并发数控制(worker pool)
  • • 每秒请求速率限制(rate limit)
  • • 简单的失败重试机制
  • • 支持结果收集与错误输出

效果展示

你可以像这样调用我们的调度器:

go 复制代码
scheduler := NewScheduler(5, 10) // 并发 5,速率限制每秒 10 次

for i := 0; i < 100; i++ {
    task := NewTask(func() error {
        // 模拟网络请求或业务逻辑
        fmt.Println("正在处理任务:", i)
        time.Sleep(300 * time.Millisecond)
        return nil
    })
    scheduler.Submit(task)
}

scheduler.Wait()
fmt.Println("全部任务完成")

核心组件设计

1. 任务(Task)

我们将每个任务抽象为一个结构体:

go 复制代码
type Task struct {
    fn   func() error
    retry int
}

2. 调度器(Scheduler)

负责维护任务队列、worker、速率限制器:

go 复制代码
type Scheduler struct {
    tasks       chan *Task
    wg          sync.WaitGroup
    rateLimiter <-chan time.Time
}

实现代码

下面是完整实现(可以直接复制使用):

go 复制代码
type Task struct {
    fn    func() error
    retry int
}

func NewTask(fn func() error) *Task {
    return &Task{fn: fn, retry: 3}
}

type Scheduler struct {
    tasks       chan *Task
    wg          sync.WaitGroup
    rateLimiter <-chan time.Time
}

func NewScheduler(concurrency int, ratePerSecond int) *Scheduler {
    s := &Scheduler{
        tasks:       make(chan *Task, 100),
        rateLimiter: time.Tick(time.Second / time.Duration(ratePerSecond)),
    }

    for i := 0; i < concurrency; i++ {
        go s.worker()
    }

    return s
}

func (s *Scheduler) Submit(task *Task) {
    s.wg.Add(1)
    s.tasks <- task
}

func (s *Scheduler) worker() {
    for task := range s.tasks {
        <-s.rateLimiter // 限速

        err := task.fn()
        if err != nil && task.retry > 0 {
            fmt.Println("任务失败,重试中...")
            task.retry--
            s.Submit(task)
        } else if err != nil {
            fmt.Println("任务最终失败:", err)
        }

        s.wg.Done()
    }
}

func (s *Scheduler) Wait() {
    s.wg.Wait()
    close(s.tasks)
}

实战应用场景

  • • 网络爬虫限速抓取
  • • 批量发送邮件/SMS/请求,防止接口限流
  • • 云服务任务调度、批量自动化操作
  • • 异步数据采集和聚合

总结

Go 的并发模型非常适合处理"海量任务 + 控制速率 + 错误重试"的需求。本篇实现的调度器非常轻量,适合作为基础组件集成到你自己的系统中。

如果你有更多需求,比如:

  • • 增加失败回调
  • • 支持超时控制
  • • 任务优先级
  • • 后台监控 dashboard

欢迎留言交流,我们可以继续升级这个任务调度器!


关注我,带你用 Go 写出更有趣的小工具!

如果你觉得这篇文章对你有帮助,别忘了点赞、收藏、转发哈~

相关推荐
cccc来财21 分钟前
Java实现大根堆与小根堆详解
数据结构·算法·leetcode
Olrookie1 小时前
若依前后端分离版学习笔记(三)——表结构介绍
笔记·后端·mysql
沸腾_罗强1 小时前
Bugs
后端
一条GO1 小时前
ORM中实现SaaS的数据与库的隔离
后端
京茶吉鹿1 小时前
"if else" 堆成山?这招让你的代码优雅起飞!
java·后端
长安不见1 小时前
从 NPE 到高内聚:Spring 构造器注入的真正价值
后端
你我约定有三1 小时前
RabbitMQ--消息丢失问题及解决
java·开发语言·分布式·后端·rabbitmq·ruby
Coovally AI模型快速验证1 小时前
数据集分享 | 智慧农业实战数据集精选
人工智能·算法·目标检测·机器学习·计算机视觉·目标跟踪·无人机
墨尘游子1 小时前
目标导向的强化学习:问题定义与 HER 算法详解—强化学习(19)
人工智能·python·算法
程序视点2 小时前
望言OCR 2025终极评测:免费版VS专业版全方位对比(含免费下载)
前端·后端·github