本文小编为大家详细介绍“怎么利用Golang泛型提高编码效率”,内容详细,步骤清晰,细节处理妥当,希望这篇“怎么利用Golang泛型提高编码效率”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。
虽然标准库里面已经提供了大量的工具函数,但是这些工具函数都没有使用泛型实现,为了提高使用体验,我们可以使用泛型进行实现。
比如数值算法里很经典的math.Max()
、math.Min()
都是float64
类型的,但是很多时候我们使用的是int
、int64
这些类型,在Golang引入泛型之前,我们经常像下面这样根据类型实现,产生大量模板代码:
func MaxInt(a, b int) int { if a > b { return a } return b } func MaxInt64(a, b int64) int64 { if a > b { return a } return b } // ...其他类型
而使用泛型则我们只需要一个实现:
func Max[T constraints.Ordered](a, b T) T { if a > b { return a } return b }
其中constraints.Ordered
表示可排序类型,也就是可以使用三路运算符的类型[>, =, <]
,包含了所有数值类型和string
。可以通过go get golang.org/x/exp
引入。
代码地址
其他的像json解析、参数校验、slices等也可以通过泛型进行实现。
Golang自带的泛型容器有slices和map,这两个数据结构其实可以完成大部分工作了,但是有时候我们可能还需要其他的数据结构,比如说优先级队列、链表等。
虽然Golang在container
包下有heap
、list
和ring
三个数据结构,但说实话使用起来不是很方便,特别是元素类型全是interface{}
,使用这些结构就需要各种类型转换。因此我们可以简单的拷贝这些代码,然后使用泛型进行改造,比如heap:
我们不但使用泛型进行实现,还把heap默认改为使用slice是实现,这样只需要实现一个LessFunc,而不是5个。
package heap type LessFunc[T any] func(e1 T, e2 T) bool type Heap[T any] struct { h []T lessFunc LessFunc[T] } func New[T any](h []T, lessFunc LessFunc[T]) *Heap[T] { heap := &Heap[T]{ h: h, lessFunc: lessFunc, } heap.init() return heap } // 移除堆顶元素 func (h *Heap[T]) Pop() T { n := h.Len() - 1 h.swap(0, n) h.down(0, n) return h.pop() } // 获取堆顶元素 func (h *Heap[T]) Peek() T { return h.h[0] } // 添加元素到堆 func (h *Heap[T]) Push(x T) { h.push(x) h.up(h.Len() - 1) }
代码地址
其他的数据结构还包括list、set、pqueue等。
在后台业务代码里面,我们经常会有很多个业务处理函数,每个业务处理函数我们基本都会通过一些代码封装成一个HTTP接口,这里其实基本上都是模板代码,比如说对于一个使用gin实现的HTTP
服务,每个接口我们都需要进行以下处理:
指定HTTP方法、URL
鉴权
参数绑定
处理请求
处理响应
可以发现,参数绑定、处理响应几乎都是一样模板代码,鉴权也基本上是模板代码(当然有些鉴权可能比较复杂)。
因此我们可以编写一个泛型模板,把相同的部分抽取出来,用户只需要实现不同接口有差异的指定HTTP方法、URL和处理请求逻辑即可:
// 处理请求 func do[Req any, Rsp any, Opt any](reqFunc ReqFunc[Req], serviceFunc ServiceFunc[Req, Rsp], serviceOptFunc ServiceOptFunc[Req, Rsp, Opt], opts ...Opt) gin.HandlerFunc { return func(c *gin.Context) { // 参数绑定 req, err := BindJSON[Req](c) if err != nil { return } // 进一步处理请求结构体 if reqFunc != nil { reqFunc(c, req) } var rsp *Rsp // 业务逻辑函数调用 if serviceFunc != nil { rsp, err = serviceFunc(c, req) } else if serviceOptFunc != nil { rsp, err = serviceOptFunc(c, req, opts...) } else { panic("must set ServiceFunc or ServiceFuncOpt") } // 处理响应 ProcessRsp(c, rsp, err) } }
这样,现在一个接口基本上只需要一行代码即可实现(不包括具体业务逻辑函数):
// 简单请求,不需要认证 e.GET("/user/info/get", ginrest.Do(nil, GetUserInfo)) // 认证,绑定UID,处理 reqFunc := func(c *gin.Context, req *UpdateUserInfoReq) { req.UID = GetUID(c) } // 这里拆多一步是为了显示第一个参数是ReqFunc e.POST("/user/info/update", Verify, ginrest.Do(reqFunc, UpdateUserInfo))
代码地址,实现了一个基于gin的RESTful风格模板。
Golang标准库自带了一个线程安全、高性能、还能够根据对象热度自动进行释放的对象池sync.Pool
,然而作为对象池,我们一般只会往里面放一种类型的对象,但sync.Pool
里面的元素还是interface{}
类型,因此我们可以简单的封装sync.Pool
,让它里面的元素有具体类型:
这里其实就是简单的对象sync.Pool
进行包装,然后添加了一个ClearFunc()
在回收对象的时候进行一些清理操作,比如说byte切片
我们需要让它的已用长度归零(容量还是不变)。
// 创建新对象 type NewFunc[T any] func() T // 清理对象 type ClearFunc[T any] func(T) T type Pool[T any] struct { p sync.Pool clearFunc ClearFunc[T] } func New[T any](newFunc NewFunc[T], clearFunc ClearFunc[T]) *Pool[T] { if newFunc == nil { panic("must be provide NewFunc") } p := &Pool[T]{ clearFunc: clearFunc, } p.p.New = func() any { return newFunc() } return p } // 获取对象 func (p *Pool[T]) Get() T { return p.p.Get().(T) } // 归还对象 func (p *Pool[T]) Put(t T) { if p.clearFunc != nil { t = p.clearFunc(t) } p.p.Put(t) }
作为字节数组对象池使用:
newFunc := func() []byte { return make([]byte, size, cap) } clearFunc := func(b []byte) []byte { return b[:0] } p := New(newFunc, clearFunc) bytes := p.Get() // 这里bytes类型是[]byte p.Put(bytes)
代码地址
对于缓存也是同理,目前大部分缓存库的实现都是基于interface{}
或者是byte[]
,但是我们还是更加喜欢直接操作具体类型,因此我们可以自己使用泛型实现(或改造)一个缓存库。我自己也实现了一个泛型缓存策略库,里面包含LRU、LFU、ARC、NearlyLRU、TinyLFU等缓存策略。
读到这里,这篇“怎么利用Golang泛型提高编码效率”文章已经介绍完毕,想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会,如果想了解更多相关内容的文章,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。