SharedArrayBuffer 配合 Atomics.add 可实现多 Worker 原子计数：主线程创建并转移 SharedArrayBuffer，Worker 用相同 Int32Array 视图绑定，统一调用 Atomics.add(view, 0, 1) 累加，最终用 Atomics.load 读取准确总数，全程无锁、零拷贝、线程安全。
用 SharedArrayBuffer 配合 Atomics.add 实现多 Worker 计数，核心是让所有 Worker 操作同一块内存里的整数，并靠原子加法避免覆盖。它不需要锁、不依赖主进程中转，天然适合高并发累加场景（比如请求计数、实时点击统计）。
共享内存的创建与分发
主线程创建一块固定大小的 SharedArrayBuffer（例如 4 字节），再用 Int32Array 绑定为可操作视图：
- 缓冲区长度必须是整数，推荐 4 的倍数；计数器只需 4 字节，所以
new SharedArrayBuffer(4)就够 - 必须通过
postMessage(buffer, [buffer])的 transfer list 显式传递，否则 Worker 收到的是 null 或拷贝，起不到共享作用 - Worker 接收后，要用相同类型视图重建访问入口：
const view = new Int32Array(msg.data)，类型和长度需严格一致
用 Atomics.add 替代普通递增
每个 Worker 在循环中执行计数时，不能写 view[0]++ 或 view[0] += 1 —— 这些是非原子操作，会引发竞态，导致最终值小于预期。
- 正确写法是
Atomics.add(view, 0, 1)：它把“读取旧值→加1→写回→返回旧值”整个过程打包成不可分割的操作 - 该调用天然线程安全，多个 Worker 同时执行不会丢失任何一次加法
- 不需要初始化锁变量、也不用轮询等待，零额外开销
读取最终结果的时机与方式
所有 Worker 完成任务后，主线程才能读取准确总数。直接访问 view[0] 不可靠，必须用 Atomics.load：
-
Atomics.load(view, 0)确保读取的是最新写入且对所有线程可见的值 - 如果想在 Worker 运行中动态查看，可由某个 Worker 定期调用
Atomics.load并postMessage回主线程（注意这只是只读观察，不影响计数逻辑） - 无需 notify/wait 协作，因为累加本身无依赖顺序，纯并行即可
常见陷阱与规避方法
看似简单，但几个细节出错就会导致计数异常或报错：
- 浏览器环境必须启用跨域隔离：服务端响应头需含
Cross-Origin-Opener-Policy: same-origin和Cross-Origin-Embedder-Policy: require-corp - 本地开发别用 file:// 打开，得跑在 localhost 或 127.0.0.1 上的服务（如
npx serve） - Node.js 中需启动时加
--experimental-shared-array-buffer参数（v12+ 支持） - 别在同一个 SharedArrayBuffer 上混用不同视图（比如主线程用 Int32Array，Worker 用 Float64Array），会破坏数据解释
