答案：Golang中并发数据聚合推荐使用channel与WaitGroup组合，通过分治思想将数据分块并行处理，各goroutine将结果发送至channel，主协程归并结果，确保安全高效；示例包括固定数量任务求和、动态任务结合WaitGroup等待及谨慎使用Mutex保护共享变量，核心原则是解耦与避免瓶颈。
在Golang中实现并发数据聚合，关键在于合理利用goroutine和channel，同时保证数据安全。下面介绍几种常见且高效的方法来完成这一任务。
使用Channel进行结果收集
通过channel将多个goroutine的计算结果汇总到主协程，是最常见的做法。每个子任务完成后将结果发送到channel，主协程等待所有结果并进行聚合。
示例：对多个数据块求和
func aggregateSum(data []int) int {
chunkSize := len(data) / 4
resultChan := make(chan int, 4)
for i := 0; i < len(data); i += chunkSize {
end := i + chunkSize
if end > len(data) {
end = len(data)
}
go func(subData []int) {
sum := 0
for _, v := range subData {
sum += v
}
resultChan <- sum
}(data[i:end])
}
total := 0
for i := 0; i < 4; i++ {
total += <-resultChan
}
return total}
立即学习“go语言免费学习笔记（深入）”；
结合WaitGroup控制协程生命周期
当任务数量不确定或需要更精确的同步时，sync.WaitGroup比固定channel接收次数更灵活。它能确保所有goroutine执行完毕后再继续主流程。
说明：
- 在启动每个goroutine前调用Add(1)
- 每个goroutine结束时执行Done()
- 主协程调用Wait()阻塞直到全部完成
func aggregateWithWaitGroup(data [][]int) int {
var wg sync.WaitGroup
resultChan := make(chan int, len(data))
for _, chunk := range data {
wg.Add(1)
go func(sub []int) {
defer wg.Done()
sum := 0
for _, v := range sub {
sum += v
}
resultChan <- sum
}(chunk)
}
go func() {
wg.Wait()
close(resultChan)
}()
total := 0
for sum := range resultChan {
total += sum
}
return total}
立即学习“go语言免费学习笔记（深入）”；
使用Mutex保护共享状态（谨慎使用）
虽然不推荐频繁使用共享变量配合mutex做聚合（容易出错且性能较低），但在某些场景下仍可接受。
注意点：
- 只在必要时使用，避免成为性能瓶颈
- 锁的粒度要小，尽快释放
- 不要在锁内执行阻塞操作
func aggregateWithMutex(data [][]int) int {
var mu sync.Mutex
var total int
var wg sync.WaitGroup
for _, chunk := range data {
wg.Add(1)
go func(sub []int) {
defer wg.Done()
sum := 0
for _, v := range sub {
sum += v
}
mu.Lock()
total += sum
mu.Unlock()
}(chunk)
}
wg.Wait()
return total}
立即学习“go语言免费学习笔记（深入）”；
基本上就这些。优先推荐channel+WaitGroup组合方式，结构清晰、安全高效。避免过度使用共享变量，保持Goroutine之间解耦。并发聚合的核心是“分治+归并”，设计时围绕这个思路展开即可。
