Go 1.22 服务启动报 all goroutines are asleep 无缓冲 channel 死锁怎么排查

Go 1.22 的服务凌晨重启,容器一直没起来。日志最后一行是 all goroutines are asleep - deadlock!,后面跟着二十多行 goroutine 栈。第一次撞见这个报错,我第一反应是某个 channel 忘了 close。这类报错只在启动时暴露,运行中反而更难抓。

栈里 main goroutine 停在 chan receive,另一个停在 chan send,两边都拿着同一个无缓冲 channel。生产者已经发出去了,消费者那侧还在初始化数据库连接,没人接,发送方就永久阻塞。runtime 发现所有 goroutine 都睡在 channel 上,直接 panic。

我先给 channel 加了 100 的缓冲,服务能起来,压测到 200 并发又开始堆积。队列满之后写操作全部卡住,goroutine 数从 40 涨到 900,问题只是从启动时挪到了高峰时。

又怀疑是 select 里那个 default 分支捣乱,删掉之后死锁来得更快。default 本来是防止永久阻塞的兜底,删它等于把安全阀拆了,这个方向从一开始就错了。

顺着栈往下看,消费端在处理一条坏数据时走了 return,既没有 close,也没有继续读。生产端只剩一个 goroutine,后面再没人消费。修改时给发送加了 context 超时,消费端用 defer close,并且约定只有消费方可以 close,生产方不许碰。

还有一个不容易发现的点,从 map 里取不存在的 channel 得到的是 nil,nil channel 上的收发会永久阻塞,select 里那一支永远不 ready。初始化时统一 make,别在结构体零值上赌。

这套约定一开始只写进注释,第二个人接手时又在消费端加了一次 close,服务跑了两天开始出现 send on closed channel。close 的位置必须跟着所有权走,谁创建谁负责,跨包传递时用接口把关闭动作收回去,别让调用方猜。监控里这类崩溃不会留下堆栈,只有容器退出码 2,排查成本比死锁更高。

确认口径:人为让消费端提前 return,进程 3 秒内退出并打出超时错误,不再无声挂着;压测 30 分钟,goroutine 数稳定在 40 上下,重启 20 次没再出现 deadlock。

select {
case ch <- job:
    return nil
case <-ctx.Done():
    return ctx.Err()
}

您可以还会对下面的文章感兴趣: