Promise与数组操作:深入理解Promise.all和Promise.race
2025-06-28 00:28:37作者:管翌锬
在异步编程中,处理多个Promise对象是一个常见需求。本文将深入探讨如何使用Promise优雅地处理数组中的多个异步操作,特别是Promise.all和Promise.race这两个关键方法的应用场景和实现原理。
多异步操作的传统回调方式
在处理多个异步操作时,传统的回调方式会面临几个典型问题:
- 回调地狱:多层嵌套的回调使代码难以阅读和维护
- 错误处理复杂:需要在每个回调中单独处理错误
- 流程控制困难:难以确保所有异步操作都完成后再执行后续逻辑
// 传统回调方式示例
function fetchData(callback) {
request('url1', (err1, res1) => {
if (err1) return callback(err1);
request('url2', (err2, res2) => {
if (err2) return callback(err2);
// 更多嵌套...
});
});
}
Promise的初步解决方案
使用Promise的.then()方法可以部分解决上述问题:
function fetchData() {
return request('url1')
.then(res1 => request('url2'))
.then(res2 => {
// 处理结果
})
.catch(err => {
// 统一错误处理
});
}
这种方式虽然改善了代码结构,但当需要并行处理多个独立请求时,仍然不够优雅。
Promise.all:并行处理多个Promise
Promise.all是处理多个并行Promise的理想选择,它具有以下特点:
- 并行执行:所有Promise同时开始执行
- 全部完成:只有当所有Promise都resolve时才会触发then回调
- 快速失败:任何一个Promise reject都会立即导致整个Promise.all reject
const promise1 = fetch('/api/data1');
const promise2 = fetch('/api/data2');
const promise3 = fetch('/api/data3');
Promise.all([promise1, promise2, promise3])
.then(values => {
console.log(values[0]); // promise1的结果
console.log(values[1]); // promise2的结果
console.log(values[2]); // promise3的结果
})
.catch(error => {
// 任一请求失败都会进入这里
});
实际应用场景
- 页面初始化:需要同时加载多个数据源后才能渲染页面
- 表单验证:需要验证多个字段且所有验证都通过才能提交
- 文件上传:需要等待多个文件全部上传完成
Promise.race:竞速模式
与Promise.all不同,Promise.race会在第一个Promise settled(无论resolve还是reject)时就立即settle:
const timeoutPromise = new Promise((_, reject) => {
setTimeout(() => reject(new Error('Timeout')), 5000);
});
const fetchPromise = fetch('/api/data');
Promise.race([fetchPromise, timeoutPromise])
.then(data => {
// 如果fetch在5秒内完成
})
.catch(err => {
// 如果超时或fetch失败
});
典型使用场景
- 请求超时处理:为异步操作设置超时限制
- 性能优化:从多个数据源获取相同数据,取最先返回的结果
- 竞态条件处理:确保只有最快的操作结果被采用
实现原理浅析
理解这些方法的实现原理有助于更灵活地使用它们:
// 简化的Promise.all实现
Promise.all = function(promises) {
return new Promise((resolve, reject) => {
let results = [];
let completed = 0;
promises.forEach((promise, index) => {
Promise.resolve(promise)
.then(value => {
results[index] = value;
completed++;
if (completed === promises.length) {
resolve(results);
}
})
.catch(reject);
});
});
};
最佳实践建议
- 错误处理:始终为Promise.all和Promise.race添加catch处理
- 空数组处理:Promise.all([])会立即resolve,而Promise.race([])会永远pending
- 非Promise值:数组中的非Promise值会被Promise.resolve()包装
- 性能考虑:避免在Promise.all中包含不必要或可能失败的Promise
总结
掌握Promise.all和Promise.race是高效处理多个异步操作的关键。Promise.all适合需要等待所有操作完成的场景,而Promise.race则适用于竞速或超时控制。理解它们的特性和实现原理,能够帮助开发者编写更清晰、更健壮的异步代码。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100