node 异步处理操作 promise

本文介绍如何在Node.js中使用Promise来控制异步操作的顺序,包括安装和使用Promise模块的方法,以及通过具体示例说明如何利用Promise.all实现并行任务的执行。
   nodejs 是非阻塞的,我理解的非阻塞就是前后两个完成不同功能的代码模块,不一定第一个代码模块完成后,第二个代码模块才执行,但是许多时候我们需要控制两个代码的执行顺序,promise能够很好的控制异步操作的先后顺序,他是通过当异步操作完成后执行回调函数实现。

 

使用方法

在package.json中加入

 

'promise':"*"
 执行 npm install 加载 promise 模块

 

在需要的文件中引入模块

 

var Promise = require("promise");
例子

 

 function insertPracticeForGraphics (){
    var self = this;
        return new Promise(function (resolve) {
            var newPractice = new Practice(practice);
            newPractice.save(function () {
                console.log("save practice success");
                resolve(newPractice._id);//执行成功后返回值,只
            });

}

insertPracticeForGraphics()
  .then(function(newPractieId){ // @1
})

   

    resolve(newPractice._id);//执行成功后返回值,如果有多个值的话,可以返回一个对象

    当insertPracticeForGraphics 执行完成后,只执行@1 newPractieId 为 insertPracticeForGraphice返回值

   如果函数3之前需要函数1、2执行完成后执行,且函数1、2的执行先后顺序没有要求可以这样控制

 

function Course() {
}

Course.prototype = {
  start: function() {
        var assignInfo = ['path_0','path_1','path_2']
        var promises   = [];
        var self       = this;
        _(assignInfo).each(function(item) {
            var promise = self.updateCoursesAttrOnPath(item);
            promises.push(promise);
        });
        return Promise.all(promises);
    },

    updateCoursesAttrOnPath: function (item) {
        Path.update({id_name: item.id_name},{$set:{:courses:item.courses}}}, function (err) {
                if (err) {
                    throw err;
                }
                resolve(item.courses);
    }
}

var course = new Course()
course.start()
   .then(function(data_0,data_1,data_2){  //@2
 
   })

   

    当执行start时回执行3次updateCoursesAttrOnPath,传入参数分别为'path_0','path_1','path_2',

他们执行完的顺序不确定,但是他们执行完返回的值顺序固定分别对应 data_0,data_1,data_2;start执行完成后执行@2

 

 

 

 

   

  

 

 

 

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值