浏览器 JavaScript 传统上单线程运行，难以处理 CPU 密集型任务如图像处理、机器学习推理或大数据计算。随着 Web 应用的复杂化，并行计算需求迫切。w4g1/multithreading 库巧妙利用 Web Workers 和 SharedArrayBuffer，构建线程池与共享内存机制，提供 Rust 风格的并发原语，包括 Mutex、RwLock、Semaphore、Condvar 和 MPMC Channels，实现高效浏览器端并行计算。
该库的核心是自动管理的 Worker 池，默认大小为 navigator.hardwareConcurrency，抽象了 Worker 创建、通信和终止的复杂性。通过 spawn 函数提交任务，支持 move 语义零拷贝传输 ArrayBuffer，避免序列化开销。共享内存基于 SharedArrayBuffer + Atomics.wait/notify，确保原子操作无竞态。不同于原生 Workers 的 postMessage 拷贝，该库的 SharedJsonBuffer 支持 JSON 对象部分更新，仅重序列化变更字节，提升性能。
例如，实现共享计数器：创建 SharedArrayBuffer (4)，包装为 Mutex，多 Worker 通过 using guard = await mutex.acquire () 安全递增。证据显示，在 4 核浏览器中，并发 4 个 CPU 任务，吞吐提升 3.5 倍（基准测试于 repo 示例）。Channels 则用于管道：channel<{data: number}>() 创建 MPMC 队列，支持克隆 Sender/Receiver，多生产者多消费者场景如任务分发。
浏览器部署需跨源隔离：服务器设置 Cross-Origin-Opener-Policy: same-origin 和 Cross-Origin-Embedder-Policy: require-corp，确保 SharedArrayBuffer 可用。否则抛 AttribsNotShared 错误。库自动处理 import 路径补丁，支持相对模块和 npm 包动态加载，如 spawn 内 await import ('./utils.js')。
工程化参数建议：
- Worker 池大小：min (navigator.hardwareConcurrency, 8)，避免过度上下文切换。
- SharedArrayBuffer 大小：任务需求 x 线程数 + 16KB 元数据，预分配 Uint32Array (1024) 用于锁。
- Mutex 超时：acquire () 默认无超时，生产加 {timeout: 5000ms} 参数防死锁。
- Channel 容量：任务批次大小，如 1024，结合 Semaphore (4) 限流。
- 移动数据阈值：>1MB 用 move (ArrayBuffer)，小对象 structured clone。
落地清单：
- npm i multithreading；浏览器需 bundler 如 Vite 配置 worker: 'inline'。
- 服务器头：COOP: same-origin, COEP: require-corp；验证 self.crossOriginIsolated。
- 初始化：initRuntime ({poolSize: 6, idleTimeout: 30000ms})，空闲 Worker 30s 回收。
- 监控：handle.join () 捕获 Result<value, error>；Atomics 指标如 notify 计数。
- 回滚：fallback 单线程 spawn (fn)，检测！self.crossOriginIsolated。
- 测试：基准 1000 迭代矩阵乘法，比较单 / 多线程 FPS。
风险控制：同步 API 如 acquireSync () 仅测试用，避免阻塞 Worker；大 Buffer 泄漏用 WeakRef 追踪。Channels 关闭检测：all Senders drop 后 recv 返回 None。
实际场景：WebGL 渲染农场，用 RwLock 共享场景数据，多 Worker 并行光追片段，读多写少优化。或 ML 推理：TensorFlow.js 模型分片至 Workers，Channel 聚合结果。
该库填补 JS 无内置 Atomics 高层封装空白，参数化设计便于调优。未来可扩展 GPU Compute via WebGPU。
资料来源：
- w4g1/multithreading GitHub Repo
- MDN SharedArrayBuffer（隐含知识）。
（正文字数约 1250）