JavaScript非同步程式設計:非同步資料收集的具體方法_javascript技巧
Asyncjs/seriesByHand.js
var fs = require('fs');
var fs = require('fs');
var fs = require('fs');
var concatenation = '';
fs.readdir('.', function(err, filenames) {
if (err) throw err;
function readFileAt(i) {
var filename = filenames[i];
fs.stat(filename, function(err, statT) {
fs.readFile(filename, 'utf8', function(err, text) {
if (err) throw i 1 === filenames.length ) {
// 皆已讀取,且可顯示輸出 1);
});
}
如你所見,非同步版本的程式碼比同步版本多得多。如果使用filter、forEach這些同步方法,程式碼的行數大約只有一半,而且讀起來也要容易得多。如果這些漂亮的迭代器存在非同步版本該有多好啊!使用Async.js就能做到這一點!
何時拋出亦無妨?
大家可能注意到了,在上面那個程式碼範例中筆者無視了自己在第1.4節中提出的建議:從回調中拋出異常是一種糟糕的設計,尤其在成品環境中。不過,一個簡單如斯的範例直接拋出異常則完全沒有問題。如果真的遇到程式碼出錯的意外情形,throw會關閉程式碼並提供一個漂亮的堆疊軌跡來解釋出錯原因。
Async.js的函數式寫法
我們想把同步迭代器所使用的filter和forEach方法替換成對應的非同步方法。 Async.js給了我們兩個選擇。
async.filter和async.forEach,它們會並行處理給定的陣列。
async.filterSeries和async.forEachSeries,它們會依序處理給定的陣列。
並行運行這些非同步操作應該會更快,那為什麼還要使用序列式方法呢?原因有兩個。
前面提到的工作流程次序不可預測的問題。我們確實可以先把結果儲存成數組,然後再joining(聯接)數組來解決這個問題,但這畢竟多了一個步驟。
Node及其他任何應用程式能夠同時讀取的檔案數量有一個上限。如果超過這個上限,作業系統就會報錯。如果能順序讀取文件,則無需擔心此限制。所以現在先搞清楚async.forEachSeries再說。下面使用了Async.js的資料收集方法,直接改寫了同步版本的程式碼實作。
複製程式碼程式碼如下:
var async = require('async');
process.chdir('recipes'); // 改變工作目錄
var concatenation = '';
var dirContents = fs.readdirSync('.');
async.forEachSeries(filenames, readAndConcat, onComplete);
});
function isFilename(filename, callback) {
fs.stat(filename, function(err, stats) {
if (err) throw err;
}
function readAndConcat(filename, callback) {
fs.readFile(filename, 'utf8', function(err, fileContents) {
if (err) return callback(err);
});
function onComplete(err) {
if (err) throw err;
console.log(concatenation);
これで、私たちのコードは 2 つの部分に見事に分割されました: タスクの概要 (async.filter 呼び出しと async.forEachSeries 呼び出しの形式) と実装の詳細 (2 つのイテレーター関数と完了コールバック onComplete の形式)。
標準の関数反復メソッドに対応する Async.js ユーティリティ関数は、filter と forEach だけではありません。 Async.js は次のメソッドも提供します:
reject/rejectSeries、フィルターの逆、
map/mapSeries、1:1 変換、
reduce/reduceRight、値の段階的な変換。フィルター;
sortBy、順序付けされたコピーを作成します。
some、少なくとも 1 つの値が指定された基準を満たすかどうかをテストします。
every、すべての値が指定された基準を満たすかどうかをテストします。
これらのメソッドは Async.js の本質であり、コードの重複を最小限に抑えながら一般的な反復作業を実行できるようにします。より高度なメソッドの検討を続ける前に、これらのメソッドのエラー処理手法を見てみましょう。
それを責めたいなら、これを最初に実行した Node の fs.exists を責めてください。これは、Async.js データ収集メソッド (filter/filterSeries、reject/rejectSeries、detect/detectSeries、some、every など) を使用するイテレーターがエラーを報告できないことも意味します。
Asyncjs/forEachSeries.js
fs .readFile(filename, 'utf8', function(err, fileContents) {
if (err) return callback(err);
concatenation = fileContents;
callback();
} );
}
Asyncjs/forEachSeries.js
if (err ) throw err;
console.log(concatenation);
}

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

DDREASE是一種用於從檔案或區塊裝置(如硬碟、SSD、RAM磁碟、CD、DVD和USB儲存裝置)復原資料的工具。它將資料從一個區塊設備複製到另一個區塊設備,留下損壞的資料區塊,只移動好的資料區塊。 ddreasue是一種強大的恢復工具,完全自動化,因為它在恢復操作期間不需要任何干擾。此外,由於有了ddasue地圖文件,它可以隨時停止和恢復。 DDREASE的其他主要功能如下:它不會覆寫恢復的數據,但會在迭代恢復的情況下填補空白。但是,如果指示工具明確執行此操作,則可以將其截斷。將資料從多個檔案或區塊還原到單

0.這篇文章乾了啥?提出了DepthFM:一個多功能且快速的最先進的生成式單目深度估計模型。除了傳統的深度估計任務外,DepthFM還展示了在深度修復等下游任務中的最先進能力。 DepthFM效率高,可以在少數推理步驟內合成深度圖。以下一起來閱讀這項工作~1.論文資訊標題:DepthFM:FastMonocularDepthEstimationwithFlowMatching作者:MingGui,JohannesS.Fischer,UlrichPrestel,PingchuanMa,Dmytr

如果您需要了解如何在Excel中使用具有多個條件的篩選功能,以下教學將引導您完成對應步驟,確保您可以有效地篩選資料和排序資料。 Excel的篩選功能是非常強大的,能夠幫助您從大量資料中提取所需的資訊。這個功能可以根據您設定的條件,過濾資料並只顯示符合條件的部分,讓資料的管理變得更有效率。透過使用篩選功能,您可以快速找到目標數據,節省了尋找和整理數據的時間。這個功能不僅可以應用在簡單的資料清單上,還可以根據多個條件進行篩選,幫助您更精準地定位所需資訊。總的來說,Excel的篩選功能是一個非常實用的

谷歌力推的JAX在最近的基準測試中表現已經超過Pytorch和TensorFlow,7項指標排名第一。而且測試並不是JAX性能表現最好的TPU上完成的。雖然現在在開發者中,Pytorch依然比Tensorflow更受歡迎。但未來,也許有更多的大型模型會基於JAX平台進行訓練和運行。模型最近,Keras團隊為三個後端(TensorFlow、JAX、PyTorch)與原生PyTorch實作以及搭配TensorFlow的Keras2進行了基準測試。首先,他們為生成式和非生成式人工智慧任務選擇了一組主流

在iPhone上面臨滯後,緩慢的行動數據連線?通常,手機上蜂窩互聯網的強度取決於幾個因素,例如區域、蜂窩網絡類型、漫遊類型等。您可以採取一些措施來獲得更快、更可靠的蜂窩網路連線。修復1–強制重啟iPhone有時,強制重啟設備只會重置許多內容,包括蜂窩網路連線。步驟1–只需按一次音量調高鍵並放開即可。接下來,按降低音量鍵並再次釋放它。步驟2–過程的下一部分是按住右側的按鈕。讓iPhone完成重啟。啟用蜂窩數據並檢查網路速度。再次檢查修復2–更改資料模式雖然5G提供了更好的網路速度,但在訊號較弱

哭死啊,全球狂煉大模型,一網路的資料不夠用,根本不夠用。訓練模型搞得跟《飢餓遊戲》似的,全球AI研究者,都在苦惱怎麼才能餵飽這群資料大胃王。尤其在多模態任務中,這問題尤其突出。一籌莫展之際,來自人大系的初創團隊,用自家的新模型,率先在國內把「模型生成數據自己餵自己」變成了現實。而且還是理解側和生成側雙管齊下,兩側都能產生高品質、多模態的新數據,對模型本身進行數據反哺。模型是啥?中關村論壇上剛露面的多模態大模型Awaker1.0。團隊是誰?智子引擎。由人大高瓴人工智慧學院博士生高一鑷創立,高

這週,由OpenAI、微軟、貝佐斯和英偉達投資的機器人公司FigureAI宣布獲得接近7億美元的融資,計劃在未來一年內研發出可獨立行走的人形機器人。而特斯拉的擎天柱也屢屢傳出好消息。沒人懷疑,今年會是人形機器人爆發的一年。一家位於加拿大的機器人公司SanctuaryAI最近發布了一款全新的人形機器人Phoenix。官方號稱它能以和人類一樣的速率自主完成許多工作。世界上第一台能以人類速度自主完成任務的機器人Pheonix可以輕輕地抓取、移動並優雅地將每個物件放置在它的左右兩側。它能夠自主辨識物體的

最近,軍事圈被這個消息刷屏了:美軍的戰鬥機,已經能由AI完成全自動空戰了。是的,就在最近,美軍的AI戰鬥機首次公開,揭開了神秘面紗。這架戰鬥機的全名是可變穩定性飛行模擬器測試飛機(VISTA),由美空軍部長親自搭乘,模擬了一對一的空戰。 5月2日,美國空軍部長FrankKendall在Edwards空軍基地駕駛X-62AVISTA升空注意,在一小時的飛行中,所有飛行動作都由AI自主完成! Kendall表示——在過去的幾十年中,我們一直在思考自主空對空作戰的無限潛力,但它始終顯得遙不可及。然而如今,
