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 23:44:07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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220