javascript 异步函数在事件循环中处理资源耗尽的核心策略是限制并发度并实现背压(backpressure),即通过信号量或队列控制同时运行的任务数量,防止内存溢出或系统过载。具体做法是使用 `async/await` 配合一个并发计数器,或者使用成熟的工具库如 `p-limit` 来管理 promise 池。当资源达到上限时,新任务会进入等待状态而非立即执行,从而保护系统稳定性。

如何手动实现基于信号量的并发控制
手动实现并发控制的关键在于维护一个可用资源的计数器,并在获取和释放资源时进行原子性操作。我们创建一个简单的 Semaphore 类,它允许最多 N 个并发任务运行。当任务完成时,它会释放一个槽位,唤醒下一个等待的任务。这种方法不依赖外部库,适合理解底层逻辑或在极简环境中使用。

class Semaphore {
constructor(limit) {
this.limit = limit;
this.current = 0;
this.queue = [];
}
async acquire() {
if (this.current < this.limit) {
this.current++;
return () => this.release();
} else {
return new Promise((resolve) => {
this.queue.push(resolve);
});
}
}
release() {
this.current--;
if (this.queue.length > 0) {
const resolve = this.queue.shift();
this.current++;
resolve();
}
}
}
// 使用示例:限制最大并发为 3
const sem = new Semaphore(3);
async function fetchWithLimit(url) {
const release = await sem.acquire();
try {
console.log(`Fetching ${url}, active: ${sem.current}`);
await new Promise(r => setTimeout(r, 1000)); // 模拟网络请求
return url;
} finally {
release();
}
}
Promise.all([
fetchWithLimit('A'),
fetchWithLimit('B'),
fetchWithLimit('C'),
fetchWithLimit('D')
]).then(() => console.log('Done'));
如何使用 p-limit 库简化并发管理
在生产环境中,推荐使用 `p-limit` 这样的成熟库,它提供了更简洁的 API 来处理并发限制。`p-limit` 返回一个函数,调用该函数即可提交任务,它会自动管理排队和执行。相比手动实现,它处理了更多边缘情况,并且代码更加可读。这对于需要快速开发且对资源控制有明确需求的场景非常有效。
立即学习“Java免费学习笔记(深入)”;

// 假设已安装 p-limit
const pLimit = require('p-limit');
const limit = pLimit(3); // 限制最大 3 个并发
const tasks = [
() => fetch('https://api.example.com/data1'),
() => fetch('https://api.example.com/data2'),
() => fetch('https://api.example.com/data3'),
() => fetch('https://api.example.com/data4')
];
const promises = tasks.map(task => limit(task));
Promise.all(promises).then(results => {
console.log('All results:', results);
});
当并发队列积压过多时程序行为如何
当并发队列积压过多时,程序不会抛出错误,而是将新任务挂起在微任务队列或 Promise 链中等待。这意味着内存占用会随着等待任务的数量线性增长。如果无限添加任务而不释放,最终会导致内存耗尽(OOM)。因此,在实际应用中,除了限制并发数,还应考虑设置超时机制或最大队列长度,以防止长时间的资源锁定。


















