回调函数和闭包
当函数具备以下两种特性的时候，就可以称之为高阶函数(high order functions)：
- 函数可以作为另一个函数的参数(典型用法是回调函数)
- 函数可以返回另一个函数，即让另一个函数作为这个函数的返回值(典型用法是闭包)
一般来说，附带的还具备一个特性：函数可以作为一个值赋值给变量。
f := func(){...}
f()
由于Go中函数不能嵌套命名函数，所以函数返回函数的时候，只能返回匿名函数。
先简单介绍下高阶函数，然后介绍闭包。
高阶函数示例
例如，将函数作为另一个函数的参数：
package main
import "fmt"
func added(msg string, a func(a, b int) int) {
fmt.Println(msg, ":", a(33, 44))
}
func main() {
// 函数内部不能嵌套命名函数
// 所以main()中只能定义匿名函数
f := func(a, b int) int {
return a + b
}
added("a+b", f)
}
以下示例是函数返回另一个函数：
package main
import "fmt"
func added() func(a, b int) int {
f := func(a, b int) int {
return a + b
}
return f
}
func main() {
m := added()
fmt.Println(m(33, 44))
}
回调函数(sort.SliceStable)
将函数B作为另一个函数A的参数，可以使得函数A的通用性更强，可以随意定义函数B，只要满足规则，函数A都可以去处理，这比较适合于回调函数。
在Go的sort包中有一个很强大的Slice排序工具SliceStable()，它就是将排序函数作为参数的
func SliceStable(slice interface{}, less func(i, j int) bool)
这个函数是什么意思呢？给定一个名为slice的Slice结构，使用名为less的函数去对这个slice排序。这个less函数的结构为less func(i, j int) bool，其中i和j指定排序依据。
Go中已经内置好了排序的算法，我们无需自己去定义排序算法，Go会自动从Slice中每次取两个i和j索引对应的元素，然后去回调排序函数less。所以我们只需要传递升序还是降序、根据什么排序就可以。
package main
import (
"fmt"
"sort"
)
func main() {
s1 := []int{112, 22, 52, 32, 12}
// 定义排序函数
less := func(i, j int) bool {
// 降序排序
return s1[i] > s1[j]
// 升序排序：s1[i] < s1[j]
}
//
sort.SliceStable(s1, less)
fmt.Println(s1)
}
这里的排序函数就是回调函数。每取一次i和j对应的元素，就调用一次less函数。
闭包
简单地说，闭包就是"一个函数+一个作用域环境"组成的特殊函数。这个函数可以访问不是它自己内部的变量，也就是这个变量在其它作用域内，且这个变量是未赋值的，而是等待我们去赋值的。
例如：
package main
import "fmt"
func f(x int) func(int) int{
g := func(y int) int{
return x+y
}
// 返回闭包
return g
}
func main() {
// 将函数的返回结果"闭包"赋值给变量a
a := f(3)
// 调用存储在变量中的闭包函数
res := a(5)
fmt.Println(res)
// 可以直接调用闭包
// 因为闭包没有赋值给变量，所以它称为匿名闭包
fmt.Println(f(3)(5))
}
上面的f()返回的g之所以称为闭包函数，是因为它是一个函数，且引用了不在它自己范围内的变量x，这个变量x是g所在作用域环境内的变量，因为x是未知、未赋值的自由变量。
如果x在传递给g之前是已经赋值的，那么闭包函数就不应该称为闭包，因为这样的闭包已经失去意义了。
下面这个g也是闭包函数，但这个闭包函数是自定义的，而不是通过函数返回函数得到的。
package main
import "fmt"
func main() {
// 自由变量x
var x int
// 闭包函数g
g := func(i int) int {
return x + i
}
x = 5
// 调用闭包函数
fmt.Println(g(5))
x = 10
// 调用闭包函数
之所以这里的g也是闭包函数，是因为g中访问了不属于自己的变量x，而这个变量在闭包函数定义时是未绑定值的，也就是自由变量。
闭包的作用很明显，在第一个闭包例子中，f(3)退出后，它返回的闭包函数g()仍然记住了原本属于f()中的x=3。这样就可以让很多闭包函数共享同一个自由变量x的值。
例如，下面的a(3)、a(5)、a(8)都共享来自f()的x=3。
a := f(3)
a(3)
a(5)
a(8)
再往外层函数看，f(3)可以将自由变量x绑定为x=3，自然也可以绑定为x=5、x=8等等。
所以，什么时候使用闭包？一般来说，可以将过程分成两部分或更多部分都进行工厂化的时候，就适合闭包(实际上，有些地方直接将闭包称呼为工厂函数)。
第一个部分是可以给自由变量批量绑定不同的值，
第二部分是多个闭包函数可以共享第一步绑定后的自由变量。
最佳闭包实例
场景： 使用结构体统计所有应用的进出口流量，同时为了避免多个应用同时对结构体进行数据修改，必须保证原子操作。 代码如下：
package main
import (
"fmt"
"sync/atomic"
)
// 使用全局变量实例化结构体
var bps = NewBps()
type Bps struct {
InByteAddF func(uint64) // 辅助字段，用来对入口流量进行操作
InByteCountF func() uint64 // 函数计算当前入口流量
OutByteAddF func(uint64)
OutByteCountF func() uint64
}
// 函数，返回两个函数，函数引用了外部变量，属于闭包
// 使用atomic包保证原子操作
func addFunc() (func(n uint64), func() uint64) {
var count uint64 = 0
return func(n uint64) {
atomic.AddUint64(&count, n)
}, func() uint64 {
c := count
return c
}
}
// 工厂函数
func NewBps() *Bps {
b := &Bps{}
b.InByteAddF, b.InByteCountF = addFunc()
b.OutByteAddF, b.OutByteCountF = addFunc()
return b
}
// 计算各个应用流量加入到总流量
func (b *Bps) Add(bytes uint64, in bool) {
if in {
b.InByteAddF(bytes)
} else {
b.OutByteAddF(bytes)
}
}
// Traffic, update the network in and out traffic data
// @param: access, flag if is entrance traffic
// @param: bytes, the data of current traffic
func Traffic(access bool, bytes uint64) {
in := !access
bps.Add(bytes, in)
}
// SampleBitrate,calculate all of network in and out traffic.
// unit is Bit
func SampleBitrate() (int64, int64) {
return int64(bps.InByteCountF()), int64(bps.OutByteCountF())
}
func main() {
type sub struct {
access bool
data uint64
}
testData := make([]sub, 6)
// 代表不同的应用，收集进出口流量
testData = append(testData, sub{true, 10})
testData = append(testData, sub{false, 10})
testData = append(testData, sub{false, 100})
testData = append(testData, sub{false, 1000})
testData = append(testData, sub{true, 1000})
testData = append(testData, sub{true, 100})
for _, s := range testData {
Traffic(s.access, s.data)
}
in, out := SampleBitrate()
fmt.Printf("in:%d out:%d
", in, out)
}
以上就是一个典型的例子， 可以利用闭包共享变量的特性，在使用全局实例变量后，实现累加操作。