异步编程是一种组织软件的方式,将操作的发起与完成处理分为两个独立步骤。程序可以发起一项操作,保留稍后继续执行所需的信息,并在该操作完成之前让其他工作继续进行。操作完成时,可以通过回调、事件、期值(future)、消息或恢复已挂起的协程来通知程序。当软件需要花费大量时间等待网络通信、存储操作、定时器或用户输入时,这种方式尤为重要。
异步与并发计算密切相关,但并不等同于同时执行。单个线程可以协调许多尚未完成的操作,而多线程程序也可以提供完全同步的接口。关键在于如何表示控制流程和操作的完成,而不在于有多少个处理器同时执行指令。
异步技术是交互式应用、网络服务器、流式处理系统以及许多基于云计算构建的服务的基础。其收益取决于所处的执行模型:异步代码可以提高响应能力和资源利用率,但也会带来执行顺序、故障传播、取消、资源所有权和过载等方面的问题。
语义与概念边界
同步操作将完成过程纳入调用流程:调用方发起操作后,必须先获得结果或异常,才能继续执行调用之后的代码。异步操作则将这一流程拆分为至少两个阶段:发起操作时,建立一个尚未完成的操作;随后,再通过另一个动作传达其结果。应用程序编程接口可能立即返回一个句柄、接受一个完成回调函数,或提供一个可供等待的对象。
同步与异步之分,不同于阻塞与非阻塞执行之分。阻塞调用会使调用线程在某个条件满足之前无法执行其他工作。非阻塞调用则无须等待该条件满足便会返回,并可能报告当前无法取得进展。例如,对套接字进行非阻塞读取时,调用可能返回一个表示没有可用数据的状态;应用程序随后必须安排在套接字变为可读时重试。仅凭这一次调用,并不能构成完整的异步编程模型。反过来,库也可以通过在工作线程上执行普通的阻塞操作,来实现异步接口。
异步也不同于并行计算。并行执行是指多个计算同时运行,通常分别在不同的核心或设备上进行。异步执行允许多个操作的存续时间相互重叠,但并不要求它们的计算步骤在物理上同时执行。单线程服务器可以维持数千个网络连接,同时在任一时刻只执行某一个连接的应用程序指令。在后台,网络硬件、远程计算机和操作系统组件可能正在各自独立地工作。
异步操作对外可观察的行为约定,不仅包括它最终产生的值,还规定了操作能否在发起调用返回前完成、完成处理程序在何处执行、结果能否被多次使用,以及取消与完成之间如何相互影响。两个都宣称支持异步行为的 API,在这些方面可能存在显著差异。尤其是,如果在结果已缓存时立即调用完成回调函数,而在其他情况下将其调度到稍后执行,就会导致不同情形下的重入行为有所不同。
一种实用的抽象模型将操作视为从待完成状态转变为某种终止状态,例如成功完成、失败或取消。并非所有接口都会暴露这些状态,而且有些流式操作会在终止前产生多个值。必须协调状态转换,避免相互竞争的事件——例如超时与成功响应——各自给出互不相容的最终结果。底层计算与表示其结果的对象也可能具有不同的生命周期:放弃结果并不一定会停止计算。
历史发展
异步编程并非源于某一项单独的发明,而是由几条相互交织的技术发展脉络演变而来。早期计算机就已需要协调处理器与速度相对较慢的输入输出设备。中断使硬件能够发出需要处理的信号,而直接内存访问则减少了处理器在数据传输中的参与。这些机制确立了一项重要的分离原则:发起工作请求,与接收工作取得进展或已经完成的通知,是彼此分开的。后来,应用层的异步编程在这些底层机制之上构建了抽象。
分时系统和图形界面使响应能力成为软件设计的核心关注点。交互式程序不能为了等待某项活动而无限期停顿,同时忽略键盘输入、屏幕更新或其他用户。因此,事件驱动应用通过将传入事件分派给相应的处理程序来组织执行流程。在 Unix操作系统中,信号、非阻塞文件描述符和 select 接口等机制提供了协调外部事件的不同方式。它们并未消除并发问题,但提供了其他选择,不必为每一项需要等待的活动都专门分配一个进程或线程。
另一条发展脉络涉及在语言层面表示暂停的计算过程。协程、续延及相关的控制流抽象,使程序能够保存执行状态,而不必让操作系统线程一直阻塞。类似 future 的结果对象也有悠久的历史:Henry Baker 和 Carl Hewitt 在 1977 年一篇关于并行程序求值的论文中描述了 future。后来的系统将 future 和 promise 适配到了多种执行环境中,包括分布式计算、线程池和事件驱动运行时。
万维网的扩张使更多开发者开始熟悉异步接口。浏览器必须在获取资源的同时保持可交互,客户端程序也越来越多地在不替换整个页面的情况下请求数据。2005 年,AJAX 一词开始广泛用于指代一种将异步请求、浏览器脚本和文档动态更新相结合的方法。其底层技术早于这一名称就已存在。2009 年推出的 Node.js 随后推动了事件驱动 JavaScript 在服务器端网络应用中的普及。
在 2010 年代,集成到语言中的暂停机制缩小了异步代码与普通顺序代码在语法上的差距。C# 5.0 于 2012 年引入了 async 和 await。Python 3.5 于 2015 年加入了原生协程语法;ECMAScript 于 2017 年将异步函数纳入标准;Rust 则于 2019 年在 1.39 版本中将 async/await 稳定化。这些发展并未强制采用统一的调度模型。相反,看起来相似的语法被适配到了不同的运行时架构、类型系统和内存所有权管理方式中。
运行时执行与操作系统支持
异步程序依赖某种机制来识别任务何时可以继续推进,并安排相应的计算执行。一种常见的方式是使用事件循环,反复处理可运行的任务、检查定时器,并在没有可立即执行的任务时等待外部活动。循环本身可以是单线程的,但完整的运行时还可能包含工作线程、由内核管理的操作以及后台服务。因此,事件循环是一种协调机制,并不意味着整个系统只有一个执行来源。
许多系统使用 I/O 多路复用,通过少量等待线程监控大量通信端点。基于就绪状态的接口会报告某项操作很可能无需阻塞即可取得进展。例如,select、poll、Linux 的 epoll 和 BSD 的 kqueue 都属于这类接口。就绪不等于完成:可读的套接字可能只提供一条应用消息的部分内容,可写的套接字也可能只接受输出缓冲区中的部分数据。应用必须保存已完成的部分进度,并处理流结束的情况和错误。
面向完成的接口则报告先前已提交操作的执行结果。Windows I/O 完成端口是一种广泛使用的完成通知收集机制。Linux io_uring 于 2019 年随 Linux 5.1 引入,针对其支持的操作使用共享的提交环和完成环。就绪与完成是两种有用的概念分类,但实际系统可以将二者结合起来。运行时可能针对套接字、普通文件、名称解析以及特定设备的操作使用不同的后端。
并非所有操作都有方便可用的内核级异步支持。因此,一些运行时会将阻塞任务交给线程池处理。即使网络套接字使用就绪通知,文件操作或某些解析器调用仍可能采用这种方式处理。这使面向应用的接口保持非阻塞,但并没有消除底层的等待,只是将等待转移到了工作线程上。如果线程池已无可用线程,新提交的任务就会排在现有操作之后等待处理。
调度将这些机制与应用代码衔接起来。就绪通知、已完成的工作线程任务或到期的定时器,会使某个后续计算具备运行条件。具备运行条件并不意味着立即执行,因为其他可运行任务可能已经在队列中。因此,定时器通常指定的是最早可以执行的时间,而不是精确的执行时刻。调度器的策略也会影响公平性:即使操作系统已经报告其他连接就绪,一个长时间运行的处理程序仍可能延误这些无关连接的处理。
在不同实现中,操作系统与运行时之间的职责划分有所不同。内核可能以抢占方式调度线程,而用户级异步任务则通过让出执行权或等待来协作。要解释为什么一次阻塞的库调用就能使一个原本具有很高并发度的应用停滞,理解这一边界至关重要。
回调、续延、future 与 promise
回调是提供给其他组件的函数,供其在指定事件发生时调用。在异步 API 中,回调通常在操作完成后接收结果或错误。发起操作的函数会在回调运行之前返回,不过有些 API 允许立即调用回调。回调的表达能力强,对语言层面机制的要求也很少,但它会将控制流转移到其他函数中,而这些函数的调用时机和执行上下文由别处决定。
当多个操作相互依赖时,基于回调的代码可能出现很深的嵌套。更重要的是,其生命周期的处理可能变得支离破碎:成功处理放在一个函数中,清理放在另一个函数中,取消又放在第三个函数中。续延传递风格提供了一种理解这种安排的形式化方式。计算不再将结果返回给隐式的调用者,而是接收一个显式的续延,用来描述接下来应当做什么。即使程序员编写的代码看起来采用直接调用的形式,编译器也可以在内部使用相关变换。
future 与 promise将最终结果表示为对象。future 通常用于访问一个可能尚未产生的值;promise 通常表示提供该值或报告失败的能力。不同库使用的术语并不一致。有些系统区分生产者持有的 promise 和消费者持有的 future,另一些系统则用“promise”指代整个抽象。它们在语义上的关键差异包括:求值是否立即开始,是否在等待时才开始,是否允许多个消费者,以及取消是否会传递到底层操作。
组合算子用于表达异步结果之间的关系。映射操作转换成功得到的值;链式操作启动依赖于先前结果的异步计算;全体完成操作等待多个输入;竞速类操作报告较早产生的结果。这些算子对错误和尚未完成的输入有不同的处理方式。例如,报告首个成功结果的操作必须区分失败与成功,而报告首个已确定结果的操作则不必如此。两者都不一定会停止其余工作。
ECMAScript 的 promise 展示了几项精确的语义选择。promise 可以处于待定、已兑现或已拒绝状态,其后续处理以排队作业的形式运行,而不是由使其状态确定的操作立即调用。用浏览器的术语来说,promise 的后续处理会参与微任务处理。用另一个 promise 来解析某个 promise 时,可以让后者采纳前者的最终结果,因此“已解析”并不只是“已兑现”的同义词。拒绝也不自动意味着在创建 promise 的位置抛出同步异常。
这些抽象使依赖关系更容易表达,但并不能保证执行资源分配得当。创建大量 future,可能会启动大量操作,也可能只是描述延后执行的工作,或将工作放入容量受限的执行器队列中。仅凭抽象的表面形式,不足以判断其并发行为和资源使用方式。
协程与 async/await
协程是一种可以挂起并在之后恢复执行、同时保留相关执行状态的计算过程。在异步编程中,挂起通常发生在等待另一项操作时。运行时会记录协程的状态,让线程转而执行其他工作,而不是让线程空闲等待。当所等待的操作就绪时,协程便再次进入可运行状态。协程还可以支持生成器等本身并非异步的控制模式。
async 和 await 关键字为这一过程提供了语言层面的语法表示。异步函数通常产生一个可等待的结果,而非普通的最终值。await 表达式用于获取可等待对象的结果;如果结果尚不可用,它可能会挂起所在的计算过程。如果结果已经就绪,则不一定需要挂起,不过某些语言及其调度规则仍可能推迟后续执行。等待通常挂起的是一个逻辑任务,而不是仍可运行其他任务的线程。
编译器可以将异步函数转换为状态机来实现。挂起后仍需使用的局部变量会成为所保留状态中的字段,而每个挂起点都对应一种可能的恢复状态。从概念上说,函数的执行进度由状态标识符、已保存的值以及延续执行机制共同描述。不同实现在内存分配策略、优化方式和保留状态的多少方面各不相同。有栈协程保留较为传统的执行栈,而无栈实现通常在生成的帧中显式表示挂起状态。
看似顺序执行的语法本身并不会带来并发。如果程序先等待请求 A,之后才发起请求 B,这两个请求仍然是顺序执行的。要让相互独立的工作重叠进行,就必须先启动或调度两项操作,再等待它们的共同结果。反过来,如果 B 依赖于 A 已提交的操作效果,那么即使两个调用在技术上都可以等待,并发启动它们也可能是不正确的。
不同语言之间也存在重要差异。在 JavaScript 中,调用异步函数会开始执行其函数体并返回一个 promise;函数体会一直执行到挂起或完成。在 Python编程语言中,调用原生协程函数会创建一个协程对象,只有等待或调度该对象,函数体才会运行。在 Rust语言中,异步函数会产生一个 future,执行器对其进行轮询时,它才会推进执行。在 C# 中,后续执行的行为可能取决于捕获的同步上下文或任务调度器。
因此,async/await 统一的更多是一种表达方式,而不是一套通用的运行时约定。它简化了局部控制流和异常处理,但程序员仍需理解任务创建、执行上下文、对象生命周期,以及操作究竟在什么情况下才会推进执行。
顺序、共享状态与同步
即使应用程序的指令在单个线程上运行,异步代码中也可能存在竞态条件。假设两个任务各自读取账户余额,等待外部检查完成,然后根据先前读取的值计算并写回余额。它们的执行过程可能在挂起点之间交错,导致一次更新覆盖另一次更新。这并不需要同时访问内存。问题的根源在于,一个逻辑操作跨越了一段时间,而在这段时间内,另一个任务可能改变该操作所依赖的前提。
这也体现了逻辑竞态与多线程内存模型中数据竞态的区别。数据竞态是指,在所适用的内存模型下,存在相互冲突且缺乏充分同步的内存访问。单线程事件循环可能避免此类访问,却仍然允许应用层出现不一致的结果。如果运行时还使用多个线程,或通过共享内存进行通信,这两类竞态就都可能发生。因此,线程安全与异步正确性是相互关联但并不相同的属性。
同步机制必须与执行模型相匹配。异步锁允许等待中的任务挂起,而不阻塞执行该任务的线程。相比之下,传统的阻塞式互斥锁可能使执行器无法运行本应释放锁的任务。即使使用异步锁,也无法弥补不良设计:在缓慢的网络请求期间一直持有锁,可能使原本无关的工作被迫串行执行、增加延迟,并形成很长的依赖链。通道、不可变数据、所有权转移以及由单一所有者管理的状态机,提供了协调状态的其他方式。
当任务形成循环依赖,且没有任何任务能够满足这些依赖时,就可能发生死锁。一种常见模式是:某个线程阻塞等待一个异步结果,而产生该结果所需的后续执行又必须在同一个线程上进行。这可能出现在具有单线程同步上下文的用户界面环境中。死锁也可能只涉及异步等待,例如,两个任务各自等待对方发出信号,而双方都只有在自身等待结束后才会发出信号。将阻塞等待替换为异步等待,并不能消除循环依赖。
在 API 边界处,顺序同样重要。通知可能乱序到达,缓存结果可能比更新的请求更早完成返回,重试也可能产生重复效果。例如,搜索界面可能针对接连输入的查询发出请求,却最后才收到较早查询的响应。应用程序必须将每个结果与产生它的请求对应起来,而不能假定完成顺序与发起顺序一致。
有些顺序问题最好在数据层解决。数据库事务、条件更新或幂等键,可以维护仅靠本地任务调度无法保证的不变式。当异步操作跨越进程边界时,这些机制尤为重要,因为调用方无法控制所有参与方,也无法控制所有可能的执行交错。
取消、错误与结构化并发
异步操作往往在发起它的那段代码执行结束后仍继续运行。用户可能关闭窗口,网络请求可能超过截止时间,或者某个子操作失败时,相关工作仍在运行。取消机制用于传达这样的意图:不再需要某个操作的结果,或希望该操作停止。在大多数现代异步系统中,取消采用协作方式:运行中的计算在规定的检查点检测取消请求,并执行必要的栈展开或清理工作。
取消结果句柄并不一定会取消底层活动。基于定时器的封装层可能已经报告超时,而原始请求仍在占用连接,最终甚至修改远端状态。同样,丢弃一个 future 可能会释放本地状态,但并不能证明已经提交给操作系统的操作已停止。不同 API 对取消的定义各不相同:有的只是将结果标记为已取消,有的会请求中断,有的会等待取消得到确认,还有的则保证此后不再发生用户可见的回调。
结构化并发以这样的方式组织并发工作:让子任务归属于具有明确生命周期的词法作用域或动态作用域。作用域通常会等待其子任务结束后再退出,而任务失败可以触发对其他相关子任务的取消。与创建脱离作用域的任务相比,这种结构让任务的归属和清理责任更加清晰。Python 在 2022 年发布的 Python 3.11 中引入了 asyncio.TaskGroup,它是任务组语义的一种实现;其他语言和库则使用 nursery、作用域或类似的构造。
故障处理必须区分多个层次。单个操作可能失败,一个任务组内可能出现多个故障,而任务组的监督者可以决定其余工作是否继续。如果生成一个结果必须依赖所有子任务,那么首次出错即终止的策略很有用;但如果各项作业相互独立、应当隔离,这种策略就不合适。当控制流因取消或异常而离开时,清理代码也必须执行。类似于 finally 的语言特性、异步上下文管理器以及确定性的资源销毁机制,有助于表达这些必须履行的清理责任。
截止时间与超时在组合使用时有所不同。超时指定的是相对于某个起点的一段时长,而截止时间则指定所选时钟域中的一个绝对时间界限。在嵌套操作之间传递剩余的截止时间约束,可以避免每一层都重新给予完整的超时时长。在同一进程内,单调时钟可以避免墙上时钟调整带来的影响。在不同机器之间,时钟差异则使绝对时间戳的解释变得复杂。
在分布式计算中,取消通常无法撤销已在其他位置发生的效果。即使响应丢失、调用方等待超时,请求也可能已经成功提交。重试这样的请求可能导致同一效果重复发生,除非服务提供了适当的去重机制或幂等语义。因此,异步错误处理必须考虑结果不确定的情况,而不能只考虑本地执行成功或失败。
流、背压与过载
许多异步活动产生的是序列,而非单个结果:网络数据包不断到达,用户不断产生输入,文件逐块提供数据,服务持续输出记录。这些活动可以表示为回调、通道、可观察流或异步迭代器。核心问题不仅在于下一个元素何时可用,还在于如何协调生产与消费。如果缺乏协调,快速的生产者可能耗尽内存,而较慢的消费者则会积压越来越多的待处理数据。
背压是一种通过下游容量来约束上游生产或交付的机制。有界通道在满载时可以挂起生产者。基于拉取的迭代器只有在消费者请求时才会产生下一个元素。需求信号协议可以让消费者指定自己准备接收多少个元素。这些方法不同于在过载发生后才丢弃数据,不过,对于某些工作负载,丢弃或采样也可以是有意采用的策略。
缓冲可以吸收暂时的速率差异,却无法解决持续的容量失衡。如果元素以平均速率 到达,而系统的长期处理速率 低于到达速率,那么在这些假设下,无界队列就会无限增长。有界队列则迫使系统在等待、拒绝任务、丢弃元素或降低生产速率之间作出选择。适用的策略取决于数据的含义:丢失一次中间的光标位置更新也许可以接受,但悄无声息地丢弃一笔金融交易则不能等同视之。
并发限制是对背压的补充。服务可以接收请求流,但只允许固定数量的数据库操作或对外调用同时进行。异步信号量可以实施这种限制,而无须为每个等待者占用一个阻塞线程。不过,如果信号量前面仍有一个无限制的队列,内存依然可能不断增长,等待时间也可能过长。有效的过载控制通常需要综合考虑准入、正在执行的任务、排队任务以及截止时间。
响应式编程提供了传播变化和组合事件序列的抽象。一些响应式流系统规定了显式的需求协议,但从更广泛的范畴来看,响应式编程本身并不保证内存占用有界,也不必然提供背压。同样,消息代理可以将生产者与消费者解耦,却不能消除过载:积压的消息会占用存储空间,而投递策略会影响消息的顺序、确认和重新投递。
流处理还引入了终止语义。当缓冲区中仍有数据时,流可能正常结束、发生故障或被取消。合并多个流的算子必须决定,某一路输入发生故障时是否要停止所有输入;保持顺序的算子则可能需要暂存后续已经完成的结果,等待前面尚未就绪的结果。这些决策会直接影响延迟、内存使用量,以及部分处理进度能否被观察到。
性能、可扩展性与实际应用
当大量操作需要花费较长时间等待时,异步编程最能发挥作用。网络服务可能只需执行少量处理器运算,然后发出请求,再等待数十毫秒才能收到远端响应。为每个这样的等待操作分配专用线程,会消耗栈空间和调度器资源。将等待中的操作表示为轻量级任务,可以用更少的线程支持更多并发连接,不过,每个尚未完成的操作仍需保留状态、缓冲区和引用。
利特尔定律描述了稳定系统中平均工作数量、到达率与平均停留时间之间的关系:
其中, 是系统内的平均项目数, 是平均到达率, 是平均停留时间。例如,某项服务每秒处理 2,000 个请求,请求的平均停留时间为 0.05 秒,那么系统内平均约有 100 个请求。这是平均值之间的关系,既不是并发峰值的上限,也不是直接用于确定工作线程数量的规则。
异步机制不会减少 CPU 密集型算法所需的处理器运算量。如果处理程序长时间执行计算而不让出执行权,就可能独占事件循环线程,延误其他无关任务。将计算转移到工作线程池或独立进程中,有助于保持响应能力;在硬件和运行时条件允许的情况下,并行执行可以提高吞吐量。仅仅添加 async 修饰符,两者都做不到。调度、队列管理、状态机转换和内存分配本身也可能带来开销。
交互式软件利用异步机制,在外部任务进行期间保持输入和渲染的响应能力。网页浏览器需要协调用户事件、资源加载、脚本执行和文档更新。服务器软件采用类似技术,管理套接字、定时器以及对其他服务的调用。存储流水线通过异步提交,使设备持续处于忙碌状态;云应用则让相互独立的请求并行推进。在这些场景中,哪些操作可以安全地重叠执行,都取决于操作之间的依赖结构。
与每请求一线程的设计进行比较时,需要谨慎。现代轻量级线程实现可以提供直观的阻塞式代码编写方式,同时将大量逻辑线程复用到较少的操作系统线程上。因此,关键区别并不总是“线程还是异步”,而在于如何表示暂停状态,以及如何管理资源。由轻量级调度机制支撑、外观上呈同步形式的接口,可以与显式使用 async/await 的方案具有许多相同的实现目标。
性能评估不能只测量最大请求吞吐量。相关指标还包括响应时间的各个百分位数、事件循环延迟、队列长度、活跃操作数、内存滞留情况,以及过载时的表现。某种实现即使达到了高吞吐量,如果放任队列无限增长,响应时间也可能越来越差。与其以超过完成能力的速度接收任务,不如限制并发量,并以可预期的方式拒绝任务;后者在实际运维中可能更有价值。
测试、调试与接口设计
异步程序中的故障往往取决于执行顺序,而非某个特定输入。当某项操作先完成时,测试可能通过;而当调度使完成顺序颠倒时,测试就可能失败。在高负载下重复运行测试或许能暴露这类缺陷,但单靠重复执行,很难充分覆盖各种可能的交错执行情况。更系统的方法包括控制操作完成的时点、注入故障、改变调度器的决策,以及明确测试各种状态转换,例如在操作成功完成之前或之后立即发起取消。
依赖随意设定的休眠时长时,与时间有关的测试尤其脆弱。在一台机器上足够长的延迟,在另一台机器上可能并不够;而设置过长的延迟又会拖慢测试套件,却无法证明预期的执行顺序确实得到满足。可控时钟和测试调度器可以确定性地推进定时器。完成信号、屏障以及带有检测机制的可等待对象,则可以确保任务已到达某个特定状态,再由测试触发下一个事件。
调试时,必须重建普通调用栈已无法完整呈现的关系。异步函数挂起后,其调用方可能已经返回事件循环。因此,稍后发生故障时,实际调用栈可能不包含程序执行所经过的逻辑路径。运行时和调试器可以保留异步调用栈信息,追踪系统则可以为相关操作附加标识符。上下文传播能够跨越任务边界,将日志与追踪记录关联起来;但对于复用的工作线程和脱离任务,需要明确规则,防止无关请求意外共享上下文。
异步接口应当像规定返回类型一样,严谨地规定所有权和生命周期。重要问题包括:操作是否立即开始,其结果能否被多次等待,由哪个执行器运行续体,如何观察错误,以及调用方放弃该操作后会发生什么。对于底层 I/O,缓冲区所有权尤为重要:即使调用方已不再需要结果,缓冲区也可能必须保持有效,直到操作完成。这些要求应当写入软件文档,而不能仅仅作为实现中的默认假设。
形式验证和基于模型的推理可以帮助识别不允许出现的状态、缺失的状态转换以及循环依赖。对于完成对象,有用的性质包括:至多给出一个终态结果,以及在既定调度假设下,确保已注册的等待者最终都能收到通知。对于协议处理器,模型可以区分有效的消息序列与会导致资源泄漏或接受重复完成通知的状态。关于活性的断言,则需要明确说明对公平性和外部系统行为的假设。
在软件工程中,这些考量决定了应用逻辑与运行时机制之间的边界。定义清晰的任务作用域、有界队列、明确的取消契约,以及可观测的完成状态,都有助于理解和推理异步行为。测试随后便可直接针对这些契约展开:取消后哪些影响仍然存在,哪些故障会传递给调用方,以及操作生命周期结束时,哪些资源必须已经释放。