当前位置:首页 > 文章列表 > 文章 > 前端 > 简化的高性能 JavaScript:Web Workers、SharedArrayBuffer 和 Atomics

简化的高性能 JavaScript:Web Workers、SharedArrayBuffer 和 Atomics

2024-12-31 10:16:06 0浏览 收藏

编程并不是一个机械性的工作,而是需要有思考,有创新的工作,语法是固定的,但解决问题的思路则是依靠人的思维,这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《简化的高性能 JavaScript:Web Workers、SharedArrayBuffer 和 Atomics》,文章讲解的知识点主要包括,如果你对文章方面的知识点感兴趣,就不要错过golang学习网,在这可以对大家的知识积累有所帮助,助力开发能力的提升。

简化的高性能 JavaScript:Web Workers、SharedArrayBuffer 和 Atomics

JavaScript 作为单线程语言,其任务在主线程上依次执行。虽然这种设计简化了开发流程,但也可能导致计算密集型任务成为性能瓶颈。本文将探讨如何利用 Web Workers、SharedArrayBuffer 和 Atomics 在 JavaScript 中实现多线程,从而构建高性能应用。

为何选择 Web Workers、SharedArrayBuffer 和 Atomics?

Web Workers

Web Workers 在后台线程中运行 JavaScript 代码,防止计算密集型任务阻塞用户交互(例如滚动或点击按钮)。

SharedArrayBuffer

SharedArrayBuffer 允许主线程和工作线程共享内存,无需数据复制,从而实现更快速的通信。

Atomics

Atomics 确保对共享内存的安全同步访问,防止竞争条件,并保持线程间数据一致性。

示例:使用 Web Workers 和 SharedArrayBuffer 进行并行计算

以下是一个实际示例:并行计算大型数组的总和。

步骤一:创建 Web Worker 脚本

创建一个名为 worker.js 的文件,用于处理部分求和计算:

// worker.js
self.onmessage = function(event) {
  const { array, start, end } = event.data;
  let sum = 0;
  for (let i = start; i < end; i++) {
    sum += array[i];
  }
  self.postMessage(sum);
};

步骤二:配置主线程

在主脚本中,将任务分配给 Worker:

// main.js
const array = Array.from({ length: 1_000_000 }, () => Math.floor(Math.random() * 100));
const numWorkers = 4;
const chunkSize = Math.ceil(array.length / numWorkers);
const workers = [];
const results = [];
let completedWorkers = 0;

// 创建 SharedArrayBuffer 用于存储数组
const sharedBuffer = new SharedArrayBuffer(Int32Array.BYTES_PER_ELEMENT * array.length);
const sharedArray = new Int32Array(sharedBuffer);
sharedArray.set(array);

// 初始化 Worker
for (let i = 0; i < numWorkers; i++) {
  const worker = new Worker('worker.js');
  workers.push(worker);
  worker.onmessage = function(e) {
    results.push(e.data);
    completedWorkers++;
    if (completedWorkers === numWorkers) {
      let totalSum = results.reduce((acc, curr) => acc + curr, 0);
      console.log('总和:', totalSum);
    }
  };
  worker.postMessage({ array: sharedArray, start: i * chunkSize, end: (i + 1) * chunkSize });
}

步骤三:使用 Atomics 进行同步 (可选,如果需要更精细的同步控制)

使用 Atomics 管理进度或确保所有线程在继续之前都已完成。

const progress = new Int32Array(sharedBuffer);
Atomics.add(progress, 0, 1); // 增加进度

if (Atomics.load(progress, 0) === numWorkers) {
    console.log('所有 Worker 完成任务。');
}

优势

  • 流畅的用户体验: 将计算任务从主线程卸载。
  • 更快的通信: SharedArrayBuffer 避免了线程间的数据复制。
  • 线程安全: Atomics 提供了高效的同步工具。

应用场景

  • 实时分析: 并行处理大型数据集,以获得更快的洞察力。
  • 游戏引擎: 在单独的线程中执行物理模拟。
  • 媒体处理: 编码或解码视频流,而不会延迟 UI 响应。

参考文献

MDN Web 文档:Web Workers

MDN Web 文档:SharedArrayBuffer

MDN Web 文档:Atomics

理论要掌握,实操不能落!以上关于《简化的高性能 JavaScript:Web Workers、SharedArrayBuffer 和 Atomics》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

迅雷9文件保存路径怎么改?修改迅雷9下载路径的方法迅雷9文件保存路径怎么改?修改迅雷9下载路径的方法
上一篇
迅雷9文件保存路径怎么改?修改迅雷9下载路径的方法
黄宇红:未来6G一定要通感算智一体化协同
下一篇
黄宇红:未来6G一定要通感算智一体化协同
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    263次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    313次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    294次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    271次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    87次使用