鸿蒙编程江湖：深入理解TaskPool和Worker的并发任务执行

关注

原创最新推荐文章于 2026-11-08 19:56:59 发布 1k 阅读 AI 写同款· GEO 优化 ›

【鸿蒙实战开发】基于Taskpool的多线程操作周期性任务处理，业务通过taskpool周期性处理业务。：延迟业务处理，业务一段时间后，通过taskpool处理业务。：串行业务处理，业务开展过程中，需要处理一系列的事务，事务处理过程中，存在先后次序。：业务的处理存在紧急优先次序，支持设置taskpool优先级处理。：ArkTS与Native协作开展业务，在ArkTS层触发业务，通过NAPI接口，传递到Native C++层，作业务管理等处理。方案：1)定时器判断周期性事务执行。2)Taskpool来处理任务执行。阅读详情

本文旨在深入探讨华为鸿蒙HarmonyOS Next系统（截止目前API12）的技术细节，基于实际开发实践进行总结。主要作为技术分享与交流载体，难免错漏，欢迎各位同仁提出宝贵意见和问题，以便共同进步。本文为原创内容，任何形式的转载必须注明出处及原作者。

鸿蒙系统提供了两种并发能力：TaskPool 和 Worker。它们都基于 Actor 并发模型实现，但它们的使用场景和功能有所不同。

TaskPool：TaskPool 是一个多线程运行环境，它提供了任务的执行、取消、优先级设置等功能。TaskPool 适用于独立任务，例如计算密集型任务、I/O 密集型任务等。
Worker：Worker 是一个可以长时间运行的后台线程，它支持与宿主线程之间的消息传递。Worker 适用于长时间运行的任务，例如后台数据处理、模型训练等。

TaskPool 和 Worker 的区别与使用场景

特性	TaskPool	Worker
内存模型	线程间隔离，内存不共享	线程间隔离，内存不共享
参数传递机制	采用标准的结构化克隆算法（Structured Clone）进行序列化、反序列化，完成参数传递。支持 ArrayBuffer 转移和 SharedArrayBuffer 共享。	采用标准的结构化克隆算法（Structured Clone）进行序列化、反序列化，完成参数传递。支持 ArrayBuffer 转移和 SharedArrayBuffer 共享。
参数传递	直接传递，无需封装，默认进行 transfer。	消息对象唯一参数，需要自己封装。
方法调用	直接将方法传入调用。	在 Worker 线程中进行消息解析并调用对应方法。
返回值	异步调用后默认返回。	主动发送消息，需在 onmessage 解析赋值。
生命周期	TaskPool 自动管理生命周期，无需关心任务负载高低。	开发者自行管理 Worker 的数量及生命周期。
任务池个数上限	自动管理，无需配置。	同个进程下，最多支持同时开启 64 个 Worker 线程，实际数量由进程内存决定。
任务执行时长上限	3 分钟（不包含 Promise 和 async/await 异步调用的耗时，例如网络下载、文件读写等 I/O 任务的耗时），长时任务无执行时长上限。	无限制。
设置任务的优先级	支持配置任务优先级。	不支持。
执行任务的取消	支持取消已经发起的任务。	不支持。
线程复用	支持。	不支持。
任务延时执行	支持。	不支持。
设置任务依赖关系	支持。	不支持。
串行队列	支持。	不支持。
任务组	支持。	不支持。
使用场景：

TaskPool：适用于独立任务，例如计算密集型任务、I/O 密集型任务等。
Worker：适用于长时间运行的任务，例如后台数据处理、模型训练等。

TaskGroup 的管理与任务优先级

TaskGroup：TaskGroup 是一个任务集合，可以将多个任务添加到 TaskGroup 中，并一起执行。TaskGroup 支持配置任务的优先级。
示例：

import { taskpool } from '@kit.ArkTS';
@Concurrent
function add(num1: number, num2: number): number {
  return num1 + num2;
}
@Concurrent
function subtract(num1: number, num2: number): number {
  return num1 - num2;
}
async function concurrentFunc() {
  const task1 = new taskpool.Task(add, 1, 2);
  const task2 = new taskpool.Task(subtract, 3, 4);
  const group = new taskpool.TaskGroup();
  group.addTask(task1);
  group.addTask(task2);
  group.addTask(task1); // 添加重复任务
  await taskpool.execute(group, taskpool.Priority.HIGH);
}

任务优先级：

Priority.IDLE：后台任务，优先级最低。
Priority.LOW：低优先级任务。
Priority.MEDIUM：中等优先级任务。
Priority.HIGH：高优先级任务。

任务的添加与执行逻辑

任务添加：

const task = new taskpool.Task(func, args);

任务执行：

await taskpool.execute(task);

任务取消：

taskpool.cancel(task);

示例代码：通过 TaskPool 执行 CPU 密集型任务的示例

以下是一个简单的示例，演示如何使用 TaskPool 执行 CPU 密集型任务：

import { taskpool } from '@kit.ArkTS';
@Concurrent
function complexCalculation(data: ArrayBuffer): ArrayBuffer {
  // 执行复杂的计算操作
  return data;
}
async function concurrentCalculation() {
  const data = new ArrayBuffer(1024);
  const task = new taskpool.Task(complexCalculation, data);
  await taskpool.execute(task);
}
@Entry
@Component
struct Index {
  @State message: string = 'Hello World';
  build() {
    Row() {
      Column() {
        Text(this.message)
          .fontSize(50)
          .fontWeight(FontWeight.Bold)
          .onClick(async () => {
            await concurrentCalculation();
          })
          .width('100%');
      }
    }
    .height('100%');
  }
}