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

Win11+IDEA插件实现大模型AI开发(Codex-gpt-5.4)

Win11+IDEA插件实现大模型AI开发(Codex-gpt-5.4)

Win11+IDEA插件实现大模型AI开发之Codex-gpt-5.4 * 一、需要准备Node环境 * 二、安装Codex * 2.1如果已经安装Codex但是执行报错需要先卸载,没有安装过则直接进行步骤2.3 * 2.2删除相关的文件Codex,避免文件影响 * 2.3安装Codex * 三、修改Codex的配置文件 * 3.1目录位置: * 3.2创建/编辑配置文件 * 3.3 配置 config.toml (建议全部替换) * 3.4配置 auth.json(建议全部替换) * 3.5兑换以及创建APIKEY * 四、安装IDEA插件 一、需要准备Node环境 二、安装Codex 操作步骤: 2.1如果已经安装Codex但是执行报错需要先卸载,没有安装过则直接进行步骤2.3 npm uninstall -g

用飞算JavaAI轻松完成高校宿舍管理系统

用飞算JavaAI轻松完成高校宿舍管理系统

今天我们使用飞算来完成高校宿舍管理系统。 一、需求分析与规划 1.1 功能需求与核心模块 高校宿舍管理系统主要服务于宿舍管理员、学生和学校管理部门,实现宿舍资源的数字化管理。系统核心功能包括:用户管理(登录认证、角色权限分配)、宿舍管理(楼栋房间信息、床位分配状态)、学生住宿管理(入住登记、宿舍分配调换、退宿处理)、日常管理(考勤记录、访客登记、违纪管理、卫生检查)、维修管理(故障申报、工单派发、进度跟踪)以及统计报表(入住率、费用统计、数据分析)等功能模块。 系统采用分层架构设计,包含八个核心模块:用户认证授权模块负责JWT令牌管理和权限控制;用户管理模块处理用户CRUD和角色分配;宿舍管理模块管理楼栋房间和床位状态;学生住宿模块处理入住分配和调宿业务;日常管理模块记录考勤访客和违纪信息;维修管理模块处理维修申请和工单流转;统计报表模块提供数据分析和图表展示;系统管理模块负责配置管理和日志监控。 1.2 技术选型 后端采用Spring Boot 2.

Codex 真香!终端 AI 编程神器装好了,Cursor可以不续费了

Codex 真香!终端 AI 编程神器装好了,Cursor可以不续费了

🧠 Codex 是什么? Codex 是 OpenAI 推出的终端编程助手,支持自然语言指令直接生成/修改代码,并能运行任务、创建文件、调用脚本等——ChatGPT Plus 用户免费使用! • 🖥️ 支持终端编程 CLI 模式 • 🧩 支持 VS Code 插件(也支持其他 IDE) • 💬 本地运行、支持自然语言交互、任务可记忆 • ✅ 支持 GPT-4 系列(目前只有 GPT-5.x 模型,不支持 gpt-4o)   ⸻ 支持两种安装方式: 1. 1. 🚀 快速安装 Codex CLI npm install -g codex-cli codex login 安装成功后输入 codex,就可以开始使用:

告别“选择困难症”:我是如何用 AI Ping 实现大模型自由,还能省下 50% 成本的?

告别“选择困难症”:我是如何用 AI Ping 实现大模型自由,还能省下 50% 成本的?

告别“选择困难症”:我是如何用 AI Ping 实现大模型自由,还能省下 50% 成本的? * 写在最前面 * 场景一:从“写脚本卡壳”到“批量生成” * 场景二:开发路上的“万能插头” * 使用感受 * 一点小建议与期待 * 写在最后 🌈你好呀!我是 是Yu欸🚀 感谢你的陪伴与支持~ 欢迎添加文末好友🌌 在所有感兴趣的领域扩展知识,不定期掉落福利资讯(*^▽^*) 写在最前面 版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。 在这个大模型“百花齐放”甚至“百模大战”的时代,作为一名既要写代码开发,又要频繁输出技术内容(写博文、做视频)的开发者,我每天最大的烦恼就是: “今天这个任务,