鸿蒙 TaskPool如何多个任务并行执行

/ 实现同上...TaskPool 的特点：提升响应性：将耗时任务移出主线程，避免UI卡顿充分利用多核：自动利用设备多核CPU并行处理简化开发：无需手动管理线程，专注业务逻辑灵活任务管理：支持独立任务和任务组两种模式选择：简单任务→ 使用独立 Task复杂任务→ 使用 TaskGroup 拆分并行处理需要聚合结果→ 使用 TaskGroup 统一返回。

梦想不只是梦与想

323人浏览 · 2025-11-20 18:00:00

梦想不只是梦与想 · 2025-11-20 18:00:00 发布

本文同步发表于我的微信公众号，微信搜索程语新视界即可关注，每个工作日都有文章更新

一、TaskPool

1. 概念

TaskPool 是 ArkTS 提供的多线程环境，用于在后台执行耗时任务
避免阻塞 UI 主线程，提升应用响应速度和用户体验
系统自动管理线程生命周期，使用者无需关心线程创建和销毁

2. 特性

自动线程管理：系统根据任务量自动扩缩容工作线程
任务队列：支持任务提交、执行、取消和优先级设置
结果返回：任务执行完成后将结果返回给宿主线程

二、执行独立的任务

1. 场景

单个独立的耗时计算任务
任务完成后需要将结果返回主线程
如图片加载、数据计算、文件处理等

2. 步骤

步骤1：定义数据模型

// ImageDataModel.ets
export class ImageDataItem {
  imageSrc: string | Resource = '';
  description: string | Resource = '';
  
  constructor(imageSrc: string | Resource = '', description: string | Resource = '') {
    this.imageSrc = imageSrc;
    this.description = description;
  }
}

步骤2：创建并发任务函数

// ImageLoader.ets
import { ImageDataItem } from './ImageDataModel';

// 必须使用 @Concurrent 装饰器标记
@Concurrent
export function loadImageData(itemCount: number): ImageDataItem[] {
  let imageDataList: ImageDataItem[] = [];
  
  // 模拟耗时操作：生成图片数据
  for (let i = 0; i < itemCount; i++) {
    const baseIndex = i * 3;
    
    // 循环使用预定义的图片资源
    imageDataList.push(new ImageDataItem('$media:homeIcon', `图片${baseIndex + 1}`));
    imageDataList.push(new ImageDataItem('$media:profileIcon', `图片${baseIndex + 2}`));
    imageDataList.push(new ImageDataItem('$media:settingsIcon', `图片${baseIndex + 3}`));
  }
  
  return imageDataList;
}

步骤3：在主线程中执行任务

// MainPage.ets
import { taskpool } from '@kit.ArkTS';
import { ImageDataItem } from './ImageDataModel';
import { loadImageData } from './ImageLoader';

@Entry
@Component
struct MainPage {
  @State pageTitle: string = '图片加载示例';
  @State imageList: ImageDataItem[] = [];

  build() {
    Column() {
      Text(this.pageTitle)
        .fontSize(24)
        .fontWeight(FontWeight.Bold)
        .margin({ bottom: 20 })
      
      Button('开始加载图片')
        .fontSize(18)
        .padding(10)
        .onClick(() => {
          this.startImageLoading();
        })
    }
    .padding(20)
    .width('100%')
  }

  private startImageLoading(): void {
    // 创建任务实例，传入任务函数和参数
    const imageLoadTask: taskpool.Task = new taskpool.Task(loadImageData, 25);
    
    // 执行任务并处理结果
    taskpool.execute(imageLoadTask).then((result: object) => {
      // 将结果转换为具体类型
      this.imageList = result as ImageDataItem[];
      
      // 输出日志验证结果
      console.info(`图片数据加载完成，共 ${this.imageList.length} 项`);
      console.info(`第一项描述: ${this.imageList[0]?.description}`);
    }).catch((error) => {
      console.error(`图片加载失败: ${error.message}`);
    });
  }
}

3. 说明

taskpool.Task：封装任务函数和参数
taskpool.execute()：提交任务到线程池执行
Promise 结果：通过 then() 回调获取任务执行结果

三、执行多个耗时任务

1. 场景

多个任务需要并行执行
需要等待所有任务完成后统一处理结果
大数据集拆分处理

2. 步骤

步骤1：定义任务函数（复用独立任务的函数）

// ImageLoader.ets
@Concurrent
export function loadImageData(itemCount: number): ImageDataItem[] {
  // 实现同上...
}

步骤2：使用 TaskGroup 管理多个任务

// MultiTaskPage.ets
import { taskpool } from '@kit.ArkTS';
import { ImageDataItem } from './ImageDataModel';
import { loadImageData } from './ImageLoader';

@Entry
@Component
struct MultiTaskPage {
  @State pageTitle: string = '并行图片加载';
  @State combinedImageList: ImageDataItem[] = [];

  build() {
    Column() {
      Text(this.pageTitle)
        .fontSize(24)
        .fontWeight(FontWeight.Bold)
        .margin({ bottom: 20 })
      
      Button('开始并行加载')
        .fontSize(18)
        .padding(10)
        .onClick(() => {
          this.startParallelLoading();
        })
        
      Text(`已加载图片数: ${this.combinedImageList.length}`)
        .fontSize(16)
        .margin({ top: 20 })
    }
    .padding(20)
    .width('100%')
  }

  private startParallelLoading(): void {
    // 创建任务组
    const imageTaskGroup: taskpool.TaskGroup = new taskpool.TaskGroup();
    
    // 添加多个任务到任务组（不同参数）
    imageTaskGroup.addTask(new taskpool.Task(loadImageData, 15));  // 加载75张
    imageTaskGroup.addTask(new taskpool.Task(loadImageData, 10));  // 加载50张  
    imageTaskGroup.addTask(new taskpool.Task(loadImageData, 8));   // 加载40张
    imageTaskGroup.addTask(new taskpool.Task(loadImageData, 12));  // 加载60张

    // 执行任务组
    taskpool.execute(imageTaskGroup).then((results: object) => {
      const taskResults = results as ImageDataItem[][];
      this.processTaskResults(taskResults);
    }).catch((error) => {
      console.error(`并行加载失败: ${error.message}`);
    });
  }

  private processTaskResults(results: ImageDataItem[][]): void {
    // 清空现有数据
    this.combinedImageList = [];
    
    // 合并所有任务的结果
    for (const taskResult of results) {
      this.combinedImageList.push(...taskResult);
    }
    
    // 输出统计信息
    console.info(`并行加载完成，共 ${results.length} 个任务`);
    console.info(`合并后总图片数: ${this.combinedImageList.length}`);
    
    // 验证数据完整性
    let totalFromTasks = 0;
    results.forEach((arr, index) => {
      console.info(`任务${index + 1}加载了 ${arr.length} 张图片`);
      totalFromTasks += arr.length;
    });
    console.info(`各任务图片数总和: ${totalFromTasks}`);
  }
}

3. TaskGroup 的优势

结果返回方式对比：

方式	返回时机	结果格式	适用场景
单个Task	每个任务完成立即返回	单个结果对象	独立任务
TaskGroup	所有任务完成后统一返回	结果数组	需要所有结果的场景

性能优势：

// 大数据处理示例：将10000条数据拆分成多个任务
function processLargeDataset() {
  const totalRecords = 10000;
  const batchSize = 1000;
  const taskGroup = new taskpool.TaskGroup();
  
  // 拆分成10个任务并行处理
  for (let i = 0; i < totalRecords / batchSize; i++) {
    const startIndex = i * batchSize;
    const endIndex = startIndex + batchSize;
    taskGroup.addTask(new taskpool.Task(processDataBatch, startIndex, endIndex));
  }
  
  // 所有批次处理完成后合并结果
  taskpool.execute(taskGroup).then((allResults) => {
    const finalResult = mergeAllResults(allResults);
    console.info(`处理完成，共 ${finalResult.length} 条记录`);
  });
}

四、说明

1. @Concurrent 装饰器

必须使用：在 TaskPool 中执行的函数必须用 @Concurrent 装饰
文件限制：仅支持在 .ets 文件中使用
函数限制：不能访问闭包变量，只能使用局部变量和参数

2. 参数和返回值

序列化要求：参数和返回值必须支持序列化
数据类型：不支持 @State、@Prop、@Link 等装饰的复杂类型
数据量限制：单次序列化数据量不超过 16MB

五、使用场景

场景特征	使用独立Task	使用TaskGroup
任务数量	单个任务	多个相关任务
结果依赖	任务间无依赖	需要所有任务结果
数据处理	小到中等数据量	大数据集拆分处理
执行时机	立即执行，单独返回	等待全部完成，统一返回

六、总结

TaskPool 的特点：

提升响应性：将耗时任务移出主线程，避免UI卡顿
充分利用多核：自动利用设备多核CPU并行处理
简化开发：无需手动管理线程，专注业务逻辑
灵活任务管理：支持独立任务和任务组两种模式

选择：

简单任务 → 使用独立 Task
复杂任务 → 使用 TaskGroup 拆分并行处理
需要聚合结果 → 使用 TaskGroup 统一返回

人工智能6S服务平台

作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐

AscendC编程实战：从核函数到算子开发

本文系统介绍了AscendC编程的核心要点，包括核函数基础、编程范式及实战案例。AscendC作为昇腾AI处理器的原生编程范式，通过高效的硬件抽象层提供30%计算效率提升和50%内存带宽利用率提升。文章详细解析了核函数结构、任务/数据并行模式，并以向量加法为例演示了从算法设计到性能调优的全过程。重点介绍了DoubleBuffer双缓冲机制，可实现15-20%的效率提升。通过本文的学习，开发者能够快