器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，因此我们可以考 为渐近复杂度分析（asymptotic complexity analysis），简称复杂度分析。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应时间复杂度（time complexity）和空间复杂度（space complexity）。 ‧“随 。 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，因此我们可以考 asymptotic complexity analysis」，简称「复杂度分析」。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应「时间复杂度 time complexity」和「空间复杂度 space complexity」。 ‧ 。 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

在各种机器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 更少；而输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，我们可以考虑仅 asymptotic complexity analysis」，简称「复杂度分析」。 复杂度分析体现算法运行所需的时间（空间）资源与输入数据大小之间的关系。它描述了随着输入数据大小 的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应「时间复杂度 time complexity」和「空间复杂度 space complexity」。 ‧ 。 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以克服实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

着我们需要在各种 机器上进行测试，而这是不现实的。 展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，输入数据量较小时， 算法 A 的运行时间可能短于算法 B；而输入数据量较大时，测试结果可能相反。因此，为了得到有说服力的 结论，我们需要测试各种规模的输入数据，这样需要占用大量的计算资源。 理论估算 由于实际测试具有较大的局限性，我们可以考虑仅通过一些计算来评估算法的效率。这种估算方法被称为 如果你对复杂度分析的概念仍感到困惑，无需担心，我们会在后续章节详细介绍。 2.1.3. 复杂度分析重要性 复杂度分析为我们提供了一把评估算法效率的“标尺”，告诉我们执行某个算法所需的时间和空间资源，并使 我们能够对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为第一章的内容。然而，当我们讨论某个数据结构或算 复杂度也是非常重要的。 2.4. 小结 算法效率评估 ‧ 时间效率和空间效率是评价算法性能的两个关键维度。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 2. 复杂度 hello‑algo.com 36 ‧ 复杂度分析可以克服实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂

试，统计 平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，因此我们可以考 为渐近复杂度分析（asymptotic complexity analysis），简称复杂度分析。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应时间复杂度（time complexity）和空间复杂度（space complexity）。 ‧“随 。 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

们在上例中使用fmt标准库中的Println函数，则不同协程的打印可能会交织在 一起。（虽然对此例来说，交织的概率很低。） 并发同步（concurrency synchronization） 不同的并发计算可能共享一些资源，其中共享内存资源最为常见。 在一个并发 程序中，常常会发生下面的情形： 在一个计算向一段内存写数据的时候，另一个计算从此内存段读数据，结 果导致读出的数据的完整性得不到保证。 在一个计算向一段内存写数 在一个计算向一段内存写数据的时候，另一个计算也向此段内存写数据， 结果导致被写入的数据的完整性得不到保证。 这些情形被称为数据竞争（data race）。并发编程的一大任务就是要调度不同 计算，控制它们对资源的访问时段，以使数据竞争的情况不会发生。 此任务常 称为并发同步（或者数据同步）。Go支持几种并发同步技术，这些并发同步技 术将在后面的章节中逐一介绍。 并发编程中的其它任务包括： 决定需要开启多少计算； 18开始，Go开始支持自定义泛型类型（和函数）。 一个泛型类型必须 被实例化才能被用做值类型。 一个泛型类型是一个定义类型；它的实例化类型为具名类型。具名类型将在下 一节解释。 自定义泛型中的另外两个重要的概念为类型约束（constarint）和类型参数 （type parameter）。 本书不详细阐述自定义泛型。关于如何声明和使用泛型类型和函数，请阅读 《Go自定义泛型101》 。 概念：具名类型和无名类型（named

ntln函数，则不同协程的打印可能会 交织在一起。（虽然对此例来说，交织的概率很低。） 并发同步（concurrency synchronization） 不同的并发计算可能共享一些资源，其中共享内存资源最为常见。 在一个并 发程序中，常常会发生下面的情形： 在一个计算向一段内存写数据的时候，另一个计算从此内存段读数据，结 果导致读出的数据的完整性得不到保证。 在一个计算向一段内存写数据的时候，另一个计算也向此段内存写数据， 在一个计算向一段内存写数据的时候，另一个计算也向此段内存写数据， 结果导致被写入的数据的完整性得不到保证。 这些情形被称为数据竞争（data race）。并发编程的一大任务就是要调度不同 计算，控制它们对资源的访问时段，以使数据竞争的情况不会发生。 此任务 常称为并发同步（或者数据同步）。Go支持几种并发同步技术，这些并发同 步技术将在后面的章节中逐一介绍。 并发编程中的其它任务包括： 决定需要开启多少计算； 决定何时开启、阻塞、解除阻塞和结束哪些计算； 18开始，Go开始支持自定义泛型类型（和函数）。 一个泛型类型必须 被实例化才能被用做值类型。 一个泛型类型是一个定义类型；它的实例化类型为具名类型。具名类型将在下 一节解释。 自定义泛型中的另外两个重要的概念为类型约束（constarint）和类型参数 （type parameter）。 本书不详细阐述自定义泛型。关于如何声明和使用泛型类型和函数，请阅读 《Go自定义泛型101》 ? 。 概念：具名类型和无名类型（named

中使用fmt标准库中的Println函数，则不同协程的打印可能会交织在一起。（虽 然对此例来说，交织的概率很低。） 并发同步（concurrency synchronization） 不同的并发计算可能共享一些资源，其中共享内存资源最为常见。 在一个并发程序 中，常常会发生下面的情形： 在一个计算向一段内存写数据的时候，另一个计算从此内存段读数据，结果导 致读出的数据的完整性得不到保证。 在一个计算向一段内存写 在一个计算向一段内存写数据的时候，另一个计算也向此段内存写数据，结果 导致被写入的数据的完整性得不到保证。 这些情形被称为数据竞争（data race）。并发编程的一大任务就是要调度不同计 算，控制它们对资源的访问时段，以使数据竞争的情况不会发生。 此任务常称为并 发同步（或者数据同步）。Go支持几种并发同步技术，这些并发同步技术将在后面 的章节中逐一介绍。 并发编程中的其它任务包括： 决定需要开启多少计算； 18开始，Go开始支持自定义泛型类型（和函数）。 一个泛型类型必须被实 例化才能被用做值类型。 一个泛型类型是一个定义类型；它的实例化类型为具名类型。具名类型将在下一节 解释。 自定义泛型中的另外两个重要的概念为类型约束（constarint）和类型参数（type parameter）。 本书不详细阐述自定义泛型。关于如何声明和使用泛型类型和函数，请阅读《Go自 定义泛型101》（https://gfw.go101

预防CSRF攻击 9.2 确保输入过滤 9.3 避免XSS攻击 9.4 避免SQL注入 9.5 存储密码 9.6 加密和解密数据 9.7 小结 10.国际化和本地化 10.1 设置默认地区 10.2 本地化资源 10.3 国际化站点 4 10.4 小结 11.错误处理，调试和测试 11.1 错误处理 11.2 使用GDB调试 11.3 Go怎么写测试用例 11.4 小结 12.部署与维护 12 可以在函数中添加多个defer语句。当函数执行到最后时，这些 defer语句会按照逆序执行，最后该函数返回。特别是当你在进行一些打开资源的操作时，遇到错误需要提前返回， 在返回前你需要关闭相应的资源，不然很容易造成资源泄露等问题。如下代码所示，我们一般写打开一个资源是这样 操作的： func ReadWrite() bool { file.Open("file") // 做一些工作 客户端内部也是浏览器实现的)。 Web服务器的工作原理可以简单地归纳为： 客户机通过TCP/IP协议建立到服务器的TCP连接 客户端向服务器发送HTTP协议请求包，请求服务器里的资源文档 服务器向客户机发送HTTP协议应答包，如果请求的资源包含有动态语言的内容，那么服务器会调用动态语言 的解释引擎负责处理“动态内容”，并将处理得到的数据返回给客户端 客户机与服务器断开。由客户端解释HTML文档，在客户端屏幕上渲染图形结果

如果你喜欢本书 《Go入门指南》，你可以参与到本书的翻译或纠正工作中来，具体请联系【无闻 E-mail： u#gogs.io】，一同完善本书并帮助壮大 Go 语言在国内的学习群体，给大家提供更好的学习资源。 参见 Go 语言学习资料与社区索引。 2012 年 3 月 28 日以前的博文中的内容基本过时，不要再看 符合等式 百度+思考+失败+翻墙+谷歌+尝试=解决 的问题最好不要发问 本书原作者：Ivo 适用人群 内容介绍 - 10 - 本文档使用 书栈(BookStack.CN) 构建 前言 对于学习 Go 编程语言的爱好者来说，这本书无疑是最适合你的一本书籍，这里包含了当前最全面的学习资源。本书 通过对官方的在线文档、名人博客、书籍、相关文章以及演讲的资料收集和整理，并结合我自身在软件工程、编程语 言和数据库开发的授课经验，将这些零碎的知识点组织成系统化的概念和技术分类来进行讲解。 一章（第 21 章），我们会讨论一些在全世界范围内已经将 Go 语言投入实际开发的公司和组织。本书将会在最后给 出一些对 Go 语言爱好者的引用，Go 相关包和工具的参考，以及章节练习的答案和所有参考资源和文献的清单。 Go 语言有一个被称之为 “没有废物” 的宗旨，就是将一切没有必要的东西都去掉，不能去掉的就无底线地简化，同 时追求最大程度的自动化。他完美地诠释了敏捷编程的 KISS 秘诀：短小精悍！