使用mpb库实现并发命令执行的进度条监控
2025-07-01 08:23:42作者:温玫谨Lighthearted
在Go语言开发中,mpb库是一个非常实用的进度条显示工具。本文将介绍如何利用mpb库为并发执行的shell命令添加进度条监控功能。
问题背景
在实际开发中,我们经常需要执行多个shell命令并监控它们的执行进度。mpb库提供了丰富的进度条功能,但在并发场景下使用时需要注意一些细节。
初始方案分析
最初的实现方案存在几个关键问题:
- 进度条提前完成:所有进度条会在最后一个命令完成时同时结束
- 结果显示不正确:结果显示在进度条开始时就显示,而不是命令完成后
- 同步问题:存在潜在的竞态条件
改进方案
经过分析,我们改进了实现方案,主要优化点包括:
- 使用独立的goroutine管理每个命令的执行
- 正确同步进度条状态更新
- 确保结果显示在命令完成后
关键实现细节
命令执行器结构
type Runner struct {
mu sync.Mutex
Command string
Success bool
}
这个结构体封装了命令执行的相关信息,包括命令字符串、执行状态和互斥锁。
进度条更新机制
func (r *Runner) Exec(bar *mpb.Bar) {
r.mu.Lock()
defer r.mu.Unlock()
cmd := exec.Command("bash")
cmd.Stdin = strings.NewReader(r.Command)
errbuf := &bytes.Buffer{}
cmd.Stderr = errbuf
done := make(chan bool)
start := time.Now()
ticker := time.NewTicker(20 * time.Millisecond)
go func() {
_, err := cmd.Output()
if errbuf.String() == "" && err == nil {
r.Success = true
} else {
fmt.Printf("Error: %s - %s\n", errbuf.String(), err.Error())
bar.Abort(true)
}
done <- true
}()
running := true
for running {
select {
case <-ticker.C:
bar.EwmaIncrement(time.Since(start))
case <-done:
running = false
}
}
}
这段代码实现了命令执行和进度条更新的核心逻辑,使用ticker定期更新进度条状态。
主程序流程
func main() {
var wg sync.WaitGroup
bars := mpb.New(
mpb.WithWaitGroup(&wg),
mpb.WithWidth(1),
mpb.WithAutoRefresh(),
)
barFiller := func() mpb.BarFillerBuilder {
return mpb.SpinnerStyle("⠋", "⠙", "⠹", "⠸", "⠼", "⠴", "⠦", "⠧", "⠇", "⠏")
}
for i, cmd := range os.Args {
if i == 0 {
continue
}
wg.Add(1)
go func() {
defer wg.Done()
r := Runner{Command: cmd}
bar := bars.New(1,
barFiller(),
mpb.PrependDecorators(decor.Name(fmt.Sprintf("%30s - ", cmd))),
mpb.AppendDecorators(
decor.OnComplete(
decor.Elapsed(decor.ET_STYLE_GO), fmt.Sprintf("Result: %t", r.Success),
),
),
)
r.Exec(bar)
}()
}
wg.Wait()
bars.Wait()
}
主程序创建多个goroutine并发执行命令,每个命令都有独立的进度条显示。
经验总结
- 在并发场景下使用mpb时,必须确保进度条更新的同步性
- 使用WaitGroup正确管理goroutine的生命周期
- 进度条的装饰器应该在命令完成后才显示最终结果
- 适当的更新频率可以平衡性能和平滑度
通过这种方式,我们可以为并发执行的shell命令提供直观的进度反馈,提升用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
663
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
659
297
Ascend Extension for PyTorch
Python
215
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.18 K
648
仓颉编程语言开发者文档。
59
818