Scala.js项目中的Wasm与JavaScript Promise集成技术解析
背景介绍
Scala.js作为将Scala代码编译为JavaScript的工具,近期在WebAssembly(Wasm)后端开发中取得重要进展。其中JavaScript Promise集成(JSPI)方案为Wasm带来了突破性的能力——允许Wasm代码同步调用返回Promise的JS函数,并在Promise未解决时挂起执行。这种能力相当于虚拟线程(又称绿色线程或协程),是纯JavaScript无法实现的功能。
JSPI的核心价值
JSPI为Wasm提供了独特的"超能力":它解决了传统异步编程中的"函数着色"问题。在传统异步编程中,函数必须明确标记为async,而JSPI允许任意深度的函数调用栈在Promise未解决时挂起,中间层的函数无需知道它们可能被挂起。这种机制使得每个函数都可以根据调用者的不同而表现出同步或异步行为。
技术实现方案
1. 挂起导入(Suspending Imports)
Scala.js提供了两种实现方案:
方案一:提供基础await原语
def await[A](p: js.Promise[A]): A = throw new Error("stub")
底层实现为:
"await": new WebAssembly.Suspending((x) => x)
方案二:使用@JSImportSuspending注解
@js.native
@JSImportSuspending("readFile", "node:fs")
def readFile(f: String, charset: String): String = js.native
2. 承诺导出(Promising Exports)
最初方案建议使用@JSExportPromising注解,但后续发现更灵活的解决方案是提供suspendable操作:
def suspendable[A](operation: => A): js.Promise[A] =
throw new Error("stub")
这种方式不强制开发者导出任何内容,同时保持API的简洁性。
实现挑战与解决方案
调用路径限制
在承诺导出和挂起导入之间的调用路径上不能有任何JavaScript帧。虽然这无法静态或动态检查,但运行时引擎会进行验证,违反条件时将导致不可捕获的trap。为解决这一问题,方案已修改为抛出可捕获的异常而非trap。
类型系统集成
为实现类型安全,可以考虑以下方案:
- 使用
scala.Function0(但会使IR特定于Scala) - 使用
java.util.function.Supplier - 在IR中添加
TypedClosure支持
最佳实践建议
对于需要导出为Promise的函数,推荐模式为:
@JSExportTopLevel("myPromisingFunc")
def myPromisingFunc(x: Int): js.Promise[String] =
suspendable { myComputation(x) }
未来发展方向
随着JSPI进入标准化阶段,Scala.js团队计划:
- 完善
js.async和js.awaitAPI - 探索基于捕获检查的类型安全抽象
- 提供更高级的异步编程糖语法
总结
Scala.js通过JSPI集成,为Wasm后端带来了革命性的异步编程能力。这种技术不仅解决了传统异步编程的痛点,还为未来的并发编程模型开辟了新途径。开发者现在可以期待更简洁、更强大的异步编程体验,同时保持Scala类型系统的安全性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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