Go并发编程实战：Channel 还是 Mutex？一个场景驱动的选择框架

Thu, 09 Apr 2026 00:00:00 +0800

“Don’t communicate by sharing memory, share memory by communicating.”

这句话你一定听过。很多 Go 开发者把它当成选型铁律，写并发，先用 Channel。

但 Go 标准库 sync 包里，保护共享状态用的全是 Mutex。sync.Map、sync.Pool、net/http 的连接管理——没有一个用 Channel 做状态保护。

口号是口号，工程是工程。Channel 和 Mutex 的选择从来不是哲学问题，是场景问题。

我跑了一组 benchmark，4 个典型并发场景，Channel 和 Mutex 各自实现，数据说话。

1. 对撞：同一个计数器，谁更快

测试条件：Go 1.26.2，Apple M4 Pro，GOMAXPROCS=8，testing.B 标准框架，-count=3 取均值。

三种方案保护同一个计数器：Mutex 加锁、buffered channel(1) 做令牌、atomic 原子操作：

// Mutex
mu.Lock()
count++
mu.Unlock()

// Channel（buffered 1 做互斥令牌）
ch <- struct{}{}  // 发送成功=拿到令牌
count++
<-ch              // 接收=归还令牌

// Atomic
atomic.AddInt64(&count, 1)

往 ch 发送成功等于拿到令牌，接收等于归还令牌，同一时刻只有一个人能拿到。这就是用 Channel 模拟互斥锁的原理。

方案	ns/op	说明
Atomic	~30	基线，硬件级原子指令
Channel	~97	buffered(1) 做互斥令牌
Mutex	~105	标准 sync.Mutex

低竞争几乎打平，高竞争 Mutex 拉开差距。网上流传的"Mutex 比 Channel 快 75 倍"的说法，测试条件不一样——用的是 unbuffered channel + 额外 goroutine 做中转，相当于拿自行车和高铁比速度，赛道都不同。

把竞争强度拉上去看趋势。固定计数器场景，变化并行 goroutine 数：

并行度	Mutex ns/op	Channel ns/op	差距
1	106	100	Channel 略快
10	100	122	Mutex 快 22%
100	92	130	Mutex 快 41%
1000	94	155	Mutex 快 65%

Mutex 在 10-100 并行度区间 ns/op 波动在测量噪声范围内，整体趋势稳定。

竞争越激烈，Channel 越吃亏。原因是 Channel 每次收发需两次 hchan 内部锁 + buffer copy，vs Mutex 一次锁操作，高竞争下两层开销叠加。而 Mutex 在高竞争时 ns/op 增长更平缓，Go 1.9 引入的饥饿模式减少了无效自旋。

纯计数器和统计累加，atomic 是最快选择，不需要在这两者之间纠结。

2. Mutex 的主场：保护共享状态

缓存是最典型的"保护共享状态"场景：一个 map，90% 读、10% 写。

用 sync.RWMutex 和 Channel 分别实现，同等测试条件。RWMutex 把锁分成读锁和写锁，多个读操作可以同时持有读锁，互不阻塞。

// RWMutex 方案（核心逻辑）
mu.RLock()
v := cache[key]
mu.RUnlock()

// Channel 方案（所有操作串行化到一个 goroutine）
ch <- cacheOp{read, key, resp}
v := <-resp

方案	ns/op
RWMutex	~17.5
Channel	~456

RWMutex 快 26 倍。

差距的根源：RWMutex 允许多个读者并发进入，90% 的读操作几乎零等待。而 Channel 方案把所有操作（包括读）串行化到一个 manager goroutine，你有 8 个核心，但只用了 1 个。需要说明，这是社区最常见的 Channel 缓存写法，不代表 Channel 在此场景的性能上限，但更优的 Channel 实现本质上也在模仿 RWMutex 的读写分离。

这就是"保护共享状态"场景的判断依据：如果你的操作是"读多写少的状态访问"，Mutex（尤其是 RWMutex）才是正解。Channel 在这里不是慢，是用错了工具。标准库的 sync.Map 对读多写少场景有专门优化，值得了解。

高竞争场景下，Mutex 会从正常模式切换到饥饿模式——当等待队列头部的 goroutine 等待超过 1ms 时，运行时将锁直接交给他，跳过自旋。这保证了公平性，但牺牲了吞吐量。（基于 runtime 源码分析，非实测）对大多数业务场景，饥饿模式触发意味着你的锁粒度太大，该拆锁了。

3. Channel 的主场：协调并发流程

工作池和管道，是 Channel 的正确舞台。

工作池的核心逻辑：N 个 worker 从同一个 Channel 取任务，Channel 天然实现了任务分发和负载均衡。

// Channel 工作池（核心逻辑）
jobs := make(chan int, numWorkers*2)
for w := 0; w < numWorkers; w++ {
    go func() {
        for j := range jobs {
            process(j)
        }
    }()
}

用 Mutex+Cond 实现同样的工作池，代码量翻倍，还要手动管理队列和信号通知。性能对比：

方案	ns/op
Channel	~95
Mutex+Cond	~186

Channel 快 2 倍，代码量少一半。 这里的关键区别：工作池不是"保护状态"，是"协调流程"，把任务分发给多个消费者。Channel 的 range 语义天然表达了"有任务就处理，没任务就等着，关了就退出"的完整生命周期。

管道模式同理。多阶段处理（生成→变换→聚合），Channel 连接各阶段，数据自然流动。close(ch) 向下游广播"结束"信号，不需要额外的协调逻辑：

// Channel 管道（核心逻辑）
stage1 := make(chan int, 64)
stage2 := make(chan int, 64)
go func() {           // 变换阶段
    for v := range stage1 { stage2 <- v * 2 }
    close(stage2)
}()
go func() {           // 聚合阶段
    for v := range stage2 { sum += v }
}()

方案	ns/op	说明
Channel Pipeline	~67	多阶段并发，结构清晰
Sequential	~0.22	顺序执行，无调度开销

管道的价值不在纯性能，顺序执行当然更快。管道的价值在结构：多阶段解耦、close 广播结束信号、阶段间自然背压。真实场景中每个阶段有 I/O 延迟（网络请求、文件读写），管道的并发优势才真正发挥。

Channel 通过收发配对约束防止数据竞争，是编译期保证而非运行时约定——忘了 Unlock 不会编译报错，但忘了收发 Channel 会被类型系统拦住。这是 Channel 的正确性优势。

最常见的管道翻车：用 Channel 做请求-响应模式时，如果消费者超时退出，unbuffered 的 resp channel 没人读，发送方永久阻塞——goroutine 泄漏。模拟 50 个请求，10 个超时退出后，goroutine 数从预期的 50 泄漏到 60（10 个发送方永久阻塞）。修复方式：resp channel 用 make(chan int, 1)，发送方不阻塞。

4. 决策树：下次写并发代码前，先问两个问题

从上面 4 个场景提炼出来的判断框架：

两个判断口诀：

“保护状态用锁，协调流程用管道。”

反过来说：拿 Channel 当锁用，大概率用错了；拿 Mutex 做任务队列，大概率写复杂了。

这个二分法是简化模型。真实项目中常见灰色地带：状态机（既保护状态又协调流程）、发布订阅（状态变更通知）、限流器（令牌发放+计数）。如果你的需求里"协调"权重更高（多角色协作、阶段流转），倾向 Channel 为主、Mutex 为辅；如果"保护"权重更高（读写热点数据），Mutex 为主、Channel 做通知。混合场景用 select + Channel 通知 + Mutex 保护状态，不必二选一。

下次写并发代码前，先问自己：你在保护状态，还是在协调流程？想清这一层，选型就不纠结了。

Mutex on 止语Lab

Go并发编程实战：Channel 还是 Mutex？一个场景驱动的选择框架

1. 对撞：同一个计数器，谁更快

2. Mutex 的主场：保护共享状态

3. Channel 的主场：协调并发流程

4. 决策树：下次写并发代码前，先问两个问题