使用goroutine并发处理图片可提升效率，通过channel控制并发数避免资源耗尽。首先遍历目录筛选图片文件，利用os.ReadDir和文件扩展名过滤；然后创建固定数量worker，通过带缓冲channel作为信号量限制并发，sync.WaitGroup确保所有任务完成。示例代码展示从读取目录、筛选图片到并发处理的完整流程，支持自定义处理逻辑如压缩或转换。核心在于合理控制goroutine数量，平衡性能与资源消耗，适用于大量图片处理场景。
处理目录下所有图片文件时，使用Golang的goroutine可以显著提升处理速度，特别是文件数量多、处理耗时较长的场景。核心思路是遍历目录，对每个图片文件启动一个goroutine进行并发处理，同时通过channel控制并发数量，避免系统资源耗尽。
遍历目录并筛选图片文件
使用 os.ReadDir 遍历指定目录，过滤出常见的图片格式（如 .jpg、.png、.gif 等）。
示例代码：func isImageFile(filename string) bool {
ext := strings.ToLower(filepath.Ext(filename))
return ext == ".jpg" || ext == ".jpeg" || ext == ".png" || ext == ".gif" || ext == ".bmp" || ext == ".webp"
}
<p>func getImagesFromDir(dirPath string) ([]string, error) {
var imageFiles []string
entries, err := os.ReadDir(dirPath)
if err != nil {
return nil, err
}</p><pre class="brush:php;toolbar:false;">for _, entry := range entries {
if !entry.IsDir() && isImageFile(entry.Name()) {
imageFiles = append(imageFiles, filepath.Join(dirPath, entry.Name()))
}
}
return imageFiles, nil
}
使用goroutine并发处理图片
为避免创建过多goroutine导致内存溢出，推荐使用带缓冲的channel作为信号量控制并发数。
示例：并发处理图片，最多5个同时运行func processImagesConcurrently(imageFiles []string, workerCount int) {
var wg sync.WaitGroup
sem := make(chan struct{}, workerCount) // 控制并发数
<pre class="brush:php;toolbar:false;">for _, file := range imageFiles {
wg.Add(1)
go func(filePath string) {
defer wg.Done()
sem <- struct{}{} // 获取信号
defer func() { <-sem }() // 释放信号
// 模拟图片处理（如压缩、加水印、转格式等）
fmt.Printf("处理图片: %s\n", filePath)
time.Sleep(500 * time.Millisecond) // 模拟耗时操作
// 实际处理逻辑可调用 image.Decode 或第三方库
}(file)
}
wg.Wait() // 等待所有任务完成
}
完整可运行示例
将上述逻辑整合，从命令行接收目录路径，然后并发处理所有图片。
立即学习“go语言免费学习笔记（深入）”；
package main
<p>import (
"fmt"
"os"
"path/filepath"
"strings"
"sync"
"time"
)</p><p>func main() {
dirPath := "." // 默认当前目录，可改为 os.Args[1] 接收参数
if len(os.Args) > 1 {
dirPath = os.Args[1]
}</p><pre class="brush:php;toolbar:false;">imageFiles, err := getImagesFromDir(dirPath)
if err != nil {
fmt.Fprintf(os.Stderr, "读取目录失败: %v\n", err)
return
}
if len(imageFiles) == 0 {
fmt.Println("未找到图片文件")
return
}
fmt.Printf("找到 %d 个图片文件，开始并发处理...\n", len(imageFiles))
start := time.Now()
processImagesConcurrently(imageFiles, 5) // 最多5个并发
fmt.Printf("处理完成，耗时: %v\n", time.Since(start))
}
基本上就这些。通过控制worker数量，既能充分利用CPU资源，又不会压垮系统。实际项目中，可以把处理逻辑替换为图像缩放、格式转换或上传操作。不复杂但容易忽略的是信号量和WaitGroup的配合使用。
