Node.js多线程：什么是Worker线程？它们为什么如此重要？（下篇）
原文链接：
后台进程
因此，对于一些简单的使用情况，setImmediate（）也许还行，但是它远非理想的解决方案。另外，出于充分的理由，我们没有线程，也不想修改语言。
我们可以在没有线程的情况下进行并行处理吗？答案是可以的，我们需要的是某种后台处理方式，一种用于对输入执行任务的方式，他可以使用所需要的任意CPU和时间，并将结果返回给主应用程序。像这样：
// Runs `script.js` in a new environment without sharing memory.
const service = createService('script.js')
// We send an input and receive an output
service.compute(data, function(err, result) {
// result available here
})
现实情况是，我们已经可以在Node.js中进行后台处理了：我们可以fork这个进程，并使用消息来传递数据。 主进程可以通过发送和接收事件与子进程进行通信。
没有共享内存。交换的所有数据都是“克隆的”，这意味着在一侧对数据更改，它不会在另一侧改变。 就像HTTP响应一样，发送后，另一端也只有它的副本。如果我们不共享内存，那么我们就没有竞争条件，也不需要线程。问题解决了！
好吧，等等。 这是一个解决方案，但不是理想的解决方案。 就资源而言，fork进程又昂贵又缓慢。这意味着由于进程之间不共享内存，因此需要从头开始使用大量内存创建并运行新的虚拟机。
我们可以重用同一个fork得到的进程吗？ 当然可以，但是，在fork进程中，发送同步执行的不同繁重工作负载会产生两个问题。
一方面，您可能不会阻塞主应用程序，但是fork进程一次只能处理一项任务。如果您有两个任务，一个将花费10秒，另一个将花费1秒，按照顺序执行，不理想的是必须等待10秒才能执行第二个任务。
因为我们使用了fork进程，我们希望利用上操作系统对计算机中所有核心的调度。就像您可以同时听音乐和浏览互联网一样，您可以fork两个进程并同时执行所有任务。
另一方面，如果一个任务导致了进程崩溃，那么所有发送给同一进程的任务都将无法完成。
为了解决这些问题，我们需要多个fork进程，而不仅仅是一个。但是，我们需要限制fork进程的数量，因为每个进程都将在内存中复制所有虚拟机代码，这意味着每个进程都将占用好几MB的内存，并且启动时间不短。
因此，就像数据库连接一样，我们需要准备好要使用的进程池，在每个进程中一次运行一个任务，并在任务完成后重用该进程。实现看起来很复杂，而且也确实如此！让我们使用worker-farm来帮助我们：
// main app
const workerFarm = require('worker-farm')
const service = workerFarm(require.resolve('./script'))
service('hello', function (err, output) {
console.log(output)
})
// script.js
// This will run in forked processes
module.exports = (input, callback) => {
callback(null, input + ' ' + world)
}
问题解决了？
那么，问题解决了吗？是的，我们已经解决了问题，但与多线程解决方案相比，我们仍然使用了更多的内存。与fork进程相比，线程在资源方面非常轻量级。这就是Worker线程诞生的原因！
Worker线程具有独立的上下文。它们使用消息传递与主进程交换信息，因此我们避免了线程出现竞争的情况!但它们确实处于同一进程中，因此它们使用的内存要少得多。
您可以与Worker线程共享内存。您可以在Worker线程之间传递专门用于此目的的SharedArrayBuffer对象。并且仅在需要处理大量数据的CPU密集型任务时才使用它们，它们可以使您可以避免数据的序列化步骤。
让我们开始使用Worker线程！
如果您运行Node.js v10.5.0或更高版本，则可以立即开始使用worker_threads模块。但是，如果您使用的是11.7.0之前的任何版本，则需要在调用Node.js时使用--experimental-worker标志来启用它。
另外，请记住，创建一个Worker线程，尽管它比fork进程要轻量得多，也可能会使用过多的资源，这具体取决于您的需求。在这种情况下，worker_threads文档建议您创建一个Worker池。您也可以在npm中查找通用或特定的线程池实现，而不是创建自己的实现。
让我们看一个简单的例子。首先，我们需要实现主文件，在该文件中，我们将创建一个Worker线程并为其提供一些数据。该API是事件驱动的，但我们将其包装到Promise中，该Promise可解析从Worker收到的第一条消息：
// index.js
// run with node --experimental-worker index.js on Node.js 10.x
const { Worker } = require('worker_threads')
function runService(workerData) {
return new Promise((resolve, reject) => {
const worker = new Worker('./service.js', { workerData });
worker.on('message', resolve);
worker.on('error', reject);
worker.on('exit', (code) => {
if (code !== 0)
reject(new Error(`Worker stopped with exit code ${code}`));
})
})
}
async function run() {
const result = await runService('world')
console.log(result);
}
run().catch(err => console.error(err))
如您所见，这就像传递文件名作为参数，以及我们希望Worker处理的数据一样容易。请记住，workerData数据是克隆的，并且不在任何共享内存中。然后，我们通过监听message事件等待Worker线程向我们发送消息。
现在我们需要实现服务:
const { workerData, parentPort } = require('worker_threads')
// You can do any heavy stuff here, in a synchronous way
// without blocking the "main thread"
parentPort.postMessage({ hello: workerData })
在这里，我们需要做两件事：主应用程序发送给我们的workerData，以及将信息返回到主应用程序的方法。这是通过拥有postMessage方法的parentPort完成的，我们将通过该方法传递处理结果。
这是最简单的示例，但是我们可以构建更复杂的东西，例如，如果需要提供反馈，则可以从Worker线程发送多个消息，指示执行状态。或者我们可以发送一部分结果。想象一下，您正在处理成千上万的图像。也许您想为每个图像处理发送一条消息，但您不想等到所有图像都处理完之后再发送。
为了运行该示例，如果您使用的是Node.js 11.7之前的任何版本，请记住使用--experimental-worker标志：
node --experimental-worker index.js
有关其他信息，请查看worker_threads文档。
利用多线程部署新的Web应用程序或网站很容易。确保一切都会继续为您的应用程序提供资源，这将使事情变得更加艰难。如果您希望确保成功完成对后端或第三方服务的请求，请尝试LogRocket。
LogRocket就像Web应用程序的DVR，实际上记录了您网站上发生的一切。无需猜测问题发生的原因，您可以汇总并报告有问题的网络请求，以快速了解根本原因。
LogRocket用您的应用程序记录基线性能计时，例如页面加载时间，到第一个字节的时间和缓慢的网络请求，并记录Redux，NgRx和Vuex操作/状态。免费开始监视。
Web Workers呢？
也许您听说过Web Workers API。它们是用于网络的更成熟的API，并得到现代浏览器的良好支持。API的不同是因为需求和技术条件不同，但是它们可以解决浏览器运行时中的类似问题。如果您要在Web应用程序中进行加密、压缩/解压缩、图像处理、计算机视觉（例如，面部识别）等，此功能将非常有用。
结论
如果您需要在Node.js应用程序中执行CPU密集型任务，则Worker线程是一个令人兴奋且有用的模块。就像没有共享内存的线程，因此，它们没有引入潜在的竞争条件。由于worker_threads模块在Node.js v12 LTS中变得稳定，因此在生产级应用程序中使用它应该会感到放心！
（完）
今天的分享就到这里了，感谢各位读者的阅读。如您对小编分享的文章感兴趣，您可以在文章下方点赞、分享或收藏；还可以通过搜索关注知乎专栏《微服务应用开发和API管理》，或者扫描下方二维码关注灵长科技官方公众号，获取最新更新动态。
http://weixin.qq.com/r/KzkQCMPEq57UrYdr92w5 (二维码自动识别)
未经同意，本文禁止转载或摘编。
