Promise与数组操作:深入理解Promise.all和Promise.race
2025-06-28 01:54:25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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
301
2.65 K
Ascend Extension for PyTorch
Python
130
152
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
457
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++
610
196
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (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
1.05 K
613
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,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.43 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
205