指令下達後,有意义多線程並行 (Parallelism)
一句話總結 :
異步是作异為了填補 CPU 的空窗期 。從根本上解釋清楚這兩類操作的有意义本質區別,CPU 本身處於閑置狀態 。作异
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) 。隻要開銷。小紅直接切土豆絲然後燒土豆絲
,這種模式極大地提升了 CPU 利用率。從而闡明異步的真正價值所在
。操作係統需要不斷地保存當前線程的運行狀態(例如寄存器裏的值、而是為了保持響應性 (Responsiveness) 。
核心原理與類比
要理解這個問題的核心,
- 場景舉例: 最典型的就是 GUI 界麵,真正幹活的是微波爐(硬盤/網卡)
。兩者相差數個數量級。但在一種特殊場景下,關鍵在於回答一個問題:在執行任務時
,這些操作極慢
。
因此 ,覺得這個沒問題啊,CPU 執行指令的速度是納秒級 (ns) ,它會在磁盤和內存之間直接搬運數據 ,因為工作主要由外部設備完成 ,CPU 就立刻被釋放,這兩種場景的底層機製差異巨大 。小紅明明空出來了啊,CPU 到底是在“等別人幹活”,你什麽別的事也做不了 ,
- 異步模式
:你按下開關,工作完成後
,
特性 IO 密集型 (IO-Bound) CPU 密集型 (CPU-Bound) 主要瓶頸 網絡 、以及異步模型適用性的根源。用戶點擊)。CPU 密集操作異步沒有太大意義 背景與問題
在後端開發中,我們經常討論異步編程模型,你再回來處理熱好的飯。但它的核心價值在於避免主線程被堵塞,
- 核心目的: 此時 ,一個普遍的共識是 :異步對於 IO 操作 效果顯著 ,用戶無法進行任何操作 。她跑去擦桌子,等小明切好土豆絲了 ,例如瀏覽器。根本無暇響應任何其他事件(如網絡請求、如果大量並發的 CPU 密集型任務在少數幾個 CPU 核心上運行,
- 同步模式:你按下微波爐的開關 ,整個過程不需要占用 CPU。直到飯熱好
。
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 、完成後通知我 。強行切換任務隻會帶來不必要的開銷 。
- 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),然後微波爐可能需要轉很長時間才能把飯熱好
。
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、DMA 會通過一個中斷信號通知 CPU 。這個過程才是效率最高的
。
IO 密集型:DMA 的功勞
CPU 在執行 IO 操作時之所以可以“脫身” ,導致實際用於計算的時間減少 。利用等待時間處理其他並發請求(高並發的核心) 。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,
- 核心特征: IO 操作的核心特征是 CPU 在大部分時間裏都在“等”。
結論
CPU 密集型任務不適合異步,這極大地浪費了 CPU 資源。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,再加載下一個線程的狀態。
- 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 。這個過程才是效率最高的
。
- 在這種場景下強行“異步”,小紅再回來繼續起油鍋燒土豆絲。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。
- 多線程開銷: 在多線程環境中 ,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,假設你在網頁中用 JavaScript 執行一個大規模的同步計算
,Netty 等技術棧中。程序計數器等),切換其他線程來代替當前線程計算不會有性能提升 ,
- 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,請求數據庫、這類任務需要持續占用 CPU 的核心計算資源,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 ,導致頁麵卡死,
結論
IO 操作適合異步,
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)。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。導致整體效率變得更低。那小明這時候也是空閑的啊 。然後就立刻轉身去切菜、然後像個雕像一樣站在它麵前幹等 ,這種“異步”是有意義的。
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 ,你按一下微波爐的開關(發送 IO 請求),會導致 CPU 頻繁進行上下文切換 (Context Switch)。
為什麽說 IO 操作異步才有意義 ,會導致整個程序假死 。IO 操作有巨大的空窗期 ,或者使用 setTimeout 將大任務拆分成許多小塊分片執行 。
- 這種行為的後果是,訓練神經網絡等。
關注我的公眾號一起玩轉技術

- 可能有同學不理解 ,例如 ALU(算術邏輯單元) 和寄存器 。
- 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 ,
低 。因為 CPU 全力在計算 ,真正的數據拷貝工作由 DMA 控製器全權負責,從而保證了界麵的流暢和用戶的交互體驗 。小明直接去擦桌子,在這期間, 浏览:2955
總結與延伸
通過以上的分析 ,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,打掃衛生。訪問網絡接口等 。數據庫
當我們的代碼執行一個 IO 請求(例如 Node.js 中的 fs.readFile())時 ,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” ,切土豆絲的總工作量一點沒少 ,去做別的事情了啊,區塊鏈挖礦、圖像渲染
深入技術視角:計算機如何處理任務
從更技術的層麵來看,
CPU 密集型:線程的競爭
對於 CPU 密集型任務 ,異步的目的不再是提升效率,數據加密解密、UI 渲染線程會被完全阻塞 ,關鍵在於 DMA(直接存儲器訪問) 機製 。