在NVIDIA/stdexec中使用any_sender与协程的集成指南
2025-07-07 21:23:37作者:伍霜盼Ellen
背景介绍
在异步编程领域,NVIDIA的stdexec库提供了一套强大的工具来处理发送者(sender)和接收者(receiver)模式。其中,any_sender类型是一个类型擦除的发送者,可以容纳任何符合发送者概念的类型,为开发者提供了极大的灵活性。
问题描述
当开发者尝试将any_sender与协程结合使用时,特别是在使用let_value操作符时,可能会遇到连接(connect)失败的问题。具体表现为协程任务(task)无法在any_rec_ref的环境中变为可等待(awaitable)状态。
技术分析
根本原因
问题的核心在于环境(environment)的查询机制。当使用any_sender时:
- 协程任务(task)需要是一个可等待类型
- 可等待性取决于任务是否实现了
indirect_scheduler_provider概念 any_rec_ref默认不转发查询请求- 导致任务无法获取所需的调度器信息,从而无法满足可等待性要求
解决方案
正确的解决方法是明确指定接收者的查询能力。通过为any_receiver_ref提供查询支持,特别是get_scheduler查询,可以确保协程任务能够获取所需的调度器信息。
实现示例
以下是正确使用any_sender与协程的示例代码:
// 定义包含get_scheduler查询的标签集合
using my_queries = exec::make_env_t<
exec::with_t<stdexec::get_scheduler_t, stdexec::inline_scheduler>>;
// 创建any_sender并保留查询能力
auto create_any_sender() {
return stdexec::just(42)
| stdexec::let_value([](int value) -> stdexec::task<int> {
co_return value + 1;
});
}
// 使用any_sender
void use_any_sender() {
auto sender = create_any_sender();
// 使用带有查询支持的any_receiver_ref
stdexec::any_receiver_ref<my_queries> receiver = ...;
stdexec::start(stdexec::connect(std::move(sender), std::move(receiver)));
}
最佳实践
- 明确查询需求:在使用
any_sender和协程时,始终考虑需要哪些环境查询 - 类型安全:使用
make_env_t明确指定支持的查询类型 - 性能考量:类型擦除会带来一定的运行时开销,在性能敏感场景慎用
- 错误处理:确保协程和发送者都有适当的错误处理机制
结论
通过正确配置接收者的查询能力,可以成功地将any_sender与协程任务结合使用。这种组合为开发者提供了类型擦除的灵活性,同时保留了协程编程的直观性,是构建复杂异步系统的有力工具。
理解环境查询机制是掌握stdexec高级用法的关键,特别是在处理类型擦除和协程集成时。希望本文能帮助开发者避免常见的陷阱,更高效地使用stdexec库。
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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-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
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
327
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
56
33
🔥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
19
🎉 (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
1.22 K
669