基于C++11手撸前端Promise

基于C++11手撸前端Promise

文章导航

引言

在前端开发中,Promise 是处理异步操作的重要工具。它通过将异步操作封装在 Promise 实例中,解决了传统回调地狱的问题,提高了代码的可读性和可维护性。Promise 的概念并非前端独有,在 C++11 标准中也引入了 std::promise,用于实现类似的功能。

本文将从一个手写的 C++ Promise 实现(基于 C++11)出发,分析其工作原理,并与 std::promise 进行对比,探讨两者的异同点以及适用场景。


前端Promise的应用与优势

常见应用场景

定时器
Promise 还可以用于处理定时器,使代码更加直观。

functiontimeout(ms){returnnewPromise((resolve)=>{setTimeout(resolve, ms);});}timeout(1000).then(()=>{ console.log('1秒后执行');});

网络请求
Promise 可以用于处理 AJAX 请求,简化异步数据获取的逻辑。

fetch('https://api.example.com/data').then(response=> response.json()).then(data=>{ console.log('获取到数据:', data);}).catch(error=>{ console.error('请求失败:', error);});

并发请求

使用 Promise.all 可以同时处理多个异步请求。

const promise1 =fetch('https://api.example.com/data1');const promise2 =fetch('https://api.example.com/data2'); Promise.all([promise1, promise2]).then(responses=>{const[data1, data2]= responses.map(response=> response.json());return Promise.all([data1, data2]);}).then(([data1, data2])=>{ console.log('两个数据都获取成功:', data1, data2);}).catch(error=>{ console.error('至少一个请求失败:', error);});

Promise 解决的问题

  1. 回调地狱:通过链式调用,Promise 解决了传统回调嵌套导致的代码难以阅读和维护的问题【6†source】。
  2. 错误处理:Promise 提供了统一的错误处理机制,通过 catch 方法可以集中处理所有异步操作中的错误【1†source】。
  3. 代码可读性:Promise 使得异步代码的逻辑更加清晰,符合同步代码的书写习惯【6†source】。
  4. 并发控制:通过 Promise.allPromise.race,可以方便地控制多个异步操作的执行顺序和结果【5†source】。

手写 C++ Promise 实现

类结构与成员变量

template<typenameElement>classCProimse{private:using Resolve = std::function<void(Element)>;using Reject = std::function<void(const std::string&)>;private: Element m_element;/**< 异步操作的结果 */ std::string m_reason;/**< 拒绝的原因 */ CProimseState m_state;/**< 当前状态 */ std::list<Resolve> m_resolves;/**< 成功回调函数列表 */ std::list<Reject> m_rejects;/**< 失败回调函数列表 */public:CProimse();voidreject(const std::string& reason);voidresolve(Element element);voidonCatch(const Reject& rej); CProimse*then(const Resolve& res);};
  • ResolveReject :定义了成功和失败回调函数的类型。
  • m_elementm_reason :分别存储 Promise 的结果和拒绝原因。
  • m_state :表示 Promise 的当前状态,初始状态为 PENDING。
  • m_resolvesm_rejects :存储注册的成功和失败回调函数列表。

构造函数

CProimse():m_state(CProimseState::PENDING){}
  • 作用:初始化 Promise 的状态为 PENDING。

resolve 方法

voidresolve(Element element){ m_element = element;if(m_state == CProimseState::PENDING){ m_state = CProimseState::FULFILLED;for(Resolve res : m_resolves){res(element);}}}
  • 作用:将 Promise 的状态设置为 FULFILLED,并执行所有注册的成功回调函数。

reject 方法

voidreject(const std::string& reason){ m_reason = reason;if(m_state == CProimseState::PENDING){ m_state = CProimseState::REJECTED;for(Reject rej : m_rejects){rej(reason);}}}
  • 作用:将 Promise 的状态设置为 REJECTED,并执行所有注册的失败回调函数。

then 方法

CProimse*then(const Resolve& res){if(m_state == CProimseState::FULFILLED){res(m_element);}elseif(m_state == CProimseState::PENDING){ m_resolves.push_back(res);}returnthis;}
  • 作用:注册一个成功回调函数。如果 Promise 已经完成,则立即执行回调;否则,将回调添加到成功回调列表中。

onCatch 方法

voidonCatch(const Reject& rej){if(m_state == CProimseState::REJECTED){rej(m_reason);}elseif(m_state == CProimseState::PENDING){ m_rejects.push_back(rej);}}
  • 作用:注册一个失败回调函数。如果 Promise 已经被拒绝,则立即执行回调;否则,将回调添加到失败回调列表中。

链式调用

通过 thenonCatch 方法,可以实现链式调用,使得异步操作的处理更加简洁和直观。

proimse->then([](int ele)->void{ std::cout << ele << std::endl;})->onCatch([](const std::string& reason)->void{ std::cout << reason << std::endl;});

使用示例

CProimse<int>* proimse =new CProimse<int>(); proimse->then([](int ele)->void{ std::cout << ele << std::endl;})->onCatch([](const std::string& reason)->void{ std::cout << reason << std::endl;}); proimse->reject("网络异常!!!");

std::promiseCProimse 对比

1. 基础功能对比

功能CProimse 实现std::promise
状态管理手动实现标准库实现
回调注册与执行手动实现标准库实现
异步支持需结合线程内置支持
链式调用支持不支持

2. 实现细节对比

(1) 状态管理

  • CProimse :通过自定义枚举 CProimseState 管理状态。
  • std::promise :状态管理由标准库实现,用户无需关注底层细节。

(2) 回调注册与执行

  • CProimse :手动维护回调队列,通过 thenonCatch 方法注册回调。
  • std::promise :通过 std::futurestd::promise 配合,回调通过 futureget 方法触发。

(3) 异步支持

  • CProimse :需要结合 std::thread 或其他异步框架实现异步操作。
  • std::promise :内置支持异步操作,通常与 std::asyncstd::thread 结合使用。

(4) 链式调用

  • CProimse :支持链式调用,通过返回 this 实现。
  • std::promise :不支持链式调用,无法直接链式注册回调。

3. 代码示例对比

(1) CProimse 示例

CProimse<int>* proimse =new CProimse<int>(); proimse->then([](int ele)->void{ std::cout << ele << std::endl;})->onCatch([](const std::string& reason)->void{ std::cout << reason << std::endl;}); proimse->reject("网络异常!!!");

(2) std::promise 示例

#include<future>#include<thread>#include<iostream>intmain(){ std::promise<int> prom; std::future<int> fut = prom.get_future();// 异步操作 std::thread([&prom](){// 模拟网络请求 std::this_thread::sleep_for(std::chrono::seconds(1)); prom.set_value(42);}).detach();// 注册回调 fut.then([](std::future<int> fut){try{int result = fut.get(); std::cout <<"结果: "<< result << std::endl;}catch(const std::exception& e){ std::cout <<"错误: "<< e.what()<< std::endl;}});// 主线程阻塞等待 std::this_thread::sleep_for(std::chrono::seconds(2));return0;}

4. 优缺点分析

(1) CProimse

  • 优点
    • 代码简洁,易于理解。
    • 支持链式调用,使用方式类似前端 Promise。
    • 可以作为学习 Promise 实现原理的示例。
  • 缺点
    • 不支持内置异步操作,需要结合线程实现。
    • 功能较为基础,缺乏 std::promise 的高级特性(如 then 的链式返回)。

(2) std::promise

  • 优点
    • 内置异步支持,与 std::future 配合使用,功能强大。
    • 标准库实现,性能优化和稳定性有保障。
    • 支持 C++11 及以上标准,兼容性好。
  • 缺点
    • 使用方式较为复杂,缺乏链式调用的支持。
    • 回调机制不够灵活,无法像前端 Promise 那样优雅地处理异步流程。

总结与展望

通过手写 CProimse,我们可以深入理解 Promise 的实现原理,包括状态管理、回调注册与执行等核心机制。然而,在实际开发中,std::promise 仍然是更好的选择,因为它提供了更强大的功能和更好的性能保障。

对于开发者来说,理解 std::promise 的工作原理以及其与手写实现的异同点,有助于更好地选择合适的工具来处理异步操作。同时,手写实现虽然功能有限,但作为学习和探索的工具,仍然具有重要的价值。

希望本文能够帮助读者更好地理解 Promise 的实现原理,并在实际开发中做出更明智的选择。

Read more

机器人-六轴机械臂的正运动学

机器人-六轴机械臂的正运动学

在机器人运动学建模领域,D-H(Denavit-Hartenberg)参数法绝对是绕不开的核心技术。它以极简的4个参数,就能清晰描述机械臂各连杆间的相对位姿关系,是实现正运动学求解、轨迹规划的基础。本文将从理论原理出发,一步步拆解六轴机械臂的D-H法建模流程,最后结合代码实现让理论落地,适合机器人初学者或技术爱好者深入学习。 一、为什么选择D-H法?—— 机械臂建模的“通用语言” 六轴机械臂作为工业场景中最常用的机器人构型,其连杆与关节的空间关系复杂。如果直接用三维坐标系叠加计算,不仅公式繁琐,还容易出现坐标混乱的问题。而D-H法的核心优势的在于“标准化”: * 简化参数:用仅4个参数(关节角、连杆偏移、连杆长度、连杆扭转角)描述相邻连杆的位姿,替代复杂的三维坐标变换; * 通用性强:适用于所有串联机械臂,无论是六轴、四轴还是协作机械臂,都能套用同一套建模逻辑; * 计算高效:通过齐次变换矩阵的乘积,可快速求解末端执行器相对于基坐标系的位姿,为后续运动学分析奠定基础。 简单来说,学会D-H法,就掌握了串联机械臂建模的“通用语言”。 二、D-H法核心:4个

YOLOv8 模型移植到高通机器人RB5 平台详细指南

YOLOv8 模型移植到高通机器人RB5 平台详细指南

💡前言 随着边缘端 AI 推理需求的增长,将深度学习模型部署到嵌入式平台成为许多开发者的关注焦点。本文将详细介绍如何将 Ultralytics YOLOv8 训练后的目标检测模型移植到高通机器人RB5平台设备上运行,涵盖从 PyTorch 模型到最终部署的完整流程,并提供常见问题的解决方案和性能优化建议。除了该设备外,如果你手上是一台Thundercomm EB5平台的设备,同样可以按照该步骤完成模型训练,快尝试下吧。 1. 概述 1.1 背景介绍 本文档详细介绍如何将 Ultralytics YOLOv8 训练后的目标检测模型移植到高通机器人 RB5平台(Robotics RB5)上运行。RB5 平台是一款强大的机器人开发平台,搭载 Qualcomm QRB5165 处理器,支持 AI 加速和 5G 连接,非常适合边缘端 AI 推理任务。 1.2 模型移植流程 模型移植的完整流程如下: 1.

多源融合定位入门到精通:无人机GPS/北斗标定、抗干扰与精度提升全攻略

多源融合定位入门到精通:无人机GPS/北斗标定、抗干扰与精度提升全攻略

在工业无人机的所有性能指标中,定位精度是决定任务价值的核心。巡检需要精准悬停、测绘需要厘米级定位、返航需要米级落点、安防需要稳定跟踪。然而绝大多数团队都会遇到:定点飘、航线弯、信号弱、高楼丢星、磁场干扰、返航偏差大等问题。很多人将这些问题归咎于 GPS 模块质量差,实际上,80% 的定位问题来自安装不规范、环境干扰、未做融合标定、多传感器不同步、坐标系不统一。 一、定位为什么会飘?底层原理科普 无人机定位依靠卫星信号(GPS、北斗、GLONASS),但现实环境充满干扰因素: 信号遮挡:高楼、树木、桥梁、山体遮挡卫星信号。多路径反射:信号经地面、墙面反射后产生虚假位置。电磁干扰:电机、电调、电源、数传产生磁场干扰。传感器不同步:GPS、IMU、罗盘时间戳不一致。未现场标定:出厂参数无法适应实际环境。