Swift Async Algorithms 中的异步序列类型擦除技术解析
2025-06-25 04:34:39作者:柏廷章Berta
异步序列类型擦除的背景
在 Swift 并发编程中,AsyncSequence 是一个非常重要的协议,它允许我们以异步方式处理序列数据。然而,当我们需要组合多个 AsyncSequence 时,返回类型往往会变得非常复杂且难以维护。
问题现状
当前 Swift 5.x 版本中,当我们合并两个来自 NotificationCenter 的异步通知序列时,会遇到两个主要问题:
- 返回类型过于复杂,包含多层嵌套的泛型类型
- 在严格并发检查模式下会出现 Sendable 相关的警告
例如,合并两个通知序列的返回类型可能看起来像这样:
AsyncMerge2Sequence<AsyncMapSequence<NotificationCenter.Notifications, Notification.Name>, AsyncMapSequence<NotificationCenter.Notifications, Notification.Name>>
临时解决方案
在 Swift 6.0 发布之前,我们可以采用以下两种临时解决方案:
1. 使用 AnyAsyncSequence 包装器
创建一个类型擦除的包装器,可以隐藏底层复杂的类型信息。这种方案的优点是保持了异步序列的原始特性,包括背压传播等机制。
struct AnyAsyncSequence<Element>: AsyncSequence {
typealias AsyncIterator = AnyAsyncIterator<Element>
typealias Element = Element
private let _makeAsyncIterator: () -> AnyAsyncIterator<Element>
init<S: AsyncSequence>(_ sequence: S) where S.Element == Element {
_makeAsyncIterator = {
AnyAsyncIterator(sequence.makeAsyncIterator())
}
}
func makeAsyncIterator() -> AnyAsyncIterator<Element> {
_makeAsyncIterator()
}
}
2. 使用 AsyncStream 转换
虽然不推荐,但在性能要求不高的情况下,可以将 AsyncSequence 转换为 AsyncStream。需要注意的是,这种方法会破坏背压机制,可能导致内存问题。
extension NotificationCenter {
private func typeErasedNotifications(_ name: Notification.Name) -> AsyncStream<Notification.Name> {
AsyncStream { continuation in
let task = Task {
for await notification in self.notifications(named: name) {
continuation.yield(notification.name)
}
}
continuation.onTermination = { _ in task.cancel() }
}
}
}
Swift 6.0 的改进
Swift 6.0 将通过 SE-0421 引入更优雅的解决方案。新特性允许我们使用更简洁的语法来表达异步序列类型:
some AsyncSequence<Notification, any Error>
或者对于不会抛出错误的序列:
some AsyncSequence<Notification, Never>
这种语法不仅更简洁,还能更好地表达异步序列的语义,是未来推荐的使用方式。
最佳实践建议
- 如果项目可以等待,建议升级到 Swift 6.0 后使用原生支持
- 当前版本推荐使用类型擦除包装器而非 AsyncStream 转换
- 注意保持背压机制,避免无限制缓冲数据
- 在严格并发模式下,确保相关类型符合 Sendable 协议
通过理解这些技术细节,开发者可以更优雅地处理复杂的异步序列组合场景,写出更健壮、更易维护的并发代码。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219