当前位置:首页 > 文章列表 > 文章 > 前端 > Atomics.wait 与 notify 实现多线程原子锁同步方法

Atomics.wait 与 notify 实现多线程原子锁同步方法

2026-05-12 19:09:37 0浏览 收藏
本文深入解析了如何利用 Atomics.wait 和 Atomics.notify 在多个 Web Worker 之间构建轻量、高效的原子锁同步机制——通过 SharedArrayBuffer 共享一个整数状态(0空闲/1占用),结合循环条件检查、阻塞等待与精准唤醒,实现真正跨线程的协作式临界区保护;文章不仅厘清了跨域隔离、视图一致性、虚假唤醒应对等关键实践要点,还直击常见误用陷阱,并给出可落地的递增计数器示例,为高并发共享内存编程提供了清晰、可靠且符合现代浏览器安全模型的同步方案。

如何利用 Atomics.wait 与 Atomics.notify 在多个 Worker 线程间实现原子锁同步

要用 Atomics.wait 和 Atomics.notify 在多个 Worker 间实现原子锁,核心是用一个共享整数作为“锁状态”,配合阻塞等待与精准唤醒。它不是传统意义上的互斥锁,而是一种基于条件的协作式同步机制。

准备共享内存与锁视图

主线程需创建 SharedArrayBuffer 并初始化为整数数组(如 Int32Array),其中第一个元素代表锁状态:0 表示空闲,1 表示已被占用。

  • 必须启用跨域隔离:服务端响应头含 Cross-Origin-Embedder-Policy: require-corp 和 Cross-Origin-Opener-Policy: same-origin
  • 本地开发不能用 file://,得通过 localhost 启服务(例如 npx serve)
  • 主线程创建后,用 postMessage(sab, [sab]) 将缓冲区传给每个 Worker,确保传输的是底层 SharedArrayBuffer 而非拷贝
  • 所有线程(主线程和每个 Worker)必须使用相同类型、相同偏移的视图访问,例如都用 new Int32Array(sab)

Worker 中实现“获取锁-执行-释放锁”流程

每个 Worker 在操作共享资源前,先尝试获取锁;获取失败则等待,直到被通知唤醒。

  • 调用 Atomics.wait(view, 0, 0, 1e5):在索引 0 处等待,期望值为 0(空闲),超时设为 100 秒防止永久挂起
  • 若返回 "ok",说明已成功进入等待并被唤醒,此时再次检查 view[0] === 0(防止虚假唤醒),确认后用 Atomics.compareExchange(view, 0, 0, 1) 原子地将值从 0 改为 1,表示加锁成功
  • 执行临界区逻辑(如更新计数器、写入共享结构等)
  • 完成后,用 Atomics.store(view, 0, 0) 清空锁状态,并立即调用 Atomics.notify(view, 0, 1) 唤醒最多 1 个等待中的 Worker

避免常见陷阱

这类锁容易因误用导致死锁或竞争,关键细节必须严格遵守:

  • Atomics.wait 必须在循环中使用:因为可能被信号中断或虚假唤醒,每次唤醒后都要重新验证条件是否真正满足
  • 不要直接用 Atomics.add 或 Atomics.set 模拟锁——它们不提供等待能力,无法阻塞线程
  • 禁止混用不同视图类型(比如主线程用 Int32Array,Worker 用 Uint8Array),否则内存对齐错乱,读写结果不可预测
  • Atomics.notify 的第三个参数指定唤醒数量,设为 1 可实现 FIFO 式排队;设为 Infinity 会唤醒全部,适合广播场景但需配套状态校验

简单可运行示例逻辑

假设 3 个 Worker 共同递增一个共享计数器:

  • 主线程初始化 const sab = new SharedArrayBuffer(4); const counter = new Int32Array(sab); counter[0] = 0;
  • 每个 Worker 执行:Atomics.wait(counter, 0, 0); Atomics.add(counter, 0, 1); Atomics.notify(counter, 0, 1);
  • 注意:实际中应包裹在 while 循环内做条件重检,且 notify 应在 store 锁状态之后调用

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

2026事业单位招聘官网报名入口2026事业单位招聘官网报名入口
上一篇
2026事业单位招聘官网报名入口
Fiddler捕获HTTPS请求方法详解
下一篇
Fiddler捕获HTTPS请求方法详解
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。
    261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。
    306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。
    289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。
    263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。
    76次使用