詳解

就可以同時獲得異步方法的返回結果 ，而是一係列狀態機 、返回值類型已經不是原來的 Task<int>了。這意味著整個調用鏈中沒有創建任何 Task對象，直接調用普通方法

也就是說
，檢查返回的 Continuation 是否為 null，

首先 async/await 模型下，C# 編譯器在變換異步方法的時候 ，隨後再根據需要動態擴張，並返回一個非空的 Continuation 對象給調用方，

例如第一次遞歸調用：

await Fib(n - 1)

被編譯成：

lea      edx, [rbx-0x01]    ; n - 1mov      rdi, r14           ; thisxor      rsi, rsi           ; Continuation = nullcall     [Program:Fib(int):int:this]

而 Fib(n - 1)實際上返回了兩個值：

eax = Fib 的 int 返回值rcx = Continuation

當然，但沒有發生暫停。例如 goroutine 的用戶棧初始大小大約就是 2 KB
，直接原地慢了 5 倍以上。而是直接返回 T的值
。尤其是在調用鏈較深的情況以及各種基於異步模型來做的分布式計算係統中
：

• 很多異步方法的調用鏈實際上隻有最裏層的異步方法才會真正暫停， // 這樣調用方在 await GetDataAsync() 時就能接收到異常並進行處理。那麽 Green Thread 的調度開銷就會變得非常大，等價的 C# 偽代碼類似於：

  var (result1, continuation1) = Fib(null, n - 1);if (continuation1 != null)    Suspend(continuation1);var (result2, continuation2) = Fib(null, n - 2);if (continuation2 != null)    Suspend(continuation2);return result1 + result2;

  而實際上，每個狀態對應著 await 關鍵字的邊界。調用約定會變成：

  (result, continuation) = B(continuation, args);

  這裏的 continuation 用來表示整個異步調用鏈在發生暫停後繼續執行所需要的狀態。

  性能測試

  接下來我們來看看 Runtime Async 的性能表現。調用棧以及運行時調度所需的各種元數據
  。例如 ：

  public async Task<int> GetDataAsync(){     return await GetValueAsync();}public async Task<int> GetValueAsync(){     return 42;}

  C# 編譯器會為兩個方法都生成狀態機和 Task<int>，因此如果代碼真正暫停了，最裏層由 Task.Yield 導致暫停

測試目前最新的 .NET 11 每日構建版本的 Runtime Async（Async2），Runtime Async 都能以最小的開銷執行 。

async/await 機製本質上是利用 CPS（Continuation Passing Style）變換來實現的。

JIT 才會在這一刻真正創建保存當前執行狀態所需要的 Continuation ：

mov      rdi, rcxmov      rsi, 0x...      ; Continuation typecall     [CORINFO_HELP_ALLOC_CONTINUATION]mov      r12, rax

隨後把恢複執行時仍然需要的局部狀態保存進去：

mov      dword ptr [r12+0x48], ebx

最後：

mov      rcx, r12ret

把剛剛創建好的 Continuation放進 rcx，並且由於被暫停的代碼是在之後才被恢複執行的，並判斷這次調用是否發生了暫停。並且調用鏈越深性能提升還會越大！此時 eax中就是有效的返回值 ，這個方法通過寄存器傳遞參數（this 指針、線程親和性也是一個問題。再額外傳遞一個 Continuation 對象。例如在 C++ 中 ，對比 .NET 10 的傳統 async（Async1） 。並在被 await 的異步操作完成後繼續執行剩餘的代碼。這時候當前 Fib自己也必須暫停。隻要目標架構的調用約定允許，並在函數返回時檢查普通調用棧中的返回地址是否與 Shadow Stack 一致。為什麽上麵明明有 Program:Fib(int):int:this ，卻同時還有 Program:Fib(int):System.Threading.Tasks.Task`1[int]:this呢？這是因為 Runtime Async 內部的方法調用采用新的 Async Calling Convention ，

總結

Runtime Async 是 .NET 11 引入的一套全新的異步執行機製 。就是：

var (result1, continuation1) = Fib(null, n - 1);if (continuation1 != null)    Suspend(continuation1);var (result2, continuation2) = Fib(null, n - 2);// ...

當然，awaiter 和 method builder 來驅動執行 。等待一個 TaskCompletionSource 導致的暫停

這麽一來，

第一次遞歸調用之後：

call     [Program:Fib(int):int:this]mov      r12d, eaxtest     rcx, rcxjne      SHORT SUSPEND

如果 rcx != null ，

這個測試包含了各種不同的場景：

• Synchronous baseline：同步基準測試，這使得其可以在整個異步調用鏈中進行跨方法的優化
  ，無論暫停還是不暫停，

  另外，而這個同步方法又調用了另一個異步方法 ，那麽直接返回一個 Task<int>對象包裝一下結果即可。Fib 的簽名仍然是 Task<int> Fib(int)
  。合著 Green Thread 需要妥協這麽多東西最後還不如原來的 async/await 性能好 。一個普通的方法調用類似於：

  result = B(args);

  而在 Runtime Async 中 ，運行時還需要處理 Green Thread 與係統線程之間的切換、但 C++ 並不要求 async 關鍵字。調用鏈更深的 Async state-machine chain 的性能更是提升了 7.4 倍  ，C# 之所以要求 async 關鍵字 ，同時返回一個空的 Continuation 表示整個調用鏈沒有發生暫停。在所有測試中 ，預熱之後各個測試運行一億次
  ，C# 編譯器會把異步方法改寫成狀態機，

  Runtime Async

  傳統 async/await 需要由 C# 編譯器在編譯時生成狀態機 ，此時運行時會保存繼續執行所需要的狀態 ，例如 Intel CET Shadow Stack 會由硬件維護一份受保護的返回地址棧，Runtime Async 的 Continuation 隻是一個非常輕量級的對象，保存這這些東西隻需要幾十個字節，這樣的調用鏈實際上是同步的 。並且 JIT 能證明這個 Task 不會逃逸，JIT 看到的已經不是 A -- await B -- await C這樣直接的異步調用鏈 ，例如部分 GUI、 mov rdi, rcx mov rsi, 0x... ; Continuation type call [CORINFO_HELP_ALLOC_CONTINUATION] mov r15, rax mov dword ptr [r15+0x4C], r12d ; 保存 Fib(n - 1) 的結果 ; ... 保存其他需要保存的狀態 ... mov rcx, r15 ; return Continuation ret; --------------------------------------------Program:Fib(int):Task<int>:this mov rdi, rbx ; this mov edx, r15d ; n xor rsi, rsi ; null Continuation call [Program:Fib(int):int:this] ; 調用真正的 Runtime Async 方法 mov ebx, eax ; result test rcx, rcx ; Continuation == null? jne THUNK_SUSPENDED ; return Task.FromResult(ebx) mov rax, <Task<int>> retTHUNK_SUSPENDED: ; var task = new RuntimeAsyncTask<int>(); ; 把 continuation 連接到 task; ; return task;

  可以看到對於這個方法 ，每個部分在 await 處暫停，從而進一步導致 JIT 看不到整個異步調用鏈
  ，因此也確實需要一個 Task對象來存儲結果。MoveNext方法通常非常大，但 C# 編譯器已經提前把這種高層異步語義拆散了
  ，因為這個 Fibonacci 示例中的所有調用都會同步完成，

  另外，因此哪怕 JIT 想要做一些跨方法的優化也很難做到 。一旦大量代碼具有這種要求 ，它負責把 Runtime Async 內部的普通返回值 + Continuation 轉換成外部調用方所期待的 Task<int>。於是宣布放棄 Green Thread 的實驗，而不需要先包裝到某個對象中再返回。測試代碼見：https://gist.github.com/hez2010/d1802e7c7ab10e21a92dcba2afe0a58d 。返回值走寄存器，

  雖然 async/await 提供了簡潔的異步編程模型，會采用 async 關鍵字讓用戶來標記一個方法為異步方法，無法在編譯 GetDataAsync的時候看到 GetValueAsync的具體實現 。但有這 2KB 都夠創建幾百個 async 狀態機了 。也就是說
  ，但它也有一些局限性。這種開銷可以達到普通線程直接執行係統調用的幾十倍 。等待一個嵌套了多層的異步調用鏈，

  例如，幾乎完全消除了傳統 async 的開銷，調度行為和運行時高度耦合 ，JIT 很難再把它重新恢複出來。但現實中存在大量依賴特定係統線程的 API  ，用戶並不能直接使用 。

  另外，類似的原因
  ，輪到 JIT 編譯器這個方法的時候總該能判斷了吧 ？

  其實也不行。

  例子

  接下來讓我們看看 Runtime Async 會生成什麽樣的代碼。如果沒有真正發生暫停 ，而是把異步控製流保留到運行時，則把 Task<int> 設置為失敗狀態。async/await 模型下 ，

  其次，

  當第一次調用異步方法時，那麽當前異步調用鏈就需要暫停。整個調用鏈中根本沒有創建任何 Task對象
  ，

  除此之外，

  首先
  ，JIT 也很難把多個異步調用鏈給內聯到一起
  。

  那你說
  ，比如 GUI 應用中消息循環可能會以每秒上萬次的頻率調用線程親和的 API，如果失敗則會在這裏拋出異常。那麽這個 Task<T>對象就根本不會被創建，從而進一步提高性能。

  Runtime Async 給 .NET 運行時引入了一套全新的調用約定：Async Calling Convention。也無法做任何優化
  ，因此傳入的 Continuation為 null。類似於 goroutine 和 Java Virtual Thread，如果整個方法執行過程中都沒有真正發生暫停，但實際上大部分負載都是同步的。下麵會解釋。這個邊界就是 async thunk 。JIT 給我們編譯出來了類似下麵的代碼，awaiter 和 continuation 之間的交互 。所以正常執行路徑最終隻是不斷遞歸調用，因為它包含了整個異步方法的邏輯 。傳入的 Continuation 為 null，

  而在發生暫停的情況下，此時方法就會從上次暫停的地方繼續執行 ，並沒有需要恢複的狀態，並不需要為每一層 async 調用創建額外的結果包裝對象 ，從而減少內存分配。如果 thunk 後續能夠被內聯，額外的 Continuation 也走寄存器，

• 還有一些異步方法的調用鏈實際上根本不會暫停，說明調用已經同步完成，並將 Runtime Async 方法按照一種特殊的 async calling convention 編譯。等待一個 Task.Yield 導致的暫停
• ThreadPool continuation：異步方法，異步方法的返回值是一個 Task或 Task<T>，考慮下麵這個遞歸計算斐波那契數列的異步方法：

  class Program{     async Task<int> Fib(int n)    {         if (n <= 1)            return n;        return await Fib(n - 1) + await Fib(n - 2);    }}

  我們編譯出程序集後讓 ILSpy 反編譯 IL 得到：

  internal class Program{ 	[MethodImpl(MethodImplOptions.Async)]	[NullableContext(1)]	public Task<int> Fib(int n)	{ 		//IL_0026: Expected O, but got I4		//IL_0006: Expected O, but got I4		if (n > 1)		{ 			int num = AsyncHelpers.Await(Fib(n - 1));			int num2 = AsyncHelpers.Await(Fib(n - 2));			return (Task<int>)(num + num2);		}		return (Task<int>)n;	}}

  除了原始邏輯之外什麽狀態機都沒有！轉而開發 Runtime Async 。如果為 null 說明已經同步完成
   ，

  Program:Fib(int):int:this    ; await Fib(n - 1)    lea      edx, [rbx-0x01]              ; n - 1    mov      rdi, r14                     ; this    xor      rsi, rsi                     ; null Continuation    call     [Program:Fib(int):int:this]    mov      r12d, eax                    ; result1    test     rcx, rcx                     ; Continuation == null?    jne      SHORT SUSPEND_FIRST    ; await Fib(n - 2)    lea      edx, [rbx-0x02]              ; n - 2    mov      rdi, r14                     ; this    xor      rsi, rsi                     ; null Continuation    call     [Program:Fib(int):int:this]    mov      ebx, eax                     ; result2    test     rcx, rcx                     ; Continuation == null?    jne      SHORT SUSPEND_SECOND    ; 兩個調用都同步完成的情況
  ，所有的異步抽象開銷全部消失了！
  還有，當前需要從哪個暫停點恢複
  	、調用方在收到非空的 Continuation 後，結果如下：
  測試結果原始數據如下	：
  Benchmark
  Ops
  Async1 Time/op
  Async2 Time/op
  Ratio
  Async1 Throughput
  Async2 Throughput
  Async1 Total Alloc
  Async2 Total Alloc
  Async1 Bytes/op
  Async2 Bytes/op
  Async1 Gen0
  Async2 Gen0
  Synchronous baseline
  100.0M
  0.33 ns
  0.33 ns
  1.00×
  3.008B ops/s
  3.004B ops/s
  696 B
  696 B
  0
  0
  0
  0
  Async method, no suspension
  100.0M
  6.58 ns
  0.34 ns
  19.63×
  152.0M ops/s
  2.984B ops/s
  7.20 GB
  696 B
  72.0000
  0
  459
  0
  Completed Task await
  100.0M
  4.01 ns
  0.33 ns
  12.02×
  249.1M ops/s
  2.995B ops/s
  7.20 GB
  696 B
  72.0000
  0
  459
  0
  Completed ValueTask await
  100.0M
  0.75 ns
  0.33 ns
  2.25×
  1.329B ops/s
  2.987B ops/s
  696 B
  696 B
  0
  0
  0
  0
  Task.Yield suspension
  100.0M
  242.89 ns
  34.68 ns
  7.00×
  4.12M ops/s
  28.84M ops/s
  992 B
  1,000 B
  0
  0
  0
  0
  ThreadPool continuation
  100.0M
  324.78 ns
  102.35 ns
  3.17×
  3.08M ops/s
  9.77M ops/s
  16.00 GB
  15.20 GB
  160.0000
  152.0000
  1,027
  969
  TaskCompletionSource continuation
  100.0M
  455.50 ns
  114.16 ns
  3.99×
  2.20M ops/s
  8.76M ops/s
  16.00 GB
  16.00 GB
  160.0001
  160.0000
  1,027
  1,021
  Async state-machine chain
  100.0M
  678.33 ns
  91.68 ns
  7.40×
  1.47M ops/s
  10.91M ops/s
  30.10 GB
  19.20 GB
  300.9802
  192.0000
  1,927
  1,226
  結果簡直令人震驚！例如跨越暫停點後仍然存活的局部變量、很多異步方法可能根本不會暫停，Green Thread 通常由運行時調度
  	，於是誕生了諸如 ValueTask這樣的優化方案，這會使很多原本可以跨方法進行的優化變得非常困難	
  。並把之前保存的 Continuation 作為額外參數傳回來。從而編譯器會以 await 為邊界
  ，傳統 async/await 模型每遇到一個異步方法就得進行狀態機的變換
  ，從語義上看這些調用完全可以像普通的同步函數調用一樣執行
  ，被標記的方法則會作為 CPS 變換的入口點
  。整個異步方法就被拆分成了多個狀態機的狀態	
  ，這與傳統 async 的執行模型有本質區別
  。真正的係統調用最終仍然需要由底層承載它的係統線程來執行。
  以下是一個簡單的示例：
  public async Task<int> GetDataAsync(){     // 模擬異步操作    await Task.Delay(1000);    return 42;}
  上麵這個例子中	，而且扔到 asp.net core 裏跑發現 RPS 居然不升反降
  
  ，導致開發者無法自由地控製調度行為
  
  	。這通常意味著每次調用異步方法都會創建一個新的 Task對象
  。Task
  	、

• Completed Task await 
  ：異步方法 ，使狀態機再次執行 MoveNext
  。並不保證恢複執行時仍然運行在原來的係統線程上 。這破壞了 JIT 對整個異步調用鏈的優化能力 。.NET 還實驗過 Green Thread 的方案
  ，由於 JIT 能夠直接看到完整的異步調用控製流，

  傳統 async 的局限性

  你可能會注意到，然後繼續執行返回值為 42 的代碼。相較於 Green Thread，等待異步操作完成後繼續執行：

  class StateMachine{     private int state = 0;    // 創建一個用來存儲結果的 Task<int>
  ，雖然你的方法返回的是 Task<T>
  ，當異步操作完成時	，尤其是在整個異步調用鏈實際上都沒有發生暫停的情況下，它隻需要保存非常少量的東西	，這裏其實並不是一個 (int, Continuation)元組；這是 ABI 上的兩個獨立返回通道
  。

這樣一來  ，等待一個已經完成的 Task