使用基准测试评估Go中goroutine的并发性能，通过b.SetParallelism设置并行度，结合RunParallel测量高并发下的吞吐量与执行时间。
测试 Go 中 goroutine 的并发性能，重点在于评估程序在高并发场景下的吞吐量、响应时间和资源消耗。不能只依赖单元测试是否通过，而要结合基准测试（benchmark）、pprof 分析和实际压测手段来综合判断。
使用基准测试（Benchmark）衡量并发性能
Go 的 testing.B 提供了基准测试能力，可以控制并发数并测量执行时间。
示例：测试多个 goroutine 同时执行任务的性能：
func BenchmarkGoroutines(b *testing.B) {
b.SetParallelism(4) // 设置并行度
b.RunParallel(func(pb *testing.PB) {
for pb.Next() {
var wg sync.WaitGroup
for i := 0; i < 10; i++ { // 每次迭代启动 10 个 goroutine
wg.Add(1)
go func() {
time.Sleep(time.Microsecond) // 模拟轻量工作
wg.Done()
}()
}
wg.Wait()
}
})
}运行命令：
go test -bench=BenchmarkGoroutines -count=5
这会输出每次操作耗时、内存分配等数据，帮助你对比不同并发模型的效率。
用 pprof 分析 CPU 和内存开销
高并发下容易出现 CPU 占用过高或内存暴涨，可通过 pprof 定位瓶颈。
立即学习“go语言免费学习笔记（深入）”；
步骤：
- 在代码中导入 net/http/pprof 包并启动 HTTP 服务
- 运行程序后访问 http://localhost:6060/debug/pprof/
- 生成 CPU 或堆栈图：go tool pprof http://localhost:6060/debug/pprof/profile
重点关注：
- goroutine 泄漏（数量持续增长）
- CPU 花费在锁竞争或调度上的时间
- 频繁的内存分配与 GC 压力
模拟真实负载进行压力测试
写一个小型压测工具，观察系统在持续高并发下的表现。
func TestHighLoad(t *testing.T) {
const (
goroutines = 1000
callsPer = 100
)
start := time.Now()
var totalDuration int64
var wg sync.WaitGroup
for i := 0; i < goroutines; i++ {
wg.Add(1)
go func(id int) {
defer wg.Done()
for j := 0; j < callsPer; j++ {
callStart := time.Now()
// 模拟业务逻辑：如请求数据库、调用 API 等
time.Sleep(100 * time.Microsecond)
atomic.AddInt64(&totalDuration, time.Since(callStart).Nanoseconds())
}
}(i)
}
wg.Wait()
elapsed := time.Since(start)
avgCall := time.Duration(totalDuration / (goroutines * callsPer))
t.Logf("完成 %d 并发，总耗时: %v，平均调用耗时: %v", goroutines, elapsed, avgCall)}
这类测试可配合日志输出或 Prometheus 指标收集，观察随并发上升性能的变化趋势。
优化建议与注意事项
提升 goroutine 性能的关键点：
- 避免创建过多无意义的 goroutine，考虑使用 worker pool 控制数量
- 减少共享变量的竞争，优先使用 channel 或局部变量
- 慎用全局锁，尽量缩小临界区范围
- 启用 GOMAXPROCS 充分利用多核 CPU
- 定期做基准回归测试，防止性能退化
基本上就这些。关键是把 benchmark 当作日常开发的一部分，配合 pprof 快速发现问题，再通过压测验证改进效果。
