溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇“客戶端JavaScript線程池設計的示例分析”除了程序員外大部分人都不太理解，今天小編為了讓大家更加理解“客戶端JavaScript線程池設計的示例分析”，給大家總結了以下內容，具有一定借鑒價值，內容詳細步驟清晰，細節處理妥當，希望大家通過這篇文章有所收獲，下面讓我們一起來看看具體內容吧。
本打算在客戶端JavaScript進行機器學習算法計算時應用線程池來優化，就像()演示的神經網絡。但是由于各種原因不了了之了。本次遇到了一個新的問題，客戶端的MD5運算也是耗時操作，如果同時對多個字符串或文件進行MD5加密就可以使用線程池來優化。
到npm官網搜索spark-md5，到其github倉庫下載spark-md5.js。該js文件支持AMD，CommonJS和web工作線程的模塊系統，我們在實現線程池時，線程工作代碼交給web工作線程處理。
創建一個網頁，再創建一個worker.js用于保存工作線程的代碼。以下述代碼測試，如果成功輸出MD5編碼，那么準備工作完成。
客戶端網頁代碼
<script>
let worker = new Worker("worker.js")
worker.postMessage("Danny")
worker.onmessage = function({data}) {
console.log(data)
worker.terminate()
}
</script>工作線程代碼
self.importScripts("spark-md5.js")
self.onmessage = function({data}) {
self.postMessage(self.SparkMD5.hash(data))
}1. 目標：本次線程池設計的目標是初始創建n個初始線程，能夠滿足任意個線程請求，超出n的請求并不丟棄，而是等待到出現空閑線程后再分配之。
2. 基本設計思路：為了基本滿足上述目標，至少要有一個線程分配功能，一個線程回收功能。
3. 線程分配功能設計：
線程池滿指的是線程池已經沒有可用空閑線程
通知對象是一個不可逆狀態機，可以用Promise對象來實現
阻塞請求隊列存儲Promise對象的resolve方法即可
存儲線程池中的線程使用數組即可，數組每個元素是一個對象，包括線程和線程狀態
返回給用戶的可用線程還需要有線程在數組中的下標，在線程釋放中會用到
4. 線程釋放功能設計：
線程釋放功能需要接收一個參數，為線程的標識，3中設計該標識為數組下標
當線程釋放后，查看阻塞請求隊列是否為空，如果不為空，說明有被阻塞的線程請求，此時令隊首元素出隊即可，執行resolve()通知對象的狀態變更為Fulfilled
5. 實現線程池：
class MD5Pool {
// worker用于存儲線程
worker = []
// status是線程池狀態
status = "Idle"
// 阻塞請求隊列
blockRequestQueue = []
// size為用戶希望的線程池的容量
constructor(size) {
for(let i = 0; i < size; i ++)
this.worker.push({
worker: new Worker("worker.js"),
status: "Idle"
})
}
// 線程池狀態更新函數
statusUpdate() {
let sum = 0
this.worker.forEach(({ status }) => {
if(status === "Busy")
sum ++
})
if(sum === this.worker.length)
this.status = "Busy"
else
this.status = "Idle"
}
// 線程請求方法
assign() {
if(this.status !== "Busy") {
// 此時線程池不滿，遍歷線程，尋找一個空閑線程
for (let i = 0; i < this.worker.length; i++)
if (this.worker[i].status === "Idle") {
// 該線程空閑，更新狀態為忙碌
this.worker[i].status = "Busy"
// 更新線程池狀態，如果這是最后一個空閑線程，那么線程池狀態變為滿
this.statusUpdate()
// 返回給用戶該線程，和該線程的標識，標識用數組下標表示
return {
worker: this.worker[i].worker,
index: i
}
}
}
else {
// 此時線程池滿
let resolve = null
// 創建一個通知對象
let promise = new Promise(res => {
// 取得通知對象的狀態改變方法
resolve = res
})
// 通知對象的狀態改變方法加入阻塞請求隊列
this.blockRequestQueue.push(resolve)
// 返回給請求者線程池已滿信息和通知對象
return {
info: "full",
wait: promise
}
}
}
// 線程釋放方法，接收一個參數為線程標識
release(index) {
this.worker[index].status = "Idle"
// 阻塞請求隊列中的第一個請求出隊，隊列中存儲的是promise的resolve方法，此時執行，通知請求者已經有可用的線程了
if(this.blockRequestQueue.length)
// 阻塞請求隊列隊首出列，并執行通知對象的狀態改變方法
this.blockRequestQueue.shift()()
// 更新線程池狀態，此時一定空閑
this.status = "Idle"
}
}說明：
在3的測試中spark-md5只是對簡單字符串進行MD5編碼，并非需要大量運算的耗時操作。spark-md5可以對文件進行MD5編碼，耗時較多，實現如下。
注意：
spark-md5對文件編碼時必須要對文件進行切片后再加密整合，否則不同文件可能會有相同編碼。詳情見github或npm。
// 在工作線程中引入spark-md5
self.importScripts("spark-md5.js")
let fd = new FileReader()
let spark = new self.SparkMD5.ArrayBuffer()
// 接收主線程發來的消息，是一個文件
self.onmessage = function(event) {
// 獲取文件
let chunk = event.data
// spark-md5要求計算文件的MD5必須切片計算
let chunks = fileSlice(chunk)
// 計算MD5編碼
load(chunks)
}
// 切片函數
function fileSlice(file) {
let pos = 0
let chunks = []
// 將文件平均切成10分計算MD5
const SLICE_SIZE = Math.ceil(file.size / 10)
while(pos < file.size) {
// slice可以自動處理第二個參數越界
chunks.push(file.slice(pos, pos + SLICE_SIZE))
pos += SLICE_SIZE
}
return chunks
}
// MD5計算函數
async function load(chunks) {
for(let i = 0; i < chunks.length; i ++) {
fd.readAsArrayBuffer(chunks[i])
// 在這里希望節約空間，因此復用了FileReader，而不是每次循環新創建一個FileReader。需要等到FileReader完成read后才可以進行下一輪復用，因此用await阻塞。
await new Promise(res => {
fd.onload = function(event) {
spark.append(event.target.result)
if(i === chunks.length - 1) {
self.postMessage(spark.end())
}
res()
}
})
}
}下面的測試代碼就是對上文所述的拼接
網頁代碼
<input id="input" type="file" multiple onchange="handleChanged()"/>
<body>
<script>
class MD5Pool {
worker = []
status = "Idle"
blockRequestQueue = []
constructor(size) {
for(let i = 0; i < size; i ++)
this.worker.push({
worker: new Worker("worker.js"),
status: "Idle"
})
}
statusUpdate() {
let sum = 0
this.worker.forEach(({ status }) => {
if(status === "Busy")
sum ++
})
if(sum === this.worker.length)
this.status = "Busy"
else
this.status = "Idle"
}
assign() {
if(this.status !== "Busy") {
for (let i = 0; i < this.worker.length; i++)
if (this.worker[i].status === "Idle") {
this.worker[i].status = "Busy"
this.statusUpdate()
return {
worker: this.worker[i].worker,
index: i
}
}
}
else {
let resolve = null
let promise = new Promise(res => {
resolve = res
})
this.blockRequestQueue.push(resolve)
return {
info: "full",
wait: promise
}
}
}
release(index) {
this.worker[index].status = "Idle"
// 阻塞請求隊列中的第一個請求出隊，隊列中存儲的是promise的resolve方法，此時執行，通知請求者已經有可用的線程了
if(this.blockRequestQueue.length)
this.blockRequestQueue.shift()()
this.status = "Idle"
}
}
// input點擊事件處理函數
function handleChanged() {
let files = event.target.files
// 創建一個大小為2的MD5計算線程池
let pool = new MD5Pool(2)
// 計算切片文件的MD5編碼
Array.prototype.forEach.call(files, file => {
getMD5(file, pool)
})
}
// 獲取文件的MD5編碼的函數，第一個參數是文件，第二個參數是MD5線程池
async function getMD5(chunk, pool) {
let thread = pool.assign()
// 如果info為full，那么說明線程池線程已被全部占用，需要等待
if(thread.info === "full") {
// 獲取線程通知對象
let wait = thread.wait
// 等到wait兌現時說明已經有可用的線程了
await wait
thread = pool.assign()
let { worker, index } = thread
worker.postMessage(chunk)
worker.onmessage = function (event) {
console.log(event.data)
pool.release(index)
}
} else {
let { worker, index } = thread
worker.postMessage(chunk)
worker.onmessage = function (event) {
console.log(event.data)
pool.release(index)
}
}
}
</script>
</body>工作線程代碼
self.importScripts("spark-md5.js")
let fd = new FileReader()
let spark = new self.SparkMD5.ArrayBuffer()
self.onmessage = function(event) {
// 獲取文件
let chunk = event.data
// spark-md5要求計算文件的MD5必須切片計算
let chunks = fileSlice(chunk)
// 計算MD5編碼
load(chunks)
}
// 切片函數
function fileSlice(file) {
let pos = 0
let chunks = []
// 將文件平均切成10分計算MD5
const SLICE_SIZE = Math.ceil(file.size / 10)
while(pos < file.size) {
// slice可以自動處理第二個參數越界
chunks.push(file.slice(pos, pos + SLICE_SIZE))
pos += SLICE_SIZE
}
return chunks
}
// MD5計算函數
async function load(chunks) {
for(let i = 0; i < chunks.length; i ++) {
fd.readAsArrayBuffer(chunks[i])
// 在這里希望節約空間，因此復用了FileReader，而不是每次循環新創建一個FileReader。需要等到FileReader完成read后才可以進行下一輪復用，因此用await阻塞。
await new Promise(res => {
fd.onload = function(event) {
spark.append(event.target.result)
if(i === chunks.length - 1) {
self.postMessage(spark.end())
}
res()
}
})
}
}隨機選取18個文件進行MD5編碼，結果如下
1、能夠嵌入動態文本于HTML頁面。2、對瀏覽器事件做出響應。3、讀寫HTML元素。4、在數據被提交到服務器之前驗證數據。5、檢測訪客的瀏覽器信息。6、控制cookies，包括創建和修改等。7、基于Node.js技術進行服務器端編程。
感謝您的閱讀，希望您對“客戶端JavaScript線程池設計的示例分析”這一關鍵問題有了一定的理解，具體使用情況還需要大家自己動手實驗使用過才能領會，快去試試吧，如果想閱讀更多相關知識點的文章，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
