Web Worker:让前端飞起来的隐形引擎

Web Worker:让前端飞起来的隐形引擎

目录

Web Worker:让前端飞起来的隐形引擎

一、什么是 Web Worker?

1、为什么需要 web worker

2、什么是 web worker

二、基本使用方法

1、创建一个 Worker 文件(worker.js)

2、主线程引入并使用

三、实战案例:在前端处理大批量数据

1、Worker 文件(sortWorker.js)

2、主线程调用

四、Vue3 中如何优雅使用 Web Worker

1、新建 Worker 文件(worker.js)

2、在 Vue3 中封装成 Hook

3、页面组件中使用

五、注意事项

六、结语


        ZEEKLOG万粉博主、华为云云享专家、阿里云专家博主、腾讯云、支付宝合作作者,全平台博客昵称watermelo37。

        一个假装是giser的coder,做不只专注于业务逻辑的前端工程师,Java、Docker、Python、LLM均有涉猎。



---------------------------------------------------------------------

温柔地对待温柔的人,包容的三观就是最大的温柔。

---------------------------------------------------------------------

Web Worker:让前端飞起来的隐形引擎

一、什么是 Web Worker?

1、为什么需要 web worker

        JavaScript 是“单线程”的,就像一个工人(主线程)同时只能做一件事:你让他“画页面”,他就画;你让他“算数据”,他就算;你同时让他画又让他算,他会傻住(页面卡死)。

        Web Worker 的作用就相当于给 JavaScript 请了多个打工人(Worker)来做那些不需要碰 UI 的任务。

2、什么是 web worker

        Web Worker 就是浏览器为 JavaScript 提供的一种“开小号干活”的机制,帮主线程分担计算任务,避免卡顿。

        简单来说:

Web Worker = 浏览器中的子线程。

        它能让我们把耗时操作(比如复杂计算、数据处理)丢到后台执行,主线程只负责 UI 渲染和交互,两边互不打扰。

  • Worker 无法直接操作 DOM。
  • Worker 和主线程靠 postMessage 通信。
  • Worker 是完全独立的执行环境,有自己的全局作用域。

        总结来说就是能并行执行代码,不会卡住界面,并且通信机制简单的机制,常用来解决重CPU运算(算力密集型)的前端任务,比如很久以前有个可以用来计算阴阳师限定条件下最佳的御魂配置的网站,它就需要多线程进行海量数据运算,网页需要设置计算机的核心数来获取最快的计算速度,就绕不开使用 Web Worker(或其他实现前端并行计算能力的技术)。

二、基本使用方法

        来看一个最简单的 Web Worker 例子。

1、创建一个 Worker 文件(worker.js)

// worker.js self.onmessage = function(e) { console.log('子线程收到:', e.data); const result = heavyComputation(e.data); self.postMessage(result); // 把结果发回主线程 }; function heavyComputation(input) { // 模拟一个超耗时的计算 let sum = 0; for (let i = 0; i < 1e9; i++) { sum += input; } return sum; } 

2、主线程引入并使用

const worker = new Worker('worker.js'); worker.postMessage(10); // 给子线程发消息 worker.onmessage = function(e) { console.log('主线程收到子线程返回:', e.data); }; 

        主线程继续流畅渲染,不会因为计算被卡住。需注意,worker文件必须是单独的js文件,且子线程无法操作DOM,只能做纯计算或数据处理。

三、实战案例:在前端处理大批量数据

        假设你的页面要处理10万条数据排序,如果直接在主线程排序,会严重卡顿。我们可以用 Worker 来优化。

1、Worker 文件(sortWorker.js)

// sortWorker.js self.onmessage = function(e) { const sorted = e.data.sort((a, b) => a - b); self.postMessage(sorted); }; 

2、主线程调用

const worker = new Worker('sortWorker.js'); // 生成10万条数据 const bigArray = Array.from({ length: 100000 }, () => Math.random() * 100000); worker.postMessage(bigArray); worker.onmessage = (e) => { console.log('排序完成,结果是:', e.data); }; // 同时,页面可以继续响应用户操作,不卡顿! 

四、Vue3 中如何优雅使用 Web Worker

        在 Vue3 项目中,我们可以很自然地用 Worker,比如封装成组合式函数(Composition API),如下案例,使用体验和普通函数几乎一样,而且完全不卡页面。

1、新建 Worker 文件(worker.js)

// worker.js self.onmessage = function(e) { const result = e.data * 2; self.postMessage(result); }; 

2、在 Vue3 中封装成 Hook

// useWorker.js import { ref, onUnmounted } from 'vue'; export function useWorker(workerPath) { const result = ref(null); const worker = new Worker(workerPath); const post = (data) => { worker.postMessage(data); }; worker.onmessage = (e) => { result.value = e.data; }; onUnmounted(() => { worker.terminate(); // 页面销毁时记得关闭 Worker }); return { post, result }; } 

3、页面组件中使用

<template> <div> <button @click="doubleValue">计算2倍</button> <p>结果:{{ result }}</p> </div> </template> <script setup> import { useWorker } from './useWorker'; const { post, result } = useWorker(new URL('./worker.js', import.meta.url).href); function doubleValue() { post(5); // 给子线程发送 5,子线程返回 10 } </script> 

五、注意事项

        如果数据特别大,可以用 Transferable Objects 或 SharedArrayBuffer 优化传输性能。

注意点说明
DOM 操作Worker 无法操作 DOM。只能处理数据,UI更新要回到主线程。
数据传输postMessage 实际上是数据拷贝,所以大对象传输有性能损耗。
销毁使用完记得调用 worker.terminate(),否则会内存泄漏。
同源限制Worker 脚本受同源策略保护。

六、结语

        Web Worker 是前端多线程开发的基石,提升了复杂应用的性能上限,它的使用非常简单,通过 postMessage 和 onmessage 双向通信即可,在实际业务中,如数据处理、音视频转码、大型图表绘制等场景,Worker 能显著优化用户体验。如果你的项目中存在明显的主线程卡顿,不妨试试引入 Web Worker,给用户带来丝滑流畅的体验感。

        只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~

        其他热门文章,请关注:

        极致的灵活度满足工程美学:用Vue Flow绘制一个完美流程图

        你真的会使用Vue3的onMounted钩子函数吗?Vue3中onMounted的用法详解

        DeepSeek:全栈开发者视角下的AI革命者

        通过array.filter()实现数组的数据筛选、数据清洗和链式调用

        通过Array.sort() 实现多字段排序、排序稳定性、随机排序洗牌算法、优化排序性能

        TreeSize:免费的磁盘清理与管理神器,解决C盘爆满的燃眉之急

        通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制

        深入理解 JavaScript 中的 Array.find() 方法:原理、性能优势与实用案例详解

        el-table实现动态数据的实时排序,一篇文章讲清楚elementui的表格排序功能

        前端实战:基于Vue3与免费满血版DeepSeek实现无限滚动+懒加载+瀑布流模块及优化策略

        MutationObserver详解+案例——深入理解 JavaScript 中的 MutationObserver

        JavaScript中通过array.map()实现数据转换、创建派生数组、异步数据流处理、DOM操作等

        高效工作流:用Mermaid绘制你的专属流程图;如何在Vue3中导入mermaid绘制流程图

        干货含源码!如何用Java后端操作Docker(命令行篇)

        在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境

        Dockerfile全面指南:从基础到进阶,掌握容器化构建的核心工具

Read more

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

目录 * 引言:轻量化部署的时代突围 * 一.技术栈全景图:精准匹配的黄金组合 * 基础层:硬核环境支撑 * 框架层:深度优化套件 * 工具层:部署利器 * 二.详细步骤:精准匹配CUDA 12.6的黄金组合 * 准备环节 * 1.模型选择 * 2.配置实例 * 3.选择镜像 * 4.进入JupyterLab * 5.进入终端 * 6.连接到ssh * 系统基础依赖安装 * 1.更新源并安装核心依赖 * 2.安装 Python 3.12 和配套 pip * 解决 pip 报错 * 深度学习框架部署:PaddlePaddle-GPU深度调优 * FastDeploy-GPU企业级部署框架 * 1.安装FastDeploy核心组件 * 2.修复urllib3

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

探秘海螺AI:多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中,海螺AI作为一款前沿的多功能AI工具,正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司(MiniMax)精心打造,依托自研的万亿参数MoE大语言模型ABAB6.5以及MiniMax语音大模型,展现出非凡的技术实力与应用潜力。MiniMax的核心团队源自商汤科技等业内知名企业,在多模态大模型研发领域深耕细作,为海螺AI的诞生奠定了坚实基础。 在这里插入图片描述 一、核心模型架构剖析 (一)基础模型:abab - 6.5 海螺AI的基础模型abab - 6.5采用了创新的混合专家系统设计,借助动态路由机制,即Sparse Gating Network,可依据输入内容智能激活8 - 12个子专家模型。这些子专家模型涵盖代码专家、多语言专家、逻辑推理专家等,各司其职,协同作业。在参数规模上,abab - 6.5总参数量高达1.2万亿,同时通过巧妙的设计,将活跃参数量控制在2000亿/query,有效平衡了模型的高容量与低推理成本。在训练优化环节,

LLaMA Factory 从入门到精通,一篇讲完

LLaMA Factory 从入门到精通,一篇讲完

目录 一、LLaMA-Factory 简介 二、安装部署 三、数据微调 1、数据集的建立 2、数据集格式 3、模型参数 4、开始运行 5、导出模型 四、webui 评估预测与对话 导出 五、SFT 训练 命令行 六、LoRA 合并 合并 量化 七、推理 原始模型推理配置 微调模型推理配置 多模态模型 批量推理 八、评估 通用能力评估 NLG 评估 评估相关参数 一、LLaMA-Factory 简介 LLaMA Factory 是一个简单易用且高效的大型语言模型(Large

AI编程工具对比:Cursor、GitHub Copilot与Claude Code

AI编程工具对比:Cursor、GitHub Copilot与Claude Code

文章目录 * AI编程工具对比:Cursor、GitHub Copilot与Claude Code * 一、产品定位与核心架构 * 1.1 Cursor:AI原生IDE的代表 * 1.2 GitHub Copilot:代码补全的行业标杆 * 1.3 Claude Code:终端Agent的革新者 * 二、核心功能深度对比 * 2.1 代码生成与理解能力 * 2.2 自动化与工作流集成 * 2.3 隐私与数据安全 * 三、成本效益分析 * 3.1 定价模式对比 * 3.2 投资回报比 * 四、适用场景与用户画像 * 4.1 最佳应用场景 * 4.2 用户反馈摘要 * 五、