Promise.race方法详解 - 从liubin/promises-book项目学习Promise竞速机制
理解Promise.race的核心概念
Promise.race是Promise API中一个非常实用的方法,它与Promise.all形成鲜明对比。简单来说,Promise.race就像一场赛跑,多个Promise实例同时开始执行,但只取第一个"冲过终点线"(即最先改变状态)的结果。
基本语法与工作原理
Promise.race接收一个可迭代对象(通常是Promise数组)作为参数,返回一个新的Promise实例。这个新Promise的状态和值/原因将与第一个改变状态的原始Promise保持一致。
const promise1 = new Promise(...);
const promise2 = new Promise(...);
Promise.race([promise1, promise2])
.then(value => console.log('第一个完成的Promise结果:', value))
.catch(reason => console.log('第一个被拒绝的原因:', reason));
实际应用示例
让我们通过两个具体例子深入理解Promise.race的行为特性。
示例1:计时器竞速
const promise1 = new Promise(resolve => setTimeout(() => resolve(1), 1));
const promise2 = new Promise(resolve => setTimeout(() => resolve(2), 32));
const promise3 = new Promise(resolve => setTimeout(() => resolve(3), 64));
const promise4 = new Promise(resolve => setTimeout(() => resolve(4), 128));
Promise.race([promise1, promise2, promise3, promise4])
.then(value => console.log(value)); // 输出: 1
在这个例子中,四个Promise分别设置了不同的延迟时间(1ms、32ms、64ms和128ms)。由于promise1最先完成(1ms后),所以Promise.race的结果就是1。
示例2:后续Promise的状态变化
const winner = new Promise(resolve =>
setTimeout(() => {
console.log('this is winner');
resolve('this is winner');
}, 4)
);
const loser = new Promise(resolve =>
setTimeout(() => {
console.log('this is loser');
resolve('this is loser');
}, 1000)
);
Promise.race([winner, loser])
.then(value => console.log(value));
// 控制台输出顺序:
// this is winner
// this is winner (来自then的回调)
// this is loser (约1秒后)
这个例子展示了即使winner Promise已经完成,loser Promise仍然会继续执行直到完成。这说明Promise.race不会取消其他Promise的执行。
重要特性与注意事项
-
非中断性:Promise.race不会中断其他Promise的执行,即使已经有一个Promise完成了。这与某些编程语言中的"竞速"概念不同。
-
状态继承:返回的新Promise会继承第一个改变状态的Promise的状态和值/原因。如果第一个改变状态的是rejected Promise,则会触发catch回调。
-
空数组处理:如果传入空数组,返回的Promise将永远保持pending状态。
-
非Promise值:如果数组中包含非Promise值,这些值会被视为已解决的Promise,可能导致它们"赢得"竞速。
实际应用场景
-
超时控制:可以结合一个实际操作的Promise和一个超时reject的Promise,实现操作超时处理。
-
快速响应:当有多个服务提供相同功能时,可以使用Promise.race获取最快响应的结果。
-
竞态条件处理:在需要处理多个可能先完成的操作时使用。
与Promise.all的对比
| 特性 | Promise.race | Promise.all |
|---|---|---|
| 完成条件 | 任意一个Promise完成 | 所有Promise都完成 |
| 结果值 | 第一个完成的Promise的结果 | 所有Promise结果的数组 |
| 错误处理 | 第一个reject的Promise会触发catch | 任何一个reject都会立即触发catch |
| 后续Promise处理 | 不中断其他Promise | 不中断其他Promise |
深入理解实现原理
虽然规范没有要求Promise.race取消其他Promise的执行,但理解其内部实现有助于更好地使用它。伪代码实现可能如下:
Promise.race = function(promises) {
return new Promise((resolve, reject) => {
promises.forEach(promise => {
Promise.resolve(promise).then(resolve, reject);
});
});
};
这种实现方式解释了为什么其他Promise会继续执行 - 因为每个Promise的then回调都被单独注册了。
总结
Promise.race是处理多个异步操作竞速场景的强大工具。理解它的非中断特性和状态继承机制对于正确使用至关重要。在实际开发中,它常用于实现超时控制、快速响应等场景,是Promise API中不可或缺的一部分。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00