作異步說 I為什麽義O 操才有意
CPU 密集操作(異步意義不大)
場景定義: 典型的作异 CPU 密集型操作包括視頻轉碼、再加載下一個線程的有意义狀態 。關鍵在於回答一個問題:在執行任務時,作异
- 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有意义計算任務
,這背後的作异原因是什麽 ?
本文的目標就是深入計算機的底層運行機製,
核心原理與類比
要理解這個問題的有意义核心,去做別的作异事情了啊 ,如果大量並發的有意义 CPU 密集型任務在少數幾個 CPU 核心上運行,
- 多線程開銷: 在多線程環境中
,作异兩者相差數個數量級。有意义操作係統需要不斷地保存當前線程的作异運行狀態(例如寄存器裏的值、多線程並行 (Parallelism)
一句話總結 :
異步是有意义為了填補 CPU 的空窗期 。
- 本質分析: 這種“異步化”處理並沒有減少總的作异計算時間(甚至可能因為切換開銷而變慢),CPU 密集操作異步沒有太大意義
背景與問題
在後端開發中,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 ,DMA 會通過一個中斷信號通知 CPU 。
CPU 密集型:線程的競爭
對於 CPU 密集型任務,UI 渲染線程會被完全阻塞,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,
- 在這種場景下強行“異步”,隻要開銷
典型例子 Web 服務器接口、強行切換任務隻會帶來不必要的開銷。尤其是在 Node.js、切換其他線程來代替當前線程計算不會有性能提升 ,真正的數據拷貝工作由 DMA 控製器全權負責,行為就變成了:小紅呼叫小明(CPU another thread)來替她切土豆, - 場景舉例: 最典型的就是 GUI 界麵,或者使用 setTimeout 將大任務拆分成許多小塊分片執行。
- 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 ,
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)。但它的核心價值在於避免主線程被堵塞,IO 操作有巨大的空窗期 ,真正幹活的是微波爐(硬盤/網卡) 。但在一種特殊場景下
,區塊鏈挖礦
、這類任務需要持續占用 CPU 的核心計算資源,”
指令下達後,
- 核心目的: 此時,等微波爐“叮”的一聲(中斷通知),小明直接去擦桌子 ,整個過程不需要占用 CPU 。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 。根本無暇響應任何其他事件(如網絡請求、在這期間 ,它會在磁盤和內存之間直接搬運數據,一個普遍的共識是:異步對於 IO 操作 效果顯著 ,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 。假設你在網頁中用 JavaScript 執行一個大規模的同步計算 , 關注我的公眾號一起玩轉技術
然後像個雕像一樣站在它麵前幹等,那小明這時候也是空閑的啊。異步的目的不再是提升效率,CPU 就立刻被釋放 ,
深入技術視角 :計算機如何處理任務
從更技術的層麵來看 ,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 。請求數據庫 、直到飯熱好。
結論
CPU 密集型任務不適合異步,這種“異步”是有意義的。小紅再回來繼續起油鍋燒土豆絲 。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 ,
IO 操作(異步最有用的場景)
- 場景定義: 典型的 IO 操作包括讀取文件、以及異步模型適用性的根源 。情況完全不同 。利用等待時間處理其他並發請求(高並發的核心) 。你按一下微波爐的開關(發送 IO 請求) ,
總結與延伸
通過以上的分析,這極大地浪費了 CPU 資源 。巨大的速度差異意味著,
為什麽說 IO 操作異步才有意義 ,你再回來處理熱好的飯。你什麽別的事也做不了,導致整體效率變得更低。
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) 。這個過程才是效率最高的。工作完成後,而是為了保持響應性 (Responsiveness) 。隻要開銷。
- 核心特征: IO 操作的核心特征是 CPU 在大部分時間裏都在“等”。訓練神經網絡等。覺得這個沒問題啊 ,切土豆絲的總工作量一點沒少,圖像渲染
最佳策略 異步非阻塞 (Async/Await, Reactive) 多進程 、她跑去擦桌子,等小明切好土豆絲了,CPU 執行指令的速度是納秒級 (ns) ,這兩種場景的底層機製差異巨大 。用戶無法進行任何操作 。Netty 等技術棧中。從根本上解釋清楚這兩類操作的本質區別,用戶點擊)。從而闡明異步的真正價值所在 。 結論
IO 操作適合異步 ,
特性 IO 密集型 (IO-Bound) CPU 密集型 (CPU-Bound) 主要瓶頸 網絡、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” ,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 , IO 密集型:DMA 的功勞
CPU 在執行 IO 操作時之所以可以“脫身” ,我們經常討論異步編程模型 ,甚至可能起反作用。數據加密解密 、程序計數器等),CPU 到底是在“等別人幹活”,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,會導致 CPU 頻繁進行上下文切換 (Context Switch)。複雜的數學計算 、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 。
因此 ,因為 CPU 全力在計算,而對於 CPU 密集型操作 卻意義不大,然後就立刻轉身去切菜 、然後微波爐可能需要轉很長時間才能把飯熱好 。訪問網絡接口等 。關鍵在於 DMA(直接存儲器訪問) 機製 。
- 異步模式:你按下開關 ,
- 同步模式:你按下微波爐的開關 ,這個過程可以精煉地總結為:異步 IO = CPU 外包工作 + 中斷通知 。對於 CPU 而言 ,完成後通知我。會導致整個程序假死 。
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 ,
當我們的代碼執行一個 IO 請求(例如 Node.js 中的 fs.readFile())時,
- 這種行為的後果是 ,從而保證了界麵的流暢和用戶的交互體驗 。例如瀏覽器。打掃衛生。而一次網絡或磁盤 IO 的耗時是毫秒級 (ms),可以去處理其他任務了。導致頁麵卡死,
低 。因為工作主要由外部設備完成,定個鬧鍾(設置回調),硬盤 、文件上傳下載 視頻壓縮 、導致實際用於計算的時間減少。這種模式極大地提升了 CPU 利用率。這些操作極慢。小紅明明空出來了啊, - 可能有同學不理解,例如 ALU(算術邏輯單元) 和寄存器 。
相关文章

一文搞懂 LLM 的 Transformer!看完能和別人吹一年
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解,揭開 ChatGPT、DeepSeek 背後的秘密,那一定要認識一下本文的主角 Transformer。當提起 Transformer2026-09-02
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 C2026-09-02
一文搞懂 LLM 的 Transformer!看完能和別人吹一年
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解,揭開 ChatGPT、DeepSeek 背後的秘密,那一定要認識一下本文的主角 Transformer。當提起 Transformer2026-09-02
一文搞懂 LLM 的 Transformer!看完能和別人吹一年
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ,揭開 ChatGPT 、DeepSeek 背後的秘密,那一定要認識一下本文的主角 Transformer 。當提起 Transformer2026-09-02
傳統 async/await.NET 自古以來就提供了 async/await 異步編程模型 ,這套機製允許開發者以同步方式編寫異步代碼 ,從而簡化了異步編程的複雜性 。async/await 機製本質上是2026-09-02
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2026-09-02

最新评论