在 x64 上
,由 JIT 直接處理和優化 。也沒有任何狀態機的開銷 ,性能提升了近 20 倍 ,並在函數返回時檢查普通調用棧中的返回地址是否與 Shadow Stack 一致。如果沒有真正發生暫停,線程親和性也是一個問題。因為這個 Fibonacci 示例中的所有調用都會同步完成,直到 Task.Delay完成 ,例如 goroutine 的用戶棧初始大小大約就是 2 KB ,Green Thread 和硬件安全機製也有衝突。 state = 1; // 注冊 continuation 。或者在進入相關代碼時執行額外的調度和切換
。用戶並不能直接使用。
於是調用方隻需要:
mov r12d, eaxtest rcx, rcx ; Continuation 是否為 nulljne SUSPEND ; 如果不為 null,最簡單的辦法就是將異步方法拆分成多個部分,從而簡化了異步編程的複雜性。 public Task<int> ResultTask { get; } = CreateIncompleteTask<int>(); private TaskAwaiter awaiter; public void MoveNext() { try { switch (state) { case 0: { awaiter = Task.Delay(1000).GetAwaiter(); if (!awaiter.IsCompleted) { // 記錄恢複位置。其實是不知道一個異步調用到底會不會真正暫停的。這在高性能場景下可能會帶來額外的內存分配。並且由於被暫停的代碼是在之後才被恢複執行的,那到運行時,例如在一個異步方法裏調用了一個同步方法 ,執行速度跟同步方法的基線幾乎沒有差別。整個調用鏈就像普通的同步函數調用一樣執行
。最後,
更有不少係統是基於異步模型來做的分布式計算係統 ,Continuation非空的情況也能直接從生成代碼中看到。沿著 Async Calling Convention 返回給上一層。因此至少需要保存寄存器狀態
、例子
接下來讓我們看看 Runtime Async 會生成什麽樣的代碼
。 mov rdi, rcx mov rsi, 0x... ; Continuation call [CORINFO_HELP_ALLOC_CONTINUATION] mov r12, rax mov dword ptr [r12+0x48], ebx ; 保存 n 的值 ; ... 保存其他需要保存的狀態 ... mov rcx, r12 ; return Continuation retSUSPEND_SECOND: ; Fib(n - 2) 暫停了 ,JIT 可以直接看到這個方法原始的異步控製流,運行時還需要處理 Green Thread 與係統線程之間的切換 、則把 Task<int> 設置為失敗狀態
。
async/await 機製本質上是利用 CPS(Continuation Passing Style)變換來實現的
。如果失敗則會在這裏拋出異常。例如 Intel CET Shadow Stack 會由硬件維護一份受保護的返回地址棧
,
傳統 async/await
.NET 自古以來就提供了 async/await 異步編程模型 ,尤其是在沒有發生暫停的情況下 ,這個 Task<int> 會在當前異步方法完成時被設置為完成狀態。如果整個方法執行過程中都沒有真正發生暫停 ,直接原地慢了 5 倍以上。整個調用鏈中根本沒有創建任何 Task對象,很多異步方法可能根本不會暫停
,這個方法通過寄存器傳遞參數(this 指針、既然 C# 編譯器無法判斷,而是通過 AsyncTaskMethodBuilder<int>來創建並完成代表整個異步方法的 Task<int> 。因此運行時需要在兩種調用約定之間放置一個邊界 ,再額外傳遞一個 Continuation 對象
。將當前異步方法拆分成多個部分,額外的 Continuation 也走寄存器,這與傳統 async 的執行模型有本質區別
。這使得其可以在整個異步調用鏈中進行跨方法的優化, // 當 Task.Delay 完成後,
另外 ,實際的 C# 並不會直接操作 Task, awaiter.OnCompleted(MoveNext); return; } goto case 1; } case 1: { state = -1; // 確認被 await 的操作已經成功完成,這個邊界就是 async thunk 。而是把異步控製流保留到運行時,async/await 模型下,調用方在收到非空的 Continuation 後,這使得 Green Thread 與這類硬件控製流保護機製的集成變得更加複雜,於是宣布放棄 Green Thread 的實驗
,所以正常執行路徑最終隻是不斷遞歸調用,並將 Runtime Async 方法按照一種特殊的 async calling convention 編譯。就知道整個異步調用鏈已經暫停了
,甚至需要操作係統提供專門的支持。這會使很多原本可以跨方法進行的優化變得非常困難。那麽 Green Thread 的調度開銷就會變得非常大
,被標記的方法則會作為 CPS 變換的入口點
。等待一個 TaskCompletionSource 導致的暫停
Async state-machine chain:異步狀態機調用鏈,卻同時還有 Program:Fib(int):System.Threading.Tasks.Task`1[int]:this呢?這是因為 Runtime Async 內部的方法調用采用新的 Async Calling Convention,async/await 模型下,於是程序可以立即繼續執行
:lea edx, [rbx-0x02]mov rdi, r14xor rsi, rsicall [Program:Fib(int):int:this] ; 進行第二次遞歸調用 Fib(n - 2)
換成接近 C# 的偽代碼,這破壞了 JIT 對整個異步調用鏈的優化能力 。掛起與恢複等額外工作 ,
這一套機製也真正實現了 pay for play:不暫停就不為異步抽象付費 ,於是我們必須創建一個 Continuation 來保存當前的執行狀態。
而在發生暫停的情況下,這時候當前 Fib自己也必須暫停。 CompleteTask(ResultTask, 42); return; } } } catch (Exception ex) { // 如果在 MoveNext 中拋出了異常,
例如 ,但在整個異步調用鏈中 ,
但如果執行到某個 await 時,JIT 給我們編譯出來了類似下麵的代碼,從而減少內存分配。這樣一來,因此在涉及係統調用時,但現實中存在大量依賴特定係統線程的 API,JIT 也很難把多個異步調用鏈給內聯到一起。導致開發者無法自由地控製調度行為。C# 之所以要求 async 關鍵字
,
然而事實證明其實很多異步方法根本不會暫停 ,從而避免了線程切換的開銷 。JIT 實際上會生成一個采用 Async Calling Convention 的內部版本 Program:Fib(int):int:this,它隻需要保存非常少量的東西
,調用鏈更深的 Async state-machine chain 的性能更是提升了 7.4 倍
,例如:
public async Task<int> GetDataAsync(){ return await GetValueAsync();}public async Task<int> GetValueAsync(){ return 42;}
C# 編譯器會為兩個方法都生成狀態機和 Task<int>,結果如下:


測試結果原始數據如下:
Benchmark Ops Async1 Time/op Async2 Time/op Ratio Async1 Throughput Async2 Throughput Async1 Total Alloc Async2 Total Alloc Async1 Bytes/op Async2 Bytes/op Async1 Gen0 Async2 Gen0 Synchronous baseline 100.0M 0.33 ns 0.33 ns 1.00× 3.008B ops/s 3.004B ops/s 696 B 696 B 0 0 0 0 Async method, no suspension 100.0M 6.58 ns 0.34 ns 19.63× 152.0M ops/s 2.984B ops/s 7.20 GB 696 B 72.0000 0 459 0 Completed Task await 100.0M 4.01 ns 0.33 ns 12.02× 249.1M ops/s 2.995B ops/s 7.20 GB 696 B 72.0000 0 459 0 Completed ValueTask await 100.0M 0.75 ns 0.33 ns 2.25× 1.329B ops/s 2.987B ops/s 696 B 696 B 0 0 0 0 Task.Yield suspension 100.0M 242.89 ns 34.68 ns 7.00× 4.12M ops/s 28.84M ops/s 992 B 1,000 B 0 0 0 0 ThreadPool continuation 100.0M 324.78 ns 102.35 ns 3.17× 3.08M ops/s 9.77M ops/s 16.00 GB 15.20 GB 160.0000 152.0000 1,027 969 TaskCompletionSource continuation 100.0M 455.50 ns 114.16 ns 3.99× 2.20M ops/s 8.76M ops/s 16.00 GB 16.00 GB 160.0001 160.0000 1,027 1,021 Async state-machine chain 100.0M 678.33 ns 91.68 ns 7.40× 1.47M ops/s 10.91M ops/s 30.10 GB 19.20 GB 300.9802 192.0000 1,927 1,226
結果簡直令人震驚
!此時運行時會保存繼續執行所需要的狀態
,Runtime Async 直接把內存分配和 GC 全都降到了 0,Runtime Async 在沒有發生暫停的情況下
,當然這是內部表示,而 Green Thread 通常會在用戶態自行切換調用棧,然後繼續執行返回值為 42 的代碼。並不需要為每一層 async 調用創建額外的結果包裝對象, awaiter.GetResult(); // 把 Task<int> 完成並把結果設置成 42。awaiter 和 method builder 來驅動執行。在用戶態實現輕量級線程,整個異步方法就被拆分成了多個狀態機的狀態
,這套機製允許開發者以同步方式編寫異步代碼
,為什麽上麵明明有 Program:Fib(int):int:this,甚至比直接使用係統線程還要慢。從而引入了不必要的性能開銷
。C# 編譯器會把異步方法改寫成狀態機,雖然很長但姑且先貼在這裏 ,用戶編寫的代碼仍然是原來的 async/await 形式:
async Task<int> A(){ return await B();}
在傳統 async 中
,等待一個 Task.Yield 導致的暫停
ThreadPool continuation:異步方法,也無法做任何優化 , 這樣一來,保存這這些東西隻需要幾十個字節 ,並判斷這次調用是否發生了暫停
。而真正暫停時也隻需要為實際使用的狀態付費 。直接調用普通方法
Async method, no suspension :異步方法 ,以下是一個簡單的示例:
public async Task<int> GetDataAsync(){ // 模擬異步操作 await Task.Delay(1000); return 42;}
上麵這個例子中,因此也確實需要一個 Task對象來存儲結果。每個部分在 await 處暫停,
性能測試
接下來我們來看看 Runtime Async 的性能表現。比如 GUI 應用中消息循環可能會以每秒上萬次的頻率調用線程親和的 API
,檢查返回的 Continuation 是否為 null,
另外,awaiter 和 continuation 之間的交互
。JIT 看到的已經不是 A -- await B -- await C這樣直接的異步調用鏈,Green Thread 通常由運行時調度,每個狀態對應著 await 關鍵字的邊界
。
第一次遞歸調用之後:
call [Program:Fib(int):int:this]mov r12d, eaxtest rcx, rcxjne SHORT SUSPEND
如果 rcx != null,輪到 JIT 編譯器這個方法的時候總該能判斷了吧?
其實也不行 。甚至還可以在整個異步調用鏈中進行內聯,而且扔到 asp.net core 裏跑發現 RPS 居然不升反降,等待一個嵌套了多層的異步調用鏈,這意味著整個調用鏈中沒有創建任何 Task對象 ,就存在進一步通過逃逸分析消除這次分配 。如果 thunk 後續能夠被內聯,如果為 null 說明已經同步完成,這裏其實並不是一個 (int, Continuation)元組;這是 ABI 上的兩個獨立返回通道 。
然而這種方案有天然的缺陷 :
Green Thread 再輕量其本質上仍然是一個完整的執行上下文,運行時會再次進入這個 Runtime Async 方法,它不再讓 C# 編譯器提前把 async 方法展開成狀態機,當然,並通過 MoveNext
、而這個同步方法又調用了另一個異步方法,調用棧以及運行時調度所需的各種元數據。在所有測試中 ,也就是說 ,返回值和 Continuation 都可以被放進寄存器裏。
最終,
當第一次調用異步方法時,直到整個異步調用鏈完成。因此如果代碼真正暫停了,雖然它們的調用鏈看起來是異步的,
而這個 thunk 中其實也有前麵說過的類似代碼:
xor rsi, rsicall [Program:Fib(int):int:this]mov ebx, eaxtest rcx, rcx ; Continuation 是否為 null
也就是先調用真正的 Runtime Async 方法後,狀態機會繼續執行剩餘的代碼
。返回值走寄存器 ,從而編譯器會以 await 為邊界 ,但實際上大部分負載都是同步的。類似的原因,於是我們必須創建一個 Continuation 來保存當前的執行狀態。返回值類型已經不是原來的 Task<int>了
。而上層的異步方法隻是簡單地把結果傳遞下去
。一旦大量代碼具有這種要求
,因此它們都可以直接通過寄存器傳遞,合著 Green Thread 需要妥協這麽多東西最後還不如原來的 async/await 性能好。無論暫停還是不暫停,傳統 async/await 模型每遇到一個異步方法就得進行狀態機的變換,因此 ,同時額外增加一條用於傳遞 Continuation 的通道。從原來的約 300 ms 增加到約 1800 ms,那麽當前異步調用鏈就需要暫停。
除此之外,await 不是一個普通的識別符,但 C# 編譯器已經提前把這種高層異步語義拆散了,會觸發此前注冊的 continuation,轉而開發 Runtime Async。隨後再根據需要動態擴張
,並把之前保存的 Continuation 作為額外參數傳回來。從而進一步提高性能。例如跨越暫停點後仍然存活的局部變量、當異步操作完成時
,
Green Thread
其實在本文即將重點介紹的 Runtime Async 之前
,但從普通 C# 代碼看來 ,會采用 async 關鍵字讓用戶來標記一個方法為異步方法,那麽直接返回一個 Task<int>對象包裝一下結果即可
。同時返回一個空的 Continuation 表示整個調用鏈沒有發生暫停。直接返回結果。
Runtime Async 給 .NET 運行時引入了一套全新的調用約定:Async Calling Convention
。等待異步操作完成後繼續執行 :
class StateMachine{ private int state = 0; // 創建一個用來存儲結果的 Task<int>,尤其是在調用鏈較深的情況以及各種基於異步模型來做的分布式計算係統中:- 很多異步方法的調用鏈實際上隻有最裏層的異步方法才會真正暫停,並在被 await 的異步操作完成後繼續執行剩餘的代碼。雖然你的方法返回的是
Task<T>