var result1 = Fib(n - 1);var result2 = Fib(n - 2);return result1 + result2;你會發現 ，考慮下麵這個遞歸計算斐波那契數列的異步方法 ：
class Program{ async Task<int> Fib(int n) { if (n <= 1) return n; return await Fib(n - 1) + await Fib(n - 2); }}我們編譯出程序集後讓 ILSpy 反編譯 IL 得到 ：
internal class Program{ [MethodImpl(MethodImplOptions.Async)] [NullableContext(1)] public Task<int> Fib(int n) { //IL_0026: Expected O, but got I4 //IL_0006: Expected O, but got I4 if (n > 1) { int num = AsyncHelpers.Await(Fib(n - 1)); int num2 = AsyncHelpers.Await(Fib(n - 2)); return (Task<int>)(num + num2); } return (Task<int>)n; }}除了原始邏輯之外什麽狀態機都沒有 ！並返回一個非空的 Continuation 對象給調用方，也沒有任何狀態機的開銷 ， CompleteTask(ResultTask, 42); return; } } } catch (Exception ex) { // 如果在 MoveNext 中拋出了異常，等待一個 ThreadPool 上的 continuation 導致的暫停
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 ，然後繼續執行返回值為 42 的代碼 。調用方在收到非空的 Continuation 後 ，等待一個已經完成的 Task
Runtime Async
傳統 async/await 需要由 C# 編譯器在編譯時生成狀態機 ，但實際上大部分負載都是同步的 。那 JIT 就算看穿了整個異步調用鏈，隨後再根據需要動態擴張 ，當然這是內部表示，等待一個已經完成的 ValueTask
.NET 官方在實現完 Green Thread 後發現這玩意不僅局限性很大 ，async 關鍵字其實並不是必須的 ，
運行後 ，因此在涉及係統調用時 ，它負責把 Runtime Async 內部的普通返回值 + Continuation 轉換成外部調用方所期待的 Task<int> 。返回值走寄存器
，JIT 給我們編譯出來了類似下麵的代碼
，Continuation非空的情況也能直接從生成代碼中看到
。
總結
Runtime Async 是 .NET 11 引入的一套全新的異步執行機製 。 // 當 Task.Delay 完成後 ，Green Thread 通常由運行時調度，從而減少內存分配 。直接原地慢了 5 倍以上。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 ！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 ，並且需要在被等待的異步操作完成後繼續執行 。就是：
var (result1, continuation1) = Fib(null, n - 1);if (continuation1 != null) Suspend(continuation1);var (result2, continuation2) = Fib(null, n - 2);// ...當然 ，
這樣一來 ，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
。那麽直接返回一個 Task<int>對象包裝一下結果即可。下麵會解釋 。雖然它們的調用鏈看起來是異步的 ，並判斷這次調用是否發生了暫停 。如果整個方法執行過程中都沒有真正發生暫停
，從語義上看這些調用完全可以像普通的同步函數調用一樣執行 ，調度行為和運行時高度耦合
，因為 C# 編譯器的編譯單元是方法，而是一係列狀態機、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
T的值
。就存在進一步通過逃逸分析消除這次分配 。這個調用約定會使用 MethodImplOptions.Async來標記 ，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
，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 。
另外，
例如第一次遞歸調用 ：
await Fib(n - 1)被編譯成：
lea edx, [rbx-0x01] ; n - 1mov rdi, r14 ; thisxor rsi, rsi ; Continuation = nullcall [Program:Fib(int):int:this]而 Fib(n - 1)實際上返回了兩個值 ：
eax = Fib 的 int 返回值rcx = Continuation當然 ，因此它們都可以直接通過寄存器傳遞 ，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 ，這意味著整個調用鏈中沒有創建任何 Task對象
，並且由於被暫停的代碼是在之後才被恢複執行的 ，從而進一步提高性能
。一旦大量代碼具有這種要求
，
async/await 機製本質上是利用 CPS（Continuation Passing Style）變換來實現的
。無法在編譯 GetDataAsync的時候看到 GetValueAsync的具體實現 。async/await 模型下 ，
但如果執行到某個 await 時 ，Runtime Async 的 Continuation 隻是一個非常輕量級的對象，
Green Thread
其實在本文即將重點介紹的 Runtime Async 之前 ，此時運行時會保存繼續執行所需要的狀態 ，Task.Delay(1000)是一個異步操作 ，Green Thread 和硬件安全機製也有衝突 。一個普通的方法調用類似於 ：
result = B(args);而在 Runtime Async 中 ， state = 1; // 注冊 continuation。這破壞了 JIT 對整個異步調用鏈的優化能力 。如果沒有真正發生暫停 ，
JIT 才會在這一刻真正創建保存當前執行狀態所需要的 Continuation ：
mov rdi, rcxmov rsi, 0x... ; Continuation typecall [CORINFO_HELP_ALLOC_CONTINUATION]mov r12, rax隨後把恢複執行時仍然需要的局部狀態保存進去 ：
mov dword ptr [r12+0x48], ebx最後 ：
mov rcx, r12ret把剛剛創建好的 Continuation放進 rcx
，例如跨越暫停點後仍然存活的局部變量
、甚至需要操作係統提供專門的支持。Runtime Async 保留普通返回值原本的 ABI，
不過相信你會發現 ，每個狀態對應著 await 關鍵字的邊界 。當代碼最終交給 JIT 時，C# 編譯器會把異步方法改寫成狀態機 ，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，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。
而在發生暫停的情況下，
性能測試
接下來我們來看看 Runtime Async 的性能表現 。因此至少需要保存寄存器狀態 、而是一個用來標記暫停點的關鍵字 。說明被調用的 Fib沒有同步完成
。並通過 MoveNext、在用戶態實現輕量級線程
，
上述問題在暫停真正發生的情況下其實並不是什麽太大的問題，
由 JIT 直接處理和優化 。當異步操作完成時 ，運行時還需要處理 Green Thread 與係統線程之間的切換 、但 C# 編譯器已經提前把這種高層異步語義拆散了 ，MoveNext方法通常非常大 ，並不保證恢複執行時仍然運行在原來的係統線程上 。這在高性能場景下可能會帶來額外的內存分配
。並且 JIT 能證明這個 Task 不會逃逸 ，此時 eax中就是有效的返回值，首先 async/await 模型下 ，狀態機會繼續執行剩餘的代碼 。例如在一個異步方法裏調用了一個同步方法 ，傳入的 Continuation 為 null ，但從普通 C# 代碼看來
，使狀態機再次執行 MoveNext 。其實是不知道一個異步調用到底會不會真正暫停的
。直到 Task.Delay完成 ，此時方法就會從上次暫停的地方繼續執行
，最裏層由 Task.Yield 導致暫停
測試目前最新的 .NET 11 每日構建版本的 Runtime Async（Async2） ，尤其是在沒有發生暫停的情況下 ， // continuation 最終在哪裏執行取決於 awaiter 以及當前的 SynchronizationContext / TaskScheduler 等 。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 ，並沒有需要恢複的狀態 ，因此運行時不僅需要切換普通棧指針，於是我們必須創建一個 Continuation 來保存當前的執行狀態 。如果為 null 說明已經同步完成，因此如果代碼真正暫停了 ，調用約定會變成 ：
(result, continuation) = B(continuation, args);這裏的 continuation 用來表示整個異步調用鏈在發生暫停後繼續執行所需要的狀態 。既然 C# 編譯器無法判斷 ，因此運行時需要在兩種調用約定之間放置一個邊界 ，每個部分在 await 處暫停 ，JIT 看到的已經不是 A -- await B -- await C這樣直接的異步調用鏈
， awaiter.OnCompleted(MoveNext); return; } goto case 1; } case 1: { state = -1; // 確認被 await 的操作已經成功完成
，例如 Intel CET Shadow Stack 會由硬件維護一份受保護的返回地址棧 ，這個邊界就是 async thunk 。而這個同步方法又調用了另一個異步方法 ，這個 Task<int> 會在當前異步方法完成時被設置為完成狀態。就知道整個異步調用鏈已經暫停了，也沒有任何狀態機的開銷 。尤其是在整個異步調用鏈實際上都沒有發生暫停的情況下 ，直接返回結果
。那麽當前異步調用鏈就需要暫停 。從而避免了線程切換的開銷
。還必須正確維護與底層係統線程相關的 Shadow Stack 狀態 。因此，但有這 2KB 都夠創建幾百個 async 狀態機了 。當異步調用沒有真正發生暫停時 ，這會使很多原本可以跨方法進行的優化變得非常困難。返回值類型已經不是原來的 Task<int>了 。C# 編譯器在變換異步方法的時候 ，Runtime Async 都能以最小的開銷執行
。整個調用鏈中根本沒有創建任何 Task對象
，
例如 ，實際上 ，實際的 C# 並不會直接操作 Task ，那解決這個問題的辦法非常簡單 ，
於是調用方隻需要 ：
mov r12d, eaxtest rcx, rcx ; Continuation 是否為 nulljne SUSPEND ; 如果不為 null，會采用 async 關鍵字讓用戶來標記一個方法為異步方法
，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> ，這與傳統 async 的執行模型有本質區別。而 Green Thread 通常會在用戶態自行切換調用棧 ，
Program:Fib(int):int:this ; await Fib(n - 1) lea edx, [rbx-0x01] ; n - 1 mov rdi, r14 ; this xor rsi, rsi ; null Continuation call [Program:Fib(int):int:this] mov r12d, eax ; result1 test rcx, rcx ; Continuation == null? jne SHORT SUSPEND_FIRST ; await Fib(n - 2) lea edx, [rbx-0x02] ; n - 2 mov rdi, r14 ; this xor rsi, rsi ; null Continuation call [Program:Fib(int):int:this] mov ebx, eax ; result2 test rcx, rcx ; Continuation == null? jne SHORT SUSPEND_SECOND ; 兩個調用都同步完成的情況 ，於是 GetDataAsync方法實際上就會被編譯成 ：public Task<int> GetDataAsync(){ var stateMachine = new StateMachine(); stateMachine.MoveNext(); return stateMachine.ResultTask;}
上麵的 CreateIncompleteTask和 CompleteTask隻是為了說明原理而使用的偽代碼 。 // 這樣調用方在 await GetDataAsync() 時就能接收到異常並進行處理
。JIT 看到的是 C# 編譯器已經生成好的 MoveNext 狀態機；而在 Runtime Async 中
，說明發生了暫停
就可以同時獲得異步方法的返回結果 ，再額外傳遞一個 Continuation 對象 。雖然很長但姑且先貼在這裏
，被標記的方法則會作為 CPS 變換的入口點。對於這裏的 Task<int>方法 ，說明調用已經同步完成，這通常意味著每次調用異步方法都會創建一個新的 Task對象。這種開銷可以達到普通線程直接執行係統調用的幾十倍 。.NET 還實驗過 Green Thread 的方案，雖然你的方法返回的是 Task<T> ，async/await 模型下 ，通過把返回值類型改成值類型並通過 IValueTaskSource來實現異步操作的複用，類似於 goroutine 和 Java Virtual Thread ，從而簡化了異步編程的複雜性 。則把 Task<int> 設置為失敗狀態
。
那你說 ，
除此之外 ，而上層的異步方法隻是簡單地把結果傳遞下去。JIT 實際上會生成一個采用 Async Calling Convention 的內部版本 Program:Fib(int):int:this
，
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，這樣的調用鏈實際上是同步的 。它隻需要保存非常少量的東西
，JIT 可以直接看到這個方法原始的異步控製流，C# 之所以要求 async 關鍵字 ，那麽這個 Task<T>對象就根本不會被創建 ，並把之前保存的 Continuation 作為額外參數傳回來 。甚至還可以在整個異步調用鏈中進行內聯 ，例如部分 GUI 、等價的 C# 偽代碼類似於 ：
var (result1, continuation1) = Fib(null, n - 1);if (continuation1 != null) Suspend(continuation1);var (result2, continuation2) = Fib(null, n - 2);if (continuation2 != null) Suspend(continuation2);return result1 + result2;
而實際上，
然而事實證明其實很多異步方法根本不會暫停 ，而且這樣一來
，
而 await 關鍵字的作用是告訴編譯器這裏有暫停點 ，
另外 ， 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
，於是誕生了諸如 ValueTask這樣的優化方案
， FailTask(ResultTask, ex); } }}
這麽一來 ，其實隻是要讓編譯器知道在這個方法裏 ，
其次 ，幾乎完全消除了傳統 async 的開銷 ，轉而開發 Runtime Async 。JIT 也很難把多個異步調用鏈給內聯到一起 。當然 ，但在整個異步調用鏈中，也無法做任何優化 ，直到整個異步調用鏈完成 。會觸發此前注冊的 continuation ，await 不是一個普通的識別符 ，
還有，
再有，那到運行時 ，整條調用鏈的數據傳遞形式可以說跟普通同步函數調用沒區別：參數走寄存器 ，JIT 很難再把它重新恢複出來
。無論暫停還是不暫停 ，await關鍵字會暫停 GetDataAsync方法的執行，
等到被等待的異步操作完成以後，調用鏈更深的 Async state-machine chain 的性能更是提升了 7.4 倍 ，等待一個 Task.Yield 導致的暫停
另外，調用棧以及運行時調度所需的各種元數據 。Green Thread 需要運行時在用戶態實現線程調度 ，如果 thunk 後續能夠被內聯 ，被等待操作的返回值或異常狀態等等 。同樣采用了 async/await 模型 ，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> ，Continuation 指針和 n 的值） ：mov r14, rdi ; thismov r15, rsi ; Continuationmov ebx, edx ; n
第一次調用 Runtime Async 方法時， mov rdi, rcx mov rsi, 0x... ; Continuation type call [CORINFO_HELP_ALLOC_CONTINUATION] mov r15, rax mov dword ptr [r15+0x4C], r12d ; 保存 Fib(n - 1) 的結果 ; ... 保存其他需要保存的狀態 ... mov rcx, r15 ; return Continuation ret; --------------------------------------------Program:Fib(int):Task<int>:this mov rdi, rbx ; this mov edx, r15d ; n xor rsi, rsi ; null Continuation call [Program:Fib(int):int:this] ; 調用真正的 Runtime Async 方法 mov ebx, eax ; result test rcx, rcx ; Continuation == null? jne THUNK_SUSPENDED ; return Task.FromResult(ebx) mov rax, <Task<int>> retTHUNK_SUSPENDED: ; var task = new RuntimeAsyncTask<int>(); ; 把 continuation 連接到 task; ; return task;
可以看到對於這個方法 ，
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 ，從而編譯器會以 await 為邊界，導致開發者無法自由地控製調度行為。
傳統 async 的局限性
你可能會注意到 ，被等待的異步操作尚未完成 ，裏麵存儲了保存的異步狀態 。同時額外增加一條用於傳遞 Continuation 的通道。例如 goroutine 的用戶棧初始大小大約就是 2 KB ，
例子
接下來讓我們看看 Runtime Async 會生成什麽樣的代碼
。等待一個嵌套了多層的異步調用鏈 ，返回值和 Continuation 都可以被放進寄存器裏 。但 C++ 並不要求 async 關鍵字。因此也確實需要一個 Task對象來存儲結果 。
這麽一來
，Task、JIT 在編譯 MoveNext時通常會因為代碼體積過大而避免內聯 ，執行速度跟同步方法的基線幾乎沒有差別 。異步方法的返回值是一個 Task或 Task<T> ，ThreadPool continuation 和 TaskCompletionSource continuation 的性能提升了 3~4 倍 。這使得其可以在整個異步調用鏈中進行跨方法的優化 ，Runtime Async 直接把內存分配和 GC 全都降到了 0 ，
傳統 async/await
.NET 自古以來就提供了 async/await 異步編程模型
，.NET 的 Green Thread 實驗中發現 Green Thread 上做係統調用 1 億次，因此傳入的 Continuation為 null 。於是我們必須創建一個 Continuation 來保存當前的執行狀態 。雖然 async/await 提供了簡潔的異步編程模型 ，Runtime Async 在沒有發生暫停的情況下 ，Runtime Async 的內存分配都比傳統 async 少了很多
。沿著 Async Calling Convention 返回給上一層。這時候當前 Fib自己也必須暫停 。最簡單的辦法就是將異步方法拆分成多個部分
，等待一個 TaskCompletionSource 導致的暫停
- 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 ，從原來的約 300 ms 增加到約 1800 ms ，這套調用約定會在在普通的方法調用約定之外 ，
如果
rcx == null，這樣一來 ，Fib 的簽名仍然是Task<int> Fib(int)。額外的 Continuation 也走寄存器 ，因為它包含了整個異步方法的邏輯。而不需要先包裝到某個對象中再返回 。首先 ，
在 x64 上，
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 ，真正的係統調用最終仍然需要由底層承載它的係統線程來執行 。並在被 await 的異步操作完成後繼續執行剩餘的代碼 。但現實中存在大量依賴特定係統線程的 API ，
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 ，因此哪怕 JIT 想要做一些跨方法的優化也很難做到 。
這個測試包含了各種不同的場景 ：
- Synchronous baseline ：同步基準測試 ，所有的異步抽象開銷全部消失了
！而是通過
AsyncTaskMethodBuilder<int>來創建並完成代表整個異步方法的Task<int>。所以正常執行路徑最終隻是不斷遞歸調用，整個調用鏈就像普通的同步函數調用一樣執行 。並將 Runtime Async 方法按照一種特殊的 async calling convention 編譯 。線程親和性也是一個問題。Runtime Async 給 .NET 運行時引入了一套全新的調用約定 ：Async Calling Convention 。OS 以及各種依賴 thread-local 的代碼 。這個方法通過寄存器傳遞參數（this 指針 、
當第一次調用異步方法時，保存這這些東西隻需要幾十個字節 ， 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。
最終 ，很多異步方法可能根本不會暫停 ，
最後 ，相較於 Green Thread，並且調用鏈越深性能提升還會越大！
也就是說 ，也就是當前方法需要等待一個異步操作完成 ，甚至比直接使用係統線程還要慢。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，為什麽上麵明明有
Program:Fib(int):int:this，例如在 C++ 中，
- Synchronous baseline ：同步基準測試 ，所有的異步抽象開銷全部消失了
！而是通過