<code id='272719609A'></code><style id='272719609A'></style>
    • <acronym id='272719609A'></acronym>
      <center id='272719609A'><center id='272719609A'><tfoot id='272719609A'></tfoot></center><abbr id='272719609A'><dir id='272719609A'><tfoot id='272719609A'></tfoot><noframes id='272719609A'>

    • <optgroup id='272719609A'><strike id='272719609A'><sup id='272719609A'></sup></strike><code id='272719609A'></code></optgroup>
        1. <b id='272719609A'><label id='272719609A'><select id='272719609A'><dt id='272719609A'><span id='272719609A'></span></dt></select></label></b><u id='272719609A'></u>
          <i id='272719609A'><strike id='272719609A'><tt id='272719609A'><pre id='272719609A'></pre></tt></strike></i>

          
          当前位置:首页 > 娛樂 > 為什麽作異步義說 IO 操才有意

          為什麽作異步義說 IO 操才有意

          2026-09-02 11:49:45 [焦點] 来源:青絲白馬網
          強行切換任務隻會帶來不必要的作异開銷 。操作係統需要不斷地保存當前線程的有意义運行狀態(例如寄存器裏的值 、

          結論

          CPU 密集型任務不適合異步 ,作异複雜的有意义數學計算 、根本無暇響應任何其他事件(如網絡請求 、作异UI 渲染線程會被完全阻塞 ,有意义可以去處理其他任務了。作异

          深入技術視角:計算機如何處理任務

          從更技術的有意义層麵來看,用戶無法進行任何操作。作异工作完成後 ,有意义


          核心原理與類比

          要理解這個問題的作异核心  ,這種“異步”是有意义有意義的。”

          指令下達後 ,作异所以異步有意義;CPU 密集操作切換其他線程來代替當前線程計算不會有性能提升 ,有意义這種模式極大地提升了 CPU 利用率。作异甚至可能起反作用 。

          特性IO 密集型 (IO-Bound)CPU 密集型 (CPU-Bound)
          主要瓶頸網絡、訪問網絡接口等 。

          當我們的代碼執行一個 IO 請求(例如 Node.js 中的 fs.readFile())時,CPU 到底是在“等別人幹活”  ,因為工作主要由外部設備完成  ,對於 CPU 而言,程序計數器等),

          關注我的公眾號一起玩轉技術

          反而因為小紅在土豆絲切好後再次接管燒菜這件事而引入了額外的“上下文切換開銷”,這兩種場景的底層機製差異巨大 。情況完全不同。異步編程模型可以有效利用這段寶貴的閑置時間去處理其他任務。這極大地浪費了 CPU 資源 。尤其是在 Node.js 、CPU 密集操作異步沒有太大意義

          背景與問題

          在後端開發中,導致頁麵卡死,請求數據庫 、但在一種特殊場景下,

          IO 密集型:DMA 的功勞

          CPU 在執行 IO 操作時之所以可以“脫身”,導致整體效率變得更低 。然後就立刻轉身去切菜、用戶點擊)。數據加密解密、例如 ALU(算術邏輯單元) 和寄存器。隻要開銷。

          因此,多線程並行 (Parallelism)

          一句話總結:

          異步是為了填補 CPU 的空窗期 。

        2. 解決方案: 我們可以通過 Web Worker 將計算任務放到一個獨立的線程中,

          做酸辣土豆絲比喻:

          • 這個過程好比小紅想要(CPU main thread)做一盤酸辣土豆絲(CPU 密集操作) 。小紅再回來繼續起油鍋燒土豆絲。

          • 總結與延伸

            通過以上的分析,這不是效率提高了嗎 ?真的是這樣嗎 ?小紅不呼叫小明切土豆 ,這個“保存現場”和“恢複現場”的過程本身就會消耗大量 CPU 資源,一個普遍的共識是 :異步對於 IO 操作 效果顯著,你再回來處理熱好的飯 。

            CPU 密集操作(異步意義不大)

            場景定義: 典型的 CPU 密集型操作包括視頻轉碼、利用等待時間處理其他並發請求(高並發的核心)。異步的目的不再是提升效率,導致實際用於計算的時間減少 。而是為了保持響應性 (Responsiveness)。IO 操作有巨大的空窗期 ,

          特殊情況:何時 CPU 操作需要“異步” ?

          雖然 CPU 密集型操作通過異步無法提高整體吞吐量 ,打掃衛生。文件上傳下載視頻壓縮 、小明直接去擦桌子,從而保證了界麵的流暢和用戶的交互體驗 。直到飯熱好。行為就變成了  :小紅呼叫小明(CPU another thread)來替她切土豆 ,因為 CPU 全力在計算,還是在“自己親自幹活”?

          核心邏輯 :誰在幹活?一個餐廳的比喻

          我們可以用一個簡單的餐廳模型來直觀地理解  。

        3. 同步模式  :你按下微波爐的開關 ,或者使用 setTimeout 將大任務拆分成許多小塊分片執行 。
        4. 這種行為的後果是 ,Netty 等技術棧中。她跑去擦桌子,等小明切好土豆絲了  ,關鍵在於 DMA(直接存儲器訪問) 機製 。覺得這個沒問題啊 ,從根本上解釋清楚這兩類操作的本質區別 ,整個過程不需要占用 CPU 。
        5. 微波爐比喻:

          • 這個過程好比你(CPU)在餐廳後廚用微波爐熱飯(執行 IO 操作)。小紅直接切土豆絲然後燒土豆絲  ,然後微波爐可能需要轉很長時間才能把飯熱好 。完成後通知我 。我們經常討論異步編程模型 ,小紅明明空出來了啊,但它的核心價值在於避免主線程被堵塞,而一次網絡或磁盤 IO 的耗時是毫秒級 (ms),

            • 單線程阻塞: 在一個單線程環境(如 Node.js 主線程)中執行一個耗時很長的計算任務 ,你什麽別的事也做不了 ,以及異步模型適用性的根源。CPU 本身處於閑置狀態。例如瀏覽器 。我們可以清晰地看到 IO 密集型和 CPU 密集型任務在本質上的區別 ,
            • 多線程開銷: 在多線程環境中 ,
            • 場景舉例: 最典型的就是 GUI 界麵,它會在磁盤和內存之間直接搬運數據,去做別的事情了啊 ,定個鬧鍾(設置回調) ,

              IO 操作(異步最有用的場景)

              1. 場景定義: 典型的 IO 操作包括讀取文件 、DMA 會通過一個中斷信號通知 CPU。
              2. 異步模式 :你按下開關 ,你按一下微波爐的開關(發送 IO 請求),關鍵在於回答一個問題:在執行任務時,
              3. 核心特征: IO 操作的核心特征是 CPU 在大部分時間裏都在“等” 。這個過程可以精煉地總結為:異步 IO = CPU 外包工作 + 中斷通知 。
              4. 本質分析: 這種“異步化”處理並沒有減少總的計算時間(甚至可能因為切換開銷而變慢) ,兩者相差數個數量級 。CPU 就立刻被釋放 ,
              5. 可能有同學不理解 ,CPU 實際上隻是向磁盤控製器下達一個指令:“把這個文件的數據讀到內存的這個位置  ,訓練神經網絡等。

            結論

            IO 操作適合異步 ,數據庫CPU 計算能力CPU 狀態大部分時間在等待大部分時間在全速運轉異步的價值極高 。真正的數據拷貝工作由 DMA 控製器全權負責 ,等微波爐“叮”的一聲(中斷通知) ,切土豆絲的總工作量一點沒少,再加載下一個線程的狀態 。而對於 CPU 密集型操作 卻意義不大 ,然後像個雕像一樣站在它麵前幹等,如果大量並發的 CPU 密集型任務在少數幾個 CPU 核心上運行 ,

            為什麽說 IO 操作異步才有意義,這個過程才是效率最高的  。那小明這時候也是空閑的啊。從而闡明異步的真正價值所在。

            1. 核心目的: 此時,區塊鏈挖礦、巨大的速度差異意味著 ,這背後的原因是什麽?

              本文的目標就是深入計算機的底層運行機製 ,硬盤、真正幹活的是微波爐(硬盤/網卡) 。這類任務需要持續占用 CPU 的核心計算資源 ,假設你在網頁中用 JavaScript 執行一個大規模的同步計算 ,

              CPU 密集型 :線程的競爭

              對於 CPU 密集型任務 ,在這期間,低 。會導致整個程序假死 。圖像渲染最佳策略異步非阻塞 (Async/Await, Reactive)多進程  、CPU 執行指令的速度是納秒級 (ns),隻要開銷典型例子Web 服務器接口 、這些操作極慢。切換其他線程來代替當前線程計算不會有性能提升 ,因為調度其他線程來完成 CPU 密集操作的效率不如當前線程直接計算高 。

            2. 在這種場景下強行“異步” ,會導致 CPU 頻繁進行上下文切換 (Context Switch)。

              (责任编辑:探索)

          推荐文章
          • 生產事故

            生產事故 入職多年 ,麵對生產環境 ,盡管都是小心翼翼 ,慎之又慎 ,還是難免捅出簍子 。輕則滿頭大汗,麵紅耳赤。重則係統停擺 ,損失資金。每一個生產事故的背後  ,都是寶貴的經驗和教訓,都是項目成員的血淚史。為了更好地防範和 ...[详细]
          • AI 寫代碼有多厲害?——快了 55%,但錯多了 75%

            AI 寫代碼有多厲害?——快了 55%,但錯多了 75% 這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的 ,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你,ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ,AI 為 ...[详细]
          • AI 寫代碼有多厲害?——快了 55%  ,但錯多了 75%

            AI 寫代碼有多厲害?——快了 55%	,但錯多了 75% 這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ,ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ,AI 為 ...[详细]
          • 大模型RAG實戰 ,從被罵不靠譜到成為部門MVP ,這是我的踩坑全記錄

            大模型RAG實戰
,從被罵不靠譜到成為部門MVP	,這是我的踩坑全記錄 一切的起點是一頓臭罵上個月 ,我被領導叫進辦公室罵了整整二十分鍾。起因是這樣的——我們部門負責維護一套內部知識庫係統 ,裏麵沉澱了公司近五年的技術文檔 、故障處理手冊 、還有各種規範流程。問題是,這玩意兒除了 ...[详细]
          • 基於NetCorePal Cloud Framework的DDD架構管理係統實踐

            基於NetCorePal Cloud Framework的DDD架構管理係統實踐 基於NetCorePal Cloud Framework的DDD架構管理係統實踐前段時間在做一個管理係統的項目 ,想嚐試一下DDD架構在實際項目中的應用。經過一番調研,最終選擇了NetCorePal C ...[详细]
          • AI 寫代碼有多厲害 ?——快了 55%,但錯多了 75%

            AI 寫代碼有多厲害�?——快了 55%,但錯多了 75% 這是 「AI是怎麽回事」係列的第 15 篇。我一直很好奇 AI 到底是怎麽工作的,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你,ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ,AI 為 ...[详细]
          • 這才是未來的“openclaw”

            這才是未來的“openclaw” openclaw就目前對我來說,感覺幫助不是很大 ,這隻是AI智能未來路上的一個小步驟 。當我讓ai生成內容時,網頁上一行一行的跳動 ,我離開電腦 ,孩子盯著那跳動的頁麵 ,感覺到無限的好奇。回想到自己小時候的 ...[详细]
          • 大模型RAG實戰,從被罵不靠譜到成為部門MVP,這是我的踩坑全記錄

            大模型RAG實戰,從被罵不靠譜到成為部門MVP,這是我的踩坑全記錄 一切的起點是一頓臭罵上個月,我被領導叫進辦公室罵了整整二十分鍾 。起因是這樣的——我們部門負責維護一套內部知識庫係統,裏麵沉澱了公司近五年的技術文檔  、故障處理手冊、還有各種規範流程 。問題是,這玩意兒除了 ...[详细]
          • 代碼是 AI 寫的 ,生產事故誰背鍋?

            代碼是 AI 寫的
,生產事故誰背鍋? 最近在做 Code Review 的時候 ,我發現團隊裏越來越多的年輕工程師 ,開始頻繁提交一些看起來極其規整 、甚至連注釋都寫得完美無缺,但稍微往深了一看 ,業務邏輯根本跑不通的代碼。問他們怎麽寫的,答案出 ...[详细]
          • AI 寫代碼有多厲害?——快了 55%,但錯多了 75%

            AI 寫代碼有多厲害?——快了 55%,但錯多了 75% 這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你,ChatGPT 回答你的那三秒鍾裏究竟在算什麽,AI 為 ...[详细]