AsyncEx项目中Task.Factory.StartNew与异步委托的陷阱分析
2025-06-20 15:55:38作者:滑思眉Philip
在异步编程中,我们经常会遇到需要创建并管理多个并发任务的情况。最近在AsyncEx项目中发现了一个有趣的现象:一个理论上应该永远运行的任务却意外地完成了。这个现象揭示了.NET异步编程中一个容易被忽视的重要问题。
问题现象
开发者编写了一个压力测试方法,创建了100个长期运行的任务,每个任务都在无限循环中尝试获取AsyncLock锁。理论上,这个方法应该永远不会返回,因为所有任务都在无限循环中。然而实际上,Task.WhenAll却意外完成了。
问题根源
问题的核心在于错误地使用了Task.Factory.StartNew方法来启动异步委托。Task.Factory.StartNew是.NET早期引入的API,它在处理异步lambda表达式时会产生不符合预期的行为。
当我们将async lambda传递给Task.Factory.StartNew时,实际上创建了两个任务:
- 外层任务:由
StartNew直接创建,代表同步部分的执行 - 内层任务:由async方法返回,代表异步操作的完成
Task.WhenAll等待的是外层任务的完成,而外层任务在遇到第一个await时就完成了(因为它只是启动了异步操作)。这解释了为什么所有任务"看似"都完成了。
正确解决方案
在大多数现代.NET异步编程场景中,应该使用Task.Run而不是Task.Factory.StartNew。Task.Run是专门为异步编程设计的,它能正确处理async lambda表达式。
修正后的代码应该如下:
public async Task StressTest()
{
var testLock = new AsyncLock();
var tasks = Enumerable.Range(0, 100)
.Select(taskIndex => Task.Run(async () =>
{
while (true)
{
using var _ = await testLock.LockAsync();
}
}))
.ToArray();
await Task.WhenAll(tasks);
}
关于LongRunning标志的说明
原代码中使用了TaskCreationOptions.LongRunning标志,这个标志的实际作用经常被误解:
- 它只是给任务调度器的一个提示,并不保证任何特定的行为
- 对于CPU密集型任务,它可能会创建一个专用线程
- 对于I/O密集型任务(如异步操作),它通常没有实际效果
- 在现代.NET中,默认的任务调度器已经足够智能,通常不需要这个提示
最佳实践建议
- 优先使用
Task.Run而不是Task.Factory.StartNew - 只有在非常明确需要控制任务调度细节时,才考虑使用
Task.Factory.StartNew - 使用async/await时,确保理解任务链的完整生命周期
- 对于纯粹的异步操作,通常不需要指定LongRunning标志
理解这些底层机制对于编写健壮、高效的异步代码至关重要。在异步编程中,选择正确的任务创建方式可以避免许多微妙的错误和性能问题。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
288
340
Ascend Extension for PyTorch
Python
290
321
暂无简介
Dart
730
175
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
10
1
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
244
105
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++
850
449
🔥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
65
20
仓颉编程语言运行时与标准库。
Cangjie
149
885