# Go 동시성: 고루틴과 채널 - 완벽 가이드

> 고루틴과 채널을 사용해 Go 동시성을 마스터하세요. 고급 패턴, 동기화, select 문, 모범 사례를 자세한 코드 예제와 함께 다룹니다.

- Published: 2026-02-21
- Updated: 2026-04-29
- Author: SharpSkill
- Tags: go, golang, concurrency, goroutines, channels
- Reading time: 14 min

---

동시성은 Go의 가장 큰 강점 중 하나입니다. 멀티스레딩이 복잡하게 남아있는 다른 언어와 달리, Go는 고루틴과 채널을 기반으로 한 우아한 모델을 제공하여 동시성 애플리케이션 개발을 크게 단순화합니다.

> **Go 철학**
>
> "메모리를 공유하여 통신하지 말고, 통신하여 메모리를 공유하세요." 이 근본 원칙은 Go의 모든 동시성 설계를 안내합니다.

## 고루틴 이해하기

고루틴은 Go 런타임이 관리하는 경량 스레드입니다. 약 2 KB의 스택을 소비하며(OS 스레드의 수 MB와 비교) 시스템 과부하 없이 수천 개의 동시 작업을 실행할 수 있습니다.

고루틴을 시작하려면 함수 호출 앞에 `go` 키워드를 두기만 하면 됩니다. 런타임이 사용 가능한 스레드 간의 스케줄링과 분배를 처리합니다.

```go
// goroutines_basic.go
package main

import (
    "fmt"
    "time"
)

// fetchData simulates a network request
func fetchData(id int) {
    // Simulates network delay
    time.Sleep(100 * time.Millisecond)
    fmt.Printf("Data %d fetched\n", id)
}

func main() {
    // Sequential execution - 500ms total
    start := time.Now()
    for i := 1; i <= 5; i++ {
        fetchData(i)
    }
    fmt.Printf("Sequential: %v\n", time.Since(start))

    // Concurrent execution - ~100ms total
    start = time.Now()
    for i := 1; i <= 5; i++ {
        go fetchData(i) // Execute as goroutine
    }
    time.Sleep(150 * time.Millisecond) // Wait for completion
    fmt.Printf("Concurrent: %v\n", time.Since(start))
}
```

동시 실행은 총 시간을 500ms에서 약 100ms로 줄입니다. 그러나 고루틴 동기화에 `time.Sleep`을 사용하는 것은 모범 사례가 아닙니다. 채널은 우아한 해결책을 제공합니다.

## 채널: 고루틴 간 통신

채널은 고루틴 간에 값을 보내고 받기 위한 타입이 지정된 도관입니다. 채널은 동기화를 보장합니다. 보내는 고루틴은 다른 고루틴이 받을 때까지 기다리며, 그 반대도 마찬가지입니다.

채널 생성에는 `make` 함수를 사용합니다. `<-` 연산자는 채널에 대한 위치에 따라 데이터를 보내고 받습니다.

```go
// channels_basic.go
package main

import "fmt"

// worker performs computation and returns result via channel
func worker(id int, jobs <-chan int, results chan<- int) {
    // Receives jobs until channel closes
    for job := range jobs {
        result := job * 2 // Processing
        results <- result // Send result
    }
}

func main() {
    // Create channels
    jobs := make(chan int, 10)    // Buffered channel
    results := make(chan int, 10)

    // Start 3 workers
    for w := 1; w <= 3; w++ {
        go worker(w, jobs, results)
    }

    // Send 5 jobs
    for j := 1; j <= 5; j++ {
        jobs <- j
    }
    close(jobs) // Signal end of jobs

    // Collect results
    for r := 1; r <= 5; r++ {
        result := <-results
        fmt.Printf("Result: %d\n", result)
    }
}
```

방향성 채널(수신용 `<-chan`, 송신용 `chan<-`)은 가능한 작업을 제한하여 코드 안전성을 강화합니다.

## 버퍼드 vs 언버퍼드 채널

이 채널 유형 간의 구분은 고루틴 간의 동기화 동작에 직접적인 영향을 미칩니다.

언버퍼드 채널은 수신자가 준비될 때까지 송신자를 차단합니다. 버퍼드 채널은 N이 버퍼 용량을 나타내는 경우 차단 없이 최대 N개의 값을 보낼 수 있게 합니다.

```go
// buffered_channels.go
package main

import "fmt"

func main() {
    // Unbuffered channel - strict synchronization
    unbuffered := make(chan string)

    go func() {
        unbuffered <- "message" // Blocks until received
    }()

    msg := <-unbuffered // Unblocks the send
    fmt.Println(msg)

    // Buffered channel - capacity of 2
    buffered := make(chan int, 2)

    // These sends don't block
    buffered <- 1
    buffered <- 2
    // buffered <- 3 // Would block because buffer is full

    fmt.Println(<-buffered) // 1
    fmt.Println(<-buffered) // 2

    // Check capacity
    fmt.Printf("Length: %d, Capacity: %d\n",
        len(buffered), cap(buffered))
}
```

버퍼드 채널은 생산자와 소비자를 분리하는 반면, 언버퍼드는 점대점 동기화를 보장합니다.

> **데드락 주의**
>
> 데드락은 모든 고루틴이 대기 상태로 차단될 때 발생합니다. Go 런타임은 이를 감지하고 명시적인 오류 메시지와 함께 프로그램을 종료합니다.

## Select: 채널 다중화

`select` 문은 여러 채널에 대한 동시 작업을 기다립니다. 동시 통신을 위한 switch 문과 유사합니다.

이 구조는 단일 채널에서 무기한 차단되지 않고 타임아웃, 취소 및 여러 통신을 관리하는 데 필수적입니다.

```go
// select_example.go
package main

import (
    "fmt"
    "time"
)

// fetchAPI simulates an API call with variable delay
func fetchAPI(name string, delay time.Duration, ch chan<- string) {
    time.Sleep(delay)
    ch <- fmt.Sprintf("%s: data received", name)
}

func main() {
    api1 := make(chan string)
    api2 := make(chan string)

    // Launch two API calls in parallel
    go fetchAPI("API-1", 100*time.Millisecond, api1)
    go fetchAPI("API-2", 200*time.Millisecond, api2)

    // Global timeout of 150ms
    timeout := time.After(150 * time.Millisecond)

    // Collect results with timeout
    for i := 0; i < 2; i++ {
        select {
        case result := <-api1:
            fmt.Println(result)
        case result := <-api2:
            fmt.Println(result)
        case <-timeout:
            fmt.Println("Timeout - operation cancelled")
            return
        }
    }
}
```

`select`는 첫 번째로 준비된 채널을 선택합니다. 여러 개가 준비된 경우, 기아 상태를 방지하기 위해 선택은 의사 무작위입니다.

## Worker Pool 패턴

Worker pool 패턴은 여러 워커 간에 작업을 분배하여 동시성을 제한하고 리소스 사용을 최적화합니다. 이 패턴은 대량의 데이터를 처리하는 데 필수적임이 입증되었습니다.

구현은 워커 간에 공유되는 작업 채널과 수집을 위한 결과 채널에 의존합니다.

```go
// worker_pool.go
package main

import (
    "fmt"
    "sync"
    "time"
)

// Task represents a unit of work
type Task struct {
    ID   int
    Data string
}

// Result contains the processing result
type Result struct {
    TaskID int
    Output string
}

// worker processes received tasks
func worker(id int, tasks <-chan Task, results chan<- Result, wg *sync.WaitGroup) {
    defer wg.Done()

    for task := range tasks {
        // Simulate processing
        time.Sleep(50 * time.Millisecond)

        results <- Result{
            TaskID: task.ID,
            Output: fmt.Sprintf("Worker %d processed: %s", id, task.Data),
        }
    }
}

func main() {
    const numWorkers = 3
    const numTasks = 10

    tasks := make(chan Task, numTasks)
    results := make(chan Result, numTasks)

    var wg sync.WaitGroup

    // Start workers
    for w := 1; w <= numWorkers; w++ {
        wg.Add(1)
        go worker(w, tasks, results, &wg)
    }

    // Send tasks
    for i := 1; i <= numTasks; i++ {
        tasks <- Task{ID: i, Data: fmt.Sprintf("task-%d", i)}
    }
    close(tasks)

    // Close results channel after workers finish
    go func() {
        wg.Wait()
        close(results)
    }()

    // Collect results
    for result := range results {
        fmt.Printf("Task %d: %s\n", result.TaskID, result.Output)
    }
}
```

`sync.WaitGroup`은 결과 채널을 닫기 전에 모든 워커가 완료되기를 기다리는 것을 조정합니다.

## Fan-Out/Fan-In 패턴

이 패턴은 여러 고루틴에 작업을 분배하고(fan-out) 결과를 집계합니다(fan-in). 결과 수집을 단순화하면서 병렬성을 최대화합니다.

```go
// fan_out_fan_in.go
package main

import (
    "fmt"
    "sync"
)

// generate produces numbers on a channel
func generate(nums ...int) <-chan int {
    out := make(chan int)
    go func() {
        for _, n := range nums {
            out <- n
        }
        close(out)
    }()
    return out
}

// square computes the square of received numbers
func square(in <-chan int) <-chan int {
    out := make(chan int)
    go func() {
        for n := range in {
            out <- n * n
        }
        close(out)
    }()
    return out
}

// merge combines multiple channels into one (fan-in)
func merge(channels ...<-chan int) <-chan int {
    out := make(chan int)
    var wg sync.WaitGroup

    // Output function for each channel
    output := func(c <-chan int) {
        defer wg.Done()
        for n := range c {
            out <- n
        }
    }

    // Launch a goroutine per channel
    wg.Add(len(channels))
    for _, c := range channels {
        go output(c)
    }

    // Close after all goroutines finish
    go func() {
        wg.Wait()
        close(out)
    }()

    return out
}

func main() {
    // Generate data
    numbers := generate(1, 2, 3, 4, 5, 6, 7, 8)

    // Fan-out: distribute to 3 workers
    sq1 := square(numbers)
    sq2 := square(numbers)
    sq3 := square(numbers)

    // Fan-in: aggregate results
    for result := range merge(sq1, sq2, sq3) {
        fmt.Println(result)
    }
}
```

이 패턴은 분배 가능한 CPU 바인딩 작업과 데이터 처리 파이프라인에 탁월합니다.

## 취소 및 데드라인을 위한 Context

`context` 패키지는 고루틴 간의 취소, 데드라인 및 값 관리를 표준화합니다. 장기 실행 고루틴은 첫 번째 매개변수로 context를 받아들여야 합니다.

```go
// context_example.go
package main

import (
    "context"
    "fmt"
    "time"
)

// fetchWithContext simulates a cancellable request
func fetchWithContext(ctx context.Context, url string) (string, error) {
    // Simulates a long operation
    select {
    case <-time.After(2 * time.Second):
        return fmt.Sprintf("Data from %s", url), nil
    case <-ctx.Done():
        return "", ctx.Err() // context.Canceled or context.DeadlineExceeded
    }
}

func main() {
    // Context with 500ms timeout
    ctx, cancel := context.WithTimeout(context.Background(), 500*time.Millisecond)
    defer cancel() // Release resources

    result, err := fetchWithContext(ctx, "https://api.example.com")
    if err != nil {
        fmt.Printf("Error: %v\n", err)
        return
    }
    fmt.Println(result)

    // Context with manual cancellation
    ctx2, cancel2 := context.WithCancel(context.Background())

    go func() {
        time.Sleep(100 * time.Millisecond)
        cancel2() // Explicit cancellation
    }()

    result, err = fetchWithContext(ctx2, "https://api2.example.com")
    if err != nil {
        fmt.Printf("Request cancelled: %v\n", err)
    }
}
```

> **모범 사례**
>
> 리소스 누수를 방지하기 위해 context를 생성한 직후에 항상 `defer cancel()`을 호출하십시오.

## sync.Mutex를 사용한 동기화

채널이 통신에 선호되지만, 공유 데이터 구조에 대한 동시 접근을 보호하기 위해 `sync` 패키지가 여전히 필요합니다.

```go
// mutex_example.go
package main

import (
    "fmt"
    "sync"
)

// SafeCounter is a thread-safe counter
type SafeCounter struct {
    mu    sync.Mutex
    value map[string]int
}

// Increment increments the value for a given key
func (c *SafeCounter) Increment(key string) {
    c.mu.Lock()         // Exclusive lock
    defer c.mu.Unlock() // Guaranteed unlock
    c.value[key]++
}

// Value returns the current value
func (c *SafeCounter) Value(key string) int {
    c.mu.Lock()
    defer c.mu.Unlock()
    return c.value[key]
}

func main() {
    counter := SafeCounter{value: make(map[string]int)}

    var wg sync.WaitGroup

    // 1000 concurrent increments
    for i := 0; i < 1000; i++ {
        wg.Add(1)
        go func() {
            defer wg.Done()
            counter.Increment("visits")
        }()
    }

    wg.Wait()
    fmt.Printf("Total: %d\n", counter.Value("visits")) // 1000
}
```

`sync.RWMutex`는 읽기 전용 작업을 위한 `RLock()`/`RUnlock()`로 동시 읽기를 최적화합니다.

## 일반적인 실수와 해결책

Go 동시성에는 고전적인 함정이 있습니다. 가장 일반적인 오류와 이를 피하는 방법은 다음과 같습니다.

```go
// common_mistakes.go
package main

import (
    "fmt"
    "sync"
)

func main() {
    // ERROR: Loop variable capture
    // All goroutines would print the same value
    for i := 0; i < 3; i++ {
        go func() {
            fmt.Println(i) // Capture by reference - BUG
        }()
    }

    // SOLUTION: Pass value as parameter
    var wg sync.WaitGroup
    for i := 0; i < 3; i++ {
        wg.Add(1)
        go func(n int) {
            defer wg.Done()
            fmt.Println(n) // Local copy - CORRECT
        }(i)
    }
    wg.Wait()

    // ERROR: Send on nil channel
    var ch chan int
    // ch <- 1 // Blocks forever

    // SOLUTION: Always initialize with make
    ch = make(chan int, 1)
    ch <- 1
    fmt.Println(<-ch)

    // ERROR: Send on closed channel
    done := make(chan bool)
    close(done)
    // done <- true // Panic!

    // SOLUTION: Check before send or use sync.Once
    select {
    case done <- true:
        fmt.Println("Sent")
    default:
        fmt.Println("Channel closed or full")
    }
}
```

데이터 레이스 감지는 컴파일이나 테스트 중에 `-race` 플래그를 사용합니다: `go test -race ./...`.

## 결론

Go 동시성을 마스터하는 것은 잘 이해되면 고성능 애플리케이션을 구축할 수 있는 몇 가지 핵심 개념에 의존합니다.

**핵심 사항:**

✅ 고루틴은 가볍고 저렴합니다 - 수천 개를 생성해도 허용 가능합니다

✅ 채널은 고루틴 간에 데이터를 동기화하고 전송합니다

✅ `select` 문은 여러 통신과 타임아웃을 관리합니다

✅ Worker pool 패턴은 동시성을 제한하고 리소스를 최적화합니다

✅ `context` 패키지는 취소와 데드라인을 표준화합니다

✅ 채널이 부족할 때 뮤텍스는 공유 데이터를 보호합니다

✅ `-race` 플래그는 테스트 중에 데이터 레이스를 감지합니다

"통신하여 메모리를 공유하라"는 철학은 잠금이 있는 전통적인 멀티스레딩보다 더 안전하고 유지 관리하기 쉬운 설계로 이끕니다.

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ko/blog/go/go-concurrency-goroutines-channels