Semaphore

现在要完成一个非常简单的任务，给定很多图片的 URL ，将它们下载到本地，你会怎么做？

Sequential

如果你想也不想，就写下了下面这种代码，说明你是一个能干活的程序员，但这并不意味着你是一个优秀的程序员。下面的代码虽然没有什么致命的错误，但是效率非常低，程序运行时 CPU 大部分时间都在等待网络 I/O 而处于空闲状态，导致 CPU 的利用率非常低。

for idx, task := range tasks {
    if err := Do(idx, task); err != nil {
        fmt.Println(err)
    }
}

Parallel

这种完全由相互独立的子任务组成的任务，被称为 embarrassingly parallel ，这种问题可以通过并行的方法提高程序的性能，而且并行程度越高，性能越好，在程序中我们通过添加 go 这个关键字来创建多个 goroutine ，使多个子任务并发执行，以减少网络 I/O 延迟，提高 CPU 的利用率 。

var wg sync.WaitGroup
for idx, task := range tasks {
    wg.Add(1)
    go func(i int, v string) {
        defer wg.Done()
        if err := Do(i, v); err != nil {
            fmt.Println(err)
        }
    }(idx, task)
}
wg.Wait()

Parallel with Semaphore

但是通过创建多个 goroutine 提高并行度从而提高性能的方法有其局限性，例如一次性创建过多的网络连接，超出了进程打开文件的数量限制时，程序就会报错。所以我们需要限制单位时间内并行程序的个数，通过信号量（ semaphore ）来限制并行度。在 golang 中，我们可以使用容量为 n 的 buffered channel 来模拟 counting semaphore ，这样以来在每个子任务执行前需要通过 sem <- struct{}{} 来获取执行许可，如果 sem 通道已满，说明当前已经有n个子任务正在执行，该操作就会阻塞等待，直到通道空闲。当任务执行完成后，使用 <-sem 释放执行许可。

sem := make(chan struct{}, 8) // 8 jobs at once
var wg sync.WaitGroup
for idx, task := range tasks {
    wg.Add(1)
    go func(i int, v string) {
        defer wg.Done()
        sem <- struct{}{}
        if err := Do(i, v); err != nil {
            fmt.Println(err)
        }
        <-sem
    }(idx, task)
}
wg.Wait()
close(sem)