深入理解阻塞/非阻塞与同步/异步:从lcomment/development-recipes项目谈起
2025-06-25 14:24:43作者:魏献源Searcher
前言
在计算机科学和网络编程领域,阻塞(Blocking)、非阻塞(Non-Blocking)、同步(Synchronous)和异步(Asynchronous)是四个核心概念。这些概念对于理解现代软件系统的运行机制至关重要。本文将从lcomment/development-recipes项目中关于这些概念的讨论出发,深入浅出地解析它们的区别与联系。
基本概念解析
阻塞(Blocking)与非阻塞(Non-Blocking)
阻塞与非阻塞关注的是控制权的转移问题,即调用函数与被调用函数之间谁掌握程序执行的控制权。
阻塞模式特点:
- 被调用函数在执行期间完全掌握控制权
- 调用函数必须等待被调用函数执行完毕才能继续
- 整个调用过程是线性的、顺序执行的
- 典型例子:传统的文件I/O操作
非阻塞模式特点:
- 被调用函数立即返回控制权给调用函数
- 调用函数可以继续执行其他任务而不必等待
- 需要额外的机制来获取操作结果
- 典型例子:Node.js中的非阻塞I/O
同步(Synchronous)与异步(Asynchronous)
同步与异步关注的是任务完成通知的方式,即如何知道被调用函数的操作已经完成。
同步模式特点:
- 调用函数需要主动检查被调用函数的状态
- 调用函数与被调用函数的执行进度需要保持协调
- 通常伴随着等待和轮询机制
- 典型例子:多线程编程中的同步操作
异步模式特点:
- 被调用函数完成后会主动通知调用函数
- 通常通过回调函数、事件或消息机制实现
- 调用函数不需要主动查询状态
- 典型例子:JavaScript中的Promise和async/await
四种组合模式详解
在实际编程中,阻塞/非阻塞与同步/异步会组合出现,形成四种不同的编程模式。下面我们通过函数A调用函数B的例子来详细说明。
1. 阻塞同步模式
工作流程:
- 函数A调用函数B
- 函数B获得控制权并开始执行
- 函数A被阻塞,等待函数B完成
- 函数A同步检查函数B的完成状态
特点分析:
- 最简单的编程模型
- 代码逻辑直观线性
- 资源利用率低,因为等待期间不能做其他事情
- 常见于简单的单线程程序中
2. 阻塞异步模式
工作流程:
- 函数A调用函数B
- 函数B获得控制权并开始执行
- 函数A被阻塞,但不关心函数B的具体状态
- 函数B完成后自动通知系统
特点分析:
- 实际应用中较为少见
- 阻塞但不关心结果,这种组合通常没有实用价值
- 可能是设计不当导致的模式
3. 非阻塞同步模式
工作流程:
- 函数A调用函数B
- 函数B立即返回控制权给函数A
- 函数A可以执行其他任务
- 函数A定期轮询检查函数B的完成状态
特点分析:
- 提高了资源利用率
- 需要实现轮询机制
- 可能造成CPU资源的浪费
- 典型例子:select/poll系统调用
4. 非阻塞异步模式
工作流程:
- 函数A调用函数B
- 函数B立即返回控制权给函数A
- 函数A继续执行其他任务
- 函数B完成后通过回调机制通知函数A
特点分析:
- 最高效的资源利用方式
- 编程模型相对复杂
- 需要良好的事件处理机制
- 典型例子:Node.js的异步I/O、现代Web API
实际应用场景
理解这些概念的区别对于选择正确的编程模型至关重要。下面是一些典型应用场景:
阻塞同步的适用场景:
- 简单的命令行工具
- 不需要高并发的应用
- 教学示例和原型开发
非阻塞异步的适用场景:
- 高并发服务器
- 用户界面应用程序
- 需要高性能I/O操作的系统
常见误区与澄清
- 阻塞不等于同步:阻塞关注控制权,同步关注状态通知
- 非阻塞不等于异步:非阻塞只是立即返回,异步强调回调机制
- 异步不一定高效:如果任务本身是CPU密集型,异步可能不会带来性能提升
- 回调地狱问题:过度使用异步回调可能导致代码难以维护
总结
通过lcomment/development-recipes项目中对这些核心概念的梳理,我们可以清晰地看到:
- 阻塞/非阻塞决定了控制权的流转方式
- 同步/异步决定了任务完成的通知机制
- 四种组合各有特点,适用于不同场景
- 现代高并发系统通常采用非阻塞异步模式
理解这些概念的区别和联系,将帮助开发者更好地设计和实现高效、可靠的软件系统。在实际项目中,应根据具体需求选择合适的编程模型,平衡开发效率与系统性能。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868