Promise高级应用:使用Promise.race实现请求超时控制(基于liubin/promises-book)
引言
在现代Web开发中,异步操作无处不在,而Promise作为处理异步操作的标准方式,为我们提供了优雅的解决方案。本文将深入探讨如何利用Promise.race方法实现请求超时控制,这是liubin/promises-book项目中介绍的一个高级Promise应用场景。
基础概念回顾
Promise.race简介
Promise.race是Promise的静态方法,它接收一个Promise数组作为参数,返回一个新的Promise。这个新Promise的状态由数组中第一个状态改变的Promise决定。
const promise1 = new Promise(...);
const promise2 = new Promise(...);
Promise.race([promise1, promise2])
.then(result => {
// 第一个完成的Promise的结果
});
请求超时的意义
在网络请求中,超时控制是至关重要的:
- 避免用户长时间等待无响应的请求
- 释放系统资源
- 提供更好的用户体验
实现Promise超时控制
第一步:创建延时Promise
要实现超时控制,首先需要创建一个在指定时间后resolve的Promise:
function delayPromise(ms) {
return new Promise(resolve => {
setTimeout(resolve, ms);
});
}
这个简单的函数封装了setTimeout,返回一个Promise,使得我们可以用Promise链式调用的方式处理延时。
第二步:实现基础超时机制
结合Promise.race和delayPromise,我们可以实现基本的超时控制:
function timeoutPromise(promise, ms) {
const timeout = delayPromise(ms).then(() => {
throw new Error('Operation timed out');
});
return Promise.race([promise, timeout]);
}
这种实现虽然简单,但存在一个问题:无法区分超时错误和其他类型的错误。
第三步:自定义超时错误类型
为了更好地区分错误类型,我们可以创建自定义的TimeoutError:
function TimeoutError(message) {
this.name = 'TimeoutError';
this.message = message || '';
this.stack = (new Error()).stack;
}
TimeoutError.prototype = Object.create(Error.prototype);
TimeoutError.prototype.constructor = TimeoutError;
使用自定义错误的好处:
- 可以在catch中精确识别错误类型
- 提供更详细的错误信息
- 便于错误处理和日志记录
改进后的timeoutPromise:
function timeoutPromise(promise, ms) {
const timeout = delayPromise(ms).then(() => {
throw new TimeoutError('Operation timed out');
});
return Promise.race([promise, timeout]);
}
实际应用:取消XHR请求
可取消的XHR封装
要实现可取消的XHR请求,我们需要对原生XHR进行Promise封装:
function cancelableXHR(url) {
const req = new XMLHttpRequest();
let abort = null;
const promise = new Promise((resolve, reject) => {
abort = () => {
req.abort();
reject(new Error('Request aborted'));
};
req.open('GET', url, true);
req.onload = () => resolve(req.responseText);
req.onerror = () => reject(new Error('XHR Error'));
req.send();
});
return {
promise,
abort
};
}
结合超时控制
将可取消XHR与超时控制结合:
const { promise, abort } = cancelableXHR('http://example.com/api');
timeoutPromise(promise, 5000)
.then(response => {
console.log('Response:', response);
})
.catch(error => {
if (error instanceof TimeoutError) {
console.log('Request timed out');
abort(); // 取消请求
} else {
console.log('Other error:', error);
}
});
最佳实践与模块化
代码组织建议
- 将Promise相关工具函数单独封装
- 分离业务逻辑和基础功能
- 使用模块化组织代码
推荐的模块结构
promise-utils/
├── delay.js // 延时Promise
├── timeout.js // 超时控制
├── errors.js // 自定义错误
└── cancelableXHR.js // 可取消XHR
使用示例
import { createXHR, abortXHR } from './promise-utils/cancelableXHR';
import { timeout } from './promise-utils/timeout';
const xhrPromise = createXHR('http://example.com/api');
timeout(xhrPromise, 5000)
.then(handleResponse)
.catch(handleError);
// 需要时手动取消
// abortXHR(xhrPromise);
总结与思考
通过本文,我们深入探讨了如何利用Promise.race实现请求超时控制,这是liubin/promises-book项目中介绍的高级Promise应用之一。关键点包括:
- Promise.race的竞争机制
- 延时Promise的实现
- 自定义错误类型
- XHR请求的取消
- 代码组织的最佳实践
Promise的强大之处在于它提供了统一的异步处理接口,使得我们可以将各种异步操作(包括延时、网络请求等)以一致的方式组合和处理。超时控制只是Promise组合应用的冰山一角,掌握这些技巧可以显著提升异步代码的质量和可靠性。
在实际项目中,建议将这些工具函数封装成可复用的模块,这样不仅提高开发效率,还能保证代码的一致性和可维护性。
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