CPU 密集型 和 I/O 密集型 任务

CPU 密集型任务（CPU-bound）

定义：

指 主要耗费 CPU 资源进行计算 的任务，CPU 不断运算、几乎不等待外部输入。

特点：

• CPU 利用率高。
• 一旦计算开始，很少有等待。
• 加线程不一定快（线程切换反而浪费资源）。

常见场景：

场景	说明
大量数学运算 / 科学计算	如矩阵乘法、傅里叶变换、图像处理
数据加解密（如 AES、RSA）	密钥运算密集，CPU 压力大
图像压缩、视频编码	编解码过程需大量计算
密集循环、排序、统计	尤其处理大数据时
机器学习推理 / 训练	模型预测和训练过程非常吃 CPU/GPU

如何优化 CPU 密集型任务：

• 多核并行（如使用多进程或 worker threads）
• 使用 C/C++ 扩展或 WebAssembly 加速
• 使用 GPU 加速（如 TensorFlow + CUDA）

---

I/O 密集型任务（I/O-bound）

定义：

指 主要耗费等待外部资源（磁盘、网络、数据库） 的任务，CPU 经常在等别人干活。

特点：

• I/O 阻塞时间远大于计算时间。
• 如果使用同步阻塞方式，会让线程长期“闲置”。
• 异步编程（如 Node.js、协程）表现更优。

常见场景：

场景	说明
网络请求	调用第三方 API、抓取网页等
数据库操作	SQL 查询、写入
文件读写	读取日志、上传/下载
磁盘缓存、日志记录	落盘操作
调用外部服务（如 Redis、MQ）	等待对方响应

如何优化 I/O 密集型任务：

• 使用异步编程（Node.js、Java 的 Netty、Python 的 async）
• 使用连接池（数据库、HTTP 等）
• 使用缓存（如 Redis 减少 DB 压力）
• 批量操作（减少 I/O 次数）
• 利用队列+线程池异步处理

---

区别对比表

特征	CPU 密集型	I/O 密集型
主要瓶颈	CPU 运算能力	等待外部资源（网络/磁盘）
多线程表现	多线程提升不明显	多线程/异步提升明显
优化方向	并行计算、算法优化	异步编程、I/O 优化
示例任务	图像处理、加密、排序、模拟	网络请求、DB查询、文件读写

---

举个 Node.js 的例子

// CPU 密集型：大数质数判断（会阻塞）
function isPrime(num) {
  for (let i = 2; i < num; i++) if (num % i === 0) return false;
  return true;
}
console.time("cpu");
isPrime(1e8 + 7);  // 大素数
console.timeEnd("cpu");

// I/O 密集型：读取文件（非阻塞）
const fs = require('fs');
console.time("io");
fs.readFile('bigfile.txt', () => {
  console.timeEnd("io");
});

---

应用设计建议

应用类型	推荐架构
Web API / 网关	异步非阻塞（Node.js、Netty）
算法引擎 / 大计算	多进程 + 高性能语言（C++、Go）
数据采集 / 日志系统	I/O 优化、写入队列
图像/视频处理系统	多核并行 + GPU

---

总结一句话：

CPU 密集型任务是“CPU 一直干活”，I/O 密集型任务是“CPU等别人干活”。