Go语言实战案例:使用Pipeline实现数据处理流水线

在并发编程中，"流水线（Pipeline）"是一种常见的设计模式，它将一个复杂任务拆解为多个独立步骤，由多个协程并行处理并通过通道传递数据。Go语言天生支持这种模型，能显著提高数据处理的性能和可读性。

本文将通过一个实际案例，带你快速掌握如何使用 Go 实现一个简洁而高效的数据处理流水线。

---

一、什么是 Pipeline？

Pipeline 本质上是多个任务的串联，每个任务在独立的协程中运行，并通过 channel 将数据传递给下一个阶段。好处是：

• • 易于解耦，每个阶段职责单一；
• • 利用并发，提高处理效率；
• • 易于扩展，插拔式维护。

---

二、实战案例：构建整数平方处理流水线

需求说明：

我们希望实现如下的数据处理过程：

1. 1. 生成器阶段：生成一批整数；
2. 2. 处理阶段：对每个整数求平方；
3. 3. 汇总阶段：打印处理结果。

每个阶段在独立的 goroutine 中完成，并通过 channel 串联。

---

三、完整代码示例：

package main

import (
    "fmt"
)

// Stage 1: 生成器
func generator(nums ...int) <-chan int {
    out := make(chan int)
    go func() {
        for _, n := range nums {
            out <- n
        }
        close(out)
    }()
    return out
}

// Stage 2: 处理器（求平方）
func square(in <-chan int) <-chan int {
    out := make(chan int)
    go func() {
        for n := range in {
            out <- n * n
        }
        close(out)
    }()
    return out
}

// Stage 3: 输出阶段
func printResults(in <-chan int) {
    for n := range in {
        fmt.Println("结果:", n)
    }
}

func main() {
    // 构建流水线
    gen := generator(1, 2, 3, 4, 5)
    sq := square(gen)
    printResults(sq)
}

---

四、运行结果：

结果: 1
结果: 4
结果: 9
结果: 16
结果: 25

---

五、流水线结构图（逻辑上）

[Generator] --> [Square] --> [Print]
     |              |          |
    goroutine     goroutine   主线程

---

六、进阶优化：并发多路处理

你还可以通过多个 square 协程对输入并行处理，然后合并结果。

func merge(cs ...<-chan int) <-chan int {
    out := make(chan int)
    var wg sync.WaitGroup

    output := func(c <-chan int) {
        for n := range c {
            out <- n
        }
        wg.Done()
    }

    wg.Add(len(cs))
    for _, c := range cs {
        go output(c)
    }

    go func() {
        wg.Wait()
        close(out)
    }()
    return out
}

使用示例：

in := generator(1, 2, 3, 4, 5, 6)
c1 := square(in)
c2 := square(in) // 注意不能重复消费同一个channel
// 正确方式是广播in的内容到多个square协程

// 这里只是示意，如果需要并发执行 square，需用 fan-out + fan-in 模式

---

七、总结

Pipeline 是 Go 中非常优雅的并发设计模型，具有以下优势：

✅ 简洁直观，符合处理流程思维

✅ 利用协程和通道，实现高并发数据流

✅ 模块化结构，易于调试与扩展

---

八、最佳实践建议

• • 每个 stage 尽可能保持职责单一；
• • 注意关闭通道避免资源泄漏；
• • 避免重复读取一个 channel（可以用广播或缓存）；
• • 使用 context 加入取消机制，控制生命周期（结合前一篇博客一起使用更佳）。

---

后续我们还将介绍如何在流水线中引入错误处理、中间缓存、任务超时等机制，打造更鲁棒的并发数据处理系统。

---