使用 channel 汇聚协程结果，通过定义 Result 结构体统一返回格式，启动多个协程将数据写入 resultCh，主协程循环接收并聚合结果，最终合并为 aggregated 切片。
在高并发场景下，Golang 的协程（goroutine）和通道（channel）机制非常适合用来并行获取数据并进行聚合处理。实现多协程数据聚合的关键在于：合理划分任务、使用 channel 汇总结果、避免资源竞争，并控制并发数量。下面是一个实用的实践方案。
1. 使用 channel 汇聚协程结果
每个协程完成任务后，将结果发送到一个公共的 channel 中，主协程从该 channel 读取所有数据并进行合并。
定义一个结果结构体来统一返回格式：
type Result struct {
Data []string
Err error
}
启动多个协程执行任务，结果通过 resultCh 传出：
resultCh := make(chan Result, 3)go func() { data, err := fetchDataFromSourceA() resultCh <- Result{Data: data, Err: err} }()
go func() { data, err := fetchDataFromSourceB() resultCh <- Result{Data: data, Err: err} }()
go func() { data, err := fetchDataFromSourceC() resultCh <- Result{Data: data, Err: err} }()
主协程接收所有结果：
var aggregated []string
for i := 0; i < 3; i++ {
result := <-resultCh
if result.Err != nil {
log.Printf("task failed: %v", result.Err)
continue
}
aggregated = append(aggregated, result.Data...)
}
2. 控制并发数防止资源耗尽
当任务数量较大时，直接起万级协程会导致系统负载过高。可使用带缓冲的 channel 实现信号量机制，限制最大并发数。
semaphore := make(chan struct{}, 10) // 最多 10 个并发
var wg sync.WaitGroup
resultCh := make(chan Result, len(tasks))
for _, task := range tasks {
wg.Add(1)
go func(t Task) {
defer wg.Done()
semaphore <- struct{}{} // 获取许可
defer func() { <-semaphore }() // 释放许可
data, err := processTask(t)
resultCh <- Result{Data: data, Err: err}
}(task)}
// 所有任务启动后关闭 resultCh
go func() {
wg.Wait()
close(resultCh)
}()
// 主协程收集结果
var aggregated []string
for result := range resultCh {
if result.Err == nil {
aggregated = append(aggregated, result.Data...)
}
}
3. 超时控制与错误处理
长时间阻塞会影响整体性能，建议加入 context 超时控制。
ctx, cancel := context.WithTimeout(context.Background(), 3*time.Second) defer cancel()
go func() { time.Sleep(4 * time.Second) // 模拟慢请求 select { case resultCh <- Result{Err: errors.New("timeout")}: case <-ctx.Done(): } }()
und(), 3*time.Second)
defer cancel()
主逻辑监听 ctx.Done() 可提前退出：
select {
case result := <-resultCh:
// 处理结果
case <-ctx.Done():
return nil, ctx.Err()
}
4. 实际应用场景示例
比如从多个 API 接口拉取用户信息并合并：
- 每个协程调用一个微服务接口
- 结果统一写入 channel
- 主流程等待全部返回或超时
- 对成功结果做去重、排序等聚合操作
这种方式显著提升响应速度，尤其适用于网关层聚合数据返回给前端。
基本上就这些。核心是利用 channel 解耦生产和消费，配合 sync.WaitGroup 和 context 实现安全、可控的并发聚合。不复杂但容易忽略错误处理和限流。实际项目中可封装成通用 worker pool 模式复用。
