测试 javascript web worker 性能的核心做法是:使用 `performance.now()` 在 main thread 和 worker 两端分别记录时间戳,计算耗时差值。通过对比主线程执行相同逻辑的耗时与 worker 的总耗时(含通信开销),可以量化并行处理的优势。具体实现时,需确保任务足够复杂以抵消消息传递的延迟,并多次运行取平均值以减少波动。

如何准确测量 Worker 的计算耗时
要准确测量 Worker 的计算耗时,必须避免将消息序列化和反序列化的时间计入计算本身。最佳实践是在 Worker 内部启动计时器,仅在纯计算逻辑结束后停止计时,并将结果连同耗时一起发回主线程。这样得到的数据能真实反映并行计算带来的收益,而非通信开销。

const start = performance.now();
// 模拟复杂计算
let result = 0;
for (let i = 0; i < 1e8; i++) {
result += Math.sqrt(i);
}
const end = performance.now();
postMessage({ result, time: end - start });上述代码展示了 Worker 内部的典型结构。`performance.now()` 提供了高精度的时间戳。计算循环模拟了 CPU 密集型任务。最后通过 `postMessage` 发送包含结果和耗时的对象。主线程接收后,减去发送前的时间,即为 Worker 的实际运行时间。
立即学习“Java免费学习笔记(深入)”;
使用 Husky 将 pre-commit、pre-push 和 commit-msg 检查集成到仓库中,以便代理和开发人员在更改离开工作站之前运行相同的本地防护措施。
如何对比主线程与 Worker 的性能差异
对比性能的关键在于控制变量,即让主线程和 Worker 执行完全相同的算法。在主线程中,同样使用 `performance.now()` 包裹相同的计算逻辑。然后比较两者的耗时。如果 Worker 耗时显著低于主线程,说明并行处理有效;反之,若两者接近或 Worker 更慢,则说明通信开销抵消了并行优势,或者任务太轻量不适合拆分。

// Main Thread
const t0 = performance.now();
worker.postMessage({ data: inputData });
worker.onmessage = (e) => {
const workerTime = e.data.time;
console.log(`Worker Time: ${workerTime}ms`);
};
// Simulate same work on main thread
function mainThreadWork() {
let res = 0;
for (let i = 0; i < 1e8; i++) res += Math.sqrt(i);
return performance.now() - t0;
}
const mainTime = mainThreadWork();
console.log(`Main Time: ${mainTime}ms`);这段代码演示了如何在主线程中复现计算以进行对比。注意,在实际测试中,应确保主线程没有其他阻塞性操作干扰计时。通过打印 `Worker Time` 和 `Main Time`,开发者可以直观看到性能差距。通常,当计算量达到一定阈值(如数千万次迭代)时,Worker 的优势才会显现。
Worker 通信开销对性能的影响有多大
Worker 的通信开销包括数据序列化、跨线程传输和反序列化。对于小数据量任务,这部分开销可能超过计算本身,导致 Worker 版本比主线程更慢。因此,测试时需关注数据传输的大小。如果只需传递少量状态,建议使用 SharedArrayBuffer 或 Atomics 来避免拷贝,从而降低开销。但在标准 MessageChannel 模式下,大数据传输会显著增加延迟。


















