阻塞/非阻塞、同步/异步还有并发、并行、分布式这些概念的区别是什么？分别适用于哪些编程场景？
好的，咱们今天就来好好捋一捋这些在编程世界里经常被提及但又容易混淆的概念。理解它们，能让咱们写出更高效、更健壮的程序。我尽量用大白话，咱们一步一步来。
1. 阻塞 (Blocking) vs. 非阻塞 (Nonblocking)
这俩说的是 一个操作执行的时候，CPU（或者说线程）是不是会停下来等着，直到这个操作完成为止。
阻塞 (Blocking):
想象一下： 你打电话给客服，想咨询一个问题。你拨通电话，然后你就只能在那儿等着，一边听着那“嘟嘟嘟”的等待音乐，一边眼巴巴地盯着手机，等着对方接听、回答。在这期间，你什么也干不了，连刷个朋友圈的心思都没有（当然，你可以说你可以，但从程序执行的角度来说，这个“线程”就是被占用了，它不能去做别的事）。
编程里的体现： 当一个线程执行一个 I/O 操作（比如读文件、网络请求、数据库查询）时，如果这个操作是阻塞的，那么这个线程就会被操作系统挂起，直到 I/O 操作完成为止。在这段时间里，这个线程是完全“冻结”的，不能做任何其他事情。
优点： 实现起来相对简单。代码逻辑直观，就像写流水账一样，一件事做完再做下一件。
缺点： 效率低。尤其是在 I/O 密集型的场景下（就是你很多时间都在等数据，而不是在真正计算），大量的线程会被浪费在等待上，消耗系统资源，也限制了程序的吞吐量。
适用场景：
简单的脚本或小工具： 对于那些执行时间短，且不需要同时处理太多事情的程序来说，阻塞 I/O 足够了。
单线程的应用： 如果你的程序就只有一个线程，那它无论如何都只能做一件事，阻塞不阻塞其实影响不大，因为它本来就没法并行。
同步的、对时效性要求不高的任务： 比如一个后台定时任务，完成与否不影响用户体验，即使它阻塞了几个小时也没关系。
非阻塞 (Nonblocking):
想象一下： 你这次上网去商店买东西。你下单了，然后商店说“好的，我们尽快给您发货”。你拿到这个“订单号”或者“已通知发货”的提示后，就可以关上电脑，去做饭、看电视、打游戏了。你不需要守在门口等着快递员敲门。如果快递员来了，你会收到通知。你可以在方便的时候去取件，或者让家人代收。
编程里的体现： 当一个线程执行一个非阻塞的 I/O 操作时，它会“发起”这个操作，然后 立即返回，告诉操作系统“我让你去办这件事了，办好了通知我”。这个线程可以马上去做其他事情。当 I/O 操作完成后，系统会通过某种机制（比如回调函数、事件循环、Future/Promise 等）通知这个线程。
优点： 效率高。一个线程可以发起多个 I/O 操作，并在等待的过程中处理其他逻辑，大大提高了资源的利用率。特别适合处理高并发的 I/O 密集型任务。
缺点： 实现起来相对复杂。需要引入回调、事件循环或者状态机等机制来处理操作完成后的逻辑。代码的可读性可能会有所下降，尤其是在嵌套回调的情况下（俗称“回调地狱”）。
适用场景：
Web服务器和API网关： 需要同时处理成千上万的用户请求，每个请求都可能涉及网络 I/O，非阻塞是必须的。
实时通信应用： 聊天软件、游戏服务器等，需要快速响应用户的输入和消息，不能因为等待某个 I/O 而卡住。
GUI应用程序： 用户界面需要响应用户操作，不能因为后台的任务（如加载图片、网络请求）而导致界面冻结。
2. 同步 (Synchronous) vs. 异步 (Asynchronous)
这俩说的是 当一个任务发起后，它和调用者之间的“关系”是怎样的。它更多地关注 执行顺序 和 结果的获取方式。
同步 (Synchronous):
想象一下： 你让朋友帮你买一杯咖啡。你把钱给他，然后你就站在那里，寸步不离地盯着他，直到他拿着咖啡回来交给你。在这段时间里，你啥事儿也干不了，只能等着。
编程里的体现： 调用一个函数或方法，执行会 顺序进行。当前的线程会一直等到这个函数执行完毕并返回结果后，才会继续执行下一行代码。即使这个函数内部执行的是非阻塞 I/O，从调用者的角度来看，它也是同步的，因为调用者“阻塞”在函数调用处等待结果。
和阻塞的关系： 同步操作往往伴随着阻塞，尤其是在等待结果返回时。但非阻塞 I/O 也可以是同步的，比如你发起一个非阻塞的网络请求，然后不断地轮询（Polling）去问“好了没？好了没？”，直到得到结果。这种轮询方式就是同步的，尽管底层的 I/O 是非阻塞的。
优点： 代码流程清晰，易于理解和调试。
缺点： 效率不高，尤其是在 I/O 操作耗时较长的情况下，会浪费大量的等待时间。
适用场景：
简单的数据处理或计算： 当操作本身很快，且不需要同时做其他事情时。
需要严格按照顺序执行的步骤： 例如，先登录，登录成功后再获取用户信息。
异步 (Asynchronous):
想象一下： 你让朋友帮你买咖啡。你把钱和咖啡的要求告诉他，然后说“你买好送过来就行”。你挂了电话，然后你可以继续看书、做饭。当朋友买好咖啡送到你家门口时，他会按门铃或者给你发个消息，你听到或看到后，再过去拿咖啡。
编程里的体现： 调用一个函数或方法，这个函数会 立即返回，并不等待实际操作完成。它会 安排一个后续的回调函数 或者返回一个可以 later 轮询（比如 Future、Promise、Task）的对象，用于处理操作完成后的结果。线程在调用异步函数后，就可以去做别的事情了。
和非阻塞的关系： 异步操作通常是基于非阻塞 I/O 实现的。当你发起一个异步操作，它通常就意味着底层是用非阻塞方式处理的，并且结果会以某种方式（回调、事件）通知你，而不是让你主动去轮询。所以可以说，异步是实现非阻塞 I/O 的一种常见编程模型。
优点： 极大地提高了程序的效率和响应能力，尤其是在处理 I/O 密集型和需要并发的任务时。
缺点： 代码逻辑可能变得复杂，容易出现回调地狱，或者需要掌握 Promise、Async/Await 等更高级的编程模式。调试也可能更困难一些。
适用场景：
网络编程： 几乎所有现代的网络框架和库都大量使用异步 I/O。
响应式编程： 许多前端框架（如 React, Vue）和一些后端框架（如 Node.js 的 Express、Spring WebFlux）都倾向于使用异步模型。
并发任务处理： 当你需要同时执行多个独立但可能耗时的任务时。
3. 并发 (Concurrency) vs. 并行 (Parallelism)
这俩词经常被放在一起，但它们描述的是 不同层面 的概念。
并发 (Concurrency):
想象一下： 你是一个厨师，厨房里有很多菜要做，比如炒一个菜、炖一个汤、切一个水果沙拉。你一个人，一次只能做一件事情。但是，你可以 快速地在不同任务之间切换：先炒几下菜，然后去看看汤，发现火候可以了，就调小一点，然后去削个水果，再回来接着炒菜。虽然你一个人在“同时”看着很多事情，但实际上你每时每刻只在做一件具体的事。
核心： 同时处理多个事情的能力。它是一种 结构化 的方式，将一个大的问题分解成多个可以独立处理的子任务，并且能够 交替执行 这些子任务。
关注点： 任务的分解和切换。即使只有一个 CPU 核，也可以实现并发，因为 CPU 可以快速地在不同的任务之间切换，给人的感觉是它们在“同时”进行。
实现方式： 多线程、多进程、事件循环（单线程并发）、协程等。
优点： 提高了程序的 响应能力 和 资源的利用率。一个慢速的任务不会阻塞其他任务的进展。
适用场景：
处理用户界面： 主线程负责响应用户操作，同时后台线程可以执行耗时的任务（如加载数据）。
服务器端处理多个客户端请求： 即便只有一个 CPU，也可以通过创建多个线程或进程来处理多个并发的网络连接。
模拟和事件驱动系统： 需要同时管理和响应多个事件源。
并行 (Parallelism):
想象一下： 你不是一个厨师了，你现在有 好几个厨师（就像多个 CPU 核）。每个厨师都可以独立地、 真正在同一时刻 去做一道菜。一个厨师在炒菜，另一个厨师在炖汤，还有一个厨师在切水果沙拉。这才是 真正的同时进行。
核心： 同时执行多个任务。它强调的是 执行的物理同时性。
前提： 需要 多核处理器 或 多台计算机 来实现。
关注点： 计算速度的提升。通过将计算任务分配到多个执行单元上，可以缩短总的执行时间。
实现方式： 多核 CPU、多处理器系统、集群计算。
优点： 显著提高 计算密集型任务 的处理速度。
适用场景：
科学计算和大数据分析： 需要进行大量复杂的计算，如矩阵运算、模拟仿真、机器学习模型的训练。
图像和视频处理： 对大量数据进行像素级别的操作。
金融建模和风险分析： 需要处理海量数据进行复杂的计算。
并发与并行的关系：
并发是关于“处理”多件事的能力，并行是关于“做”多件事的能力。
并行是并发的一种实现方式。 如果你有多个 CPU 核，你就可以通过在这些核上真正同时运行不同的任务来实现并发。
没有并行，也可以有并发。 单核 CPU 通过快速切换任务来达到并发的效果。
有了并行，可以更好地支持并发。 多核能让你同时处理的“活动”数量大大增加，而且每个活动都能获得真正的 CPU 时间片，而不是被快速切换。
4. 分布式 (Distributed)
这个概念就更宏观了，它说的是 如何组织和管理大量的计算资源。
分布式 (Distributed):
想象一下： 你有一个非常庞大的连锁餐厅，需要在全球各地同时运营。你不能把所有的厨师、食材、顾客都集中在一个地方。你需要 在不同的地点（不同的服务器、不同的数据中心）部署资源，让它们各自负责一部分业务，同时通过网络 互相协作，共同完成一个更大的目标（比如为全球顾客提供服务）。
核心： 将计算和数据分布到多台独立的计算机上，并通过网络连接起来进行协作，以达成一个共同的目标。
关注点： 系统的可扩展性、可靠性、容错性。当你的应用规模非常大，单台机器无法承载时，就需要分布式系统。
实现方式： 微服务架构、分布式数据库（如 Cassandra, MongoDB）、分布式缓存（如 Redis Cluster）、消息队列（如 Kafka）、分布式文件系统（如 HDFS）、Kubernetes 集群等。
优点：
可扩展性： 可以通过增加更多的机器来应对不断增长的负载。
可靠性与容错性： 一台机器的故障不会导致整个系统瘫痪，其他机器可以接管其工作。
高性能： 可以通过并行处理和地理位置分散来提高响应速度。
缺点： 设计和管理复杂性极高，网络通信延迟、数据一致性、分布式事务等都是巨大的挑战。
适用场景：
大规模 Web 应用： 搜索引擎、社交媒体、电子商务平台。
大数据处理： Hadoop、Spark 等大数据处理框架。
云计算平台： 构成云服务的底层基础设施。
金融交易系统、物联网平台等需要处理海量数据和高可用性的场景。
总结一下：
阻塞/非阻塞 关注 单个操作 是不是会 占用线程 等待。
同步/异步 关注 调用者与被调用者 之间的 结果获取方式 和 执行流程。异步通常基于非阻塞。
并发 关注 如何同时处理多个任务 的能力，可能是在单核上通过切换实现，也可能是在多核上同时执行。
并行 关注 任务的真正物理同时执行，需要多核或多机。
分布式 关注 如何将系统部署在多台机器上 以实现高可用和可扩展。
理解了这些基本概念，咱们在设计和实现各种应用程序时，就能做出更明智的技术选型，写出更高效、更健壮的代码了。希望我的解释能帮到你！
1. 阻塞 (Blocking) vs. 非阻塞 (Nonblocking)
这俩说的是 一个操作执行的时候，CPU（或者说线程）是不是会停下来等着，直到这个操作完成为止。
阻塞 (Blocking):
想象一下： 你打电话给客服，想咨询一个问题。你拨通电话，然后你就只能在那儿等着，一边听着那“嘟嘟嘟”的等待音乐，一边眼巴巴地盯着手机，等着对方接听、回答。在这期间，你什么也干不了，连刷个朋友圈的心思都没有（当然，你可以说你可以，但从程序执行的角度来说，这个“线程”就是被占用了，它不能去做别的事）。
编程里的体现： 当一个线程执行一个 I/O 操作（比如读文件、网络请求、数据库查询）时，如果这个操作是阻塞的，那么这个线程就会被操作系统挂起，直到 I/O 操作完成为止。在这段时间里，这个线程是完全“冻结”的，不能做任何其他事情。
优点： 实现起来相对简单。代码逻辑直观，就像写流水账一样，一件事做完再做下一件。
缺点： 效率低。尤其是在 I/O 密集型的场景下（就是你很多时间都在等数据，而不是在真正计算），大量的线程会被浪费在等待上，消耗系统资源，也限制了程序的吞吐量。
适用场景：
简单的脚本或小工具： 对于那些执行时间短，且不需要同时处理太多事情的程序来说，阻塞 I/O 足够了。
单线程的应用： 如果你的程序就只有一个线程，那它无论如何都只能做一件事，阻塞不阻塞其实影响不大，因为它本来就没法并行。
同步的、对时效性要求不高的任务： 比如一个后台定时任务，完成与否不影响用户体验，即使它阻塞了几个小时也没关系。
非阻塞 (Nonblocking):
想象一下： 你这次上网去商店买东西。你下单了，然后商店说“好的，我们尽快给您发货”。你拿到这个“订单号”或者“已通知发货”的提示后，就可以关上电脑，去做饭、看电视、打游戏了。你不需要守在门口等着快递员敲门。如果快递员来了，你会收到通知。你可以在方便的时候去取件，或者让家人代收。
编程里的体现： 当一个线程执行一个非阻塞的 I/O 操作时，它会“发起”这个操作，然后 立即返回，告诉操作系统“我让你去办这件事了，办好了通知我”。这个线程可以马上去做其他事情。当 I/O 操作完成后，系统会通过某种机制（比如回调函数、事件循环、Future/Promise 等）通知这个线程。
优点： 效率高。一个线程可以发起多个 I/O 操作，并在等待的过程中处理其他逻辑，大大提高了资源的利用率。特别适合处理高并发的 I/O 密集型任务。
缺点： 实现起来相对复杂。需要引入回调、事件循环或者状态机等机制来处理操作完成后的逻辑。代码的可读性可能会有所下降，尤其是在嵌套回调的情况下（俗称“回调地狱”）。
适用场景：
Web服务器和API网关： 需要同时处理成千上万的用户请求，每个请求都可能涉及网络 I/O，非阻塞是必须的。
实时通信应用： 聊天软件、游戏服务器等，需要快速响应用户的输入和消息，不能因为等待某个 I/O 而卡住。
GUI应用程序： 用户界面需要响应用户操作，不能因为后台的任务（如加载图片、网络请求）而导致界面冻结。
2. 同步 (Synchronous) vs. 异步 (Asynchronous)
这俩说的是 当一个任务发起后，它和调用者之间的“关系”是怎样的。它更多地关注 执行顺序 和 结果的获取方式。
同步 (Synchronous):
想象一下： 你让朋友帮你买一杯咖啡。你把钱给他，然后你就站在那里，寸步不离地盯着他，直到他拿着咖啡回来交给你。在这段时间里，你啥事儿也干不了，只能等着。
编程里的体现： 调用一个函数或方法，执行会 顺序进行。当前的线程会一直等到这个函数执行完毕并返回结果后，才会继续执行下一行代码。即使这个函数内部执行的是非阻塞 I/O，从调用者的角度来看，它也是同步的，因为调用者“阻塞”在函数调用处等待结果。
和阻塞的关系： 同步操作往往伴随着阻塞，尤其是在等待结果返回时。但非阻塞 I/O 也可以是同步的，比如你发起一个非阻塞的网络请求，然后不断地轮询（Polling）去问“好了没？好了没？”，直到得到结果。这种轮询方式就是同步的，尽管底层的 I/O 是非阻塞的。
优点： 代码流程清晰，易于理解和调试。
缺点： 效率不高，尤其是在 I/O 操作耗时较长的情况下，会浪费大量的等待时间。
适用场景：
简单的数据处理或计算： 当操作本身很快，且不需要同时做其他事情时。
需要严格按照顺序执行的步骤： 例如，先登录，登录成功后再获取用户信息。
异步 (Asynchronous):
想象一下： 你让朋友帮你买咖啡。你把钱和咖啡的要求告诉他，然后说“你买好送过来就行”。你挂了电话，然后你可以继续看书、做饭。当朋友买好咖啡送到你家门口时，他会按门铃或者给你发个消息，你听到或看到后，再过去拿咖啡。
编程里的体现： 调用一个函数或方法，这个函数会 立即返回，并不等待实际操作完成。它会 安排一个后续的回调函数 或者返回一个可以 later 轮询（比如 Future、Promise、Task）的对象，用于处理操作完成后的结果。线程在调用异步函数后，就可以去做别的事情了。
和非阻塞的关系： 异步操作通常是基于非阻塞 I/O 实现的。当你发起一个异步操作，它通常就意味着底层是用非阻塞方式处理的，并且结果会以某种方式（回调、事件）通知你，而不是让你主动去轮询。所以可以说，异步是实现非阻塞 I/O 的一种常见编程模型。
优点： 极大地提高了程序的效率和响应能力，尤其是在处理 I/O 密集型和需要并发的任务时。
缺点： 代码逻辑可能变得复杂，容易出现回调地狱，或者需要掌握 Promise、Async/Await 等更高级的编程模式。调试也可能更困难一些。
适用场景：
网络编程： 几乎所有现代的网络框架和库都大量使用异步 I/O。
响应式编程： 许多前端框架（如 React, Vue）和一些后端框架（如 Node.js 的 Express、Spring WebFlux）都倾向于使用异步模型。
并发任务处理： 当你需要同时执行多个独立但可能耗时的任务时。
3. 并发 (Concurrency) vs. 并行 (Parallelism)
这俩词经常被放在一起，但它们描述的是 不同层面 的概念。
并发 (Concurrency):
想象一下： 你是一个厨师，厨房里有很多菜要做，比如炒一个菜、炖一个汤、切一个水果沙拉。你一个人，一次只能做一件事情。但是，你可以 快速地在不同任务之间切换：先炒几下菜，然后去看看汤，发现火候可以了，就调小一点，然后去削个水果，再回来接着炒菜。虽然你一个人在“同时”看着很多事情，但实际上你每时每刻只在做一件具体的事。
核心： 同时处理多个事情的能力。它是一种 结构化 的方式，将一个大的问题分解成多个可以独立处理的子任务，并且能够 交替执行 这些子任务。
关注点： 任务的分解和切换。即使只有一个 CPU 核，也可以实现并发，因为 CPU 可以快速地在不同的任务之间切换，给人的感觉是它们在“同时”进行。
实现方式： 多线程、多进程、事件循环（单线程并发）、协程等。
优点： 提高了程序的 响应能力 和 资源的利用率。一个慢速的任务不会阻塞其他任务的进展。
适用场景：
处理用户界面： 主线程负责响应用户操作，同时后台线程可以执行耗时的任务（如加载数据）。
服务器端处理多个客户端请求： 即便只有一个 CPU，也可以通过创建多个线程或进程来处理多个并发的网络连接。
模拟和事件驱动系统： 需要同时管理和响应多个事件源。
并行 (Parallelism):
想象一下： 你不是一个厨师了，你现在有 好几个厨师（就像多个 CPU 核）。每个厨师都可以独立地、 真正在同一时刻 去做一道菜。一个厨师在炒菜，另一个厨师在炖汤，还有一个厨师在切水果沙拉。这才是 真正的同时进行。
核心： 同时执行多个任务。它强调的是 执行的物理同时性。
前提： 需要 多核处理器 或 多台计算机 来实现。
关注点： 计算速度的提升。通过将计算任务分配到多个执行单元上，可以缩短总的执行时间。
实现方式： 多核 CPU、多处理器系统、集群计算。
优点： 显著提高 计算密集型任务 的处理速度。
适用场景：
科学计算和大数据分析： 需要进行大量复杂的计算，如矩阵运算、模拟仿真、机器学习模型的训练。
图像和视频处理： 对大量数据进行像素级别的操作。
金融建模和风险分析： 需要处理海量数据进行复杂的计算。
并发与并行的关系：
并发是关于“处理”多件事的能力，并行是关于“做”多件事的能力。
并行是并发的一种实现方式。 如果你有多个 CPU 核，你就可以通过在这些核上真正同时运行不同的任务来实现并发。
没有并行，也可以有并发。 单核 CPU 通过快速切换任务来达到并发的效果。
有了并行，可以更好地支持并发。 多核能让你同时处理的“活动”数量大大增加，而且每个活动都能获得真正的 CPU 时间片，而不是被快速切换。
4. 分布式 (Distributed)
这个概念就更宏观了，它说的是 如何组织和管理大量的计算资源。
分布式 (Distributed):
想象一下： 你有一个非常庞大的连锁餐厅，需要在全球各地同时运营。你不能把所有的厨师、食材、顾客都集中在一个地方。你需要 在不同的地点（不同的服务器、不同的数据中心）部署资源，让它们各自负责一部分业务，同时通过网络 互相协作，共同完成一个更大的目标（比如为全球顾客提供服务）。
核心： 将计算和数据分布到多台独立的计算机上，并通过网络连接起来进行协作，以达成一个共同的目标。
关注点： 系统的可扩展性、可靠性、容错性。当你的应用规模非常大，单台机器无法承载时，就需要分布式系统。
实现方式： 微服务架构、分布式数据库（如 Cassandra, MongoDB）、分布式缓存（如 Redis Cluster）、消息队列（如 Kafka）、分布式文件系统（如 HDFS）、Kubernetes 集群等。
优点：
可扩展性： 可以通过增加更多的机器来应对不断增长的负载。
可靠性与容错性： 一台机器的故障不会导致整个系统瘫痪，其他机器可以接管其工作。
高性能： 可以通过并行处理和地理位置分散来提高响应速度。
缺点： 设计和管理复杂性极高，网络通信延迟、数据一致性、分布式事务等都是巨大的挑战。
适用场景：
大规模 Web 应用： 搜索引擎、社交媒体、电子商务平台。
大数据处理： Hadoop、Spark 等大数据处理框架。
云计算平台： 构成云服务的底层基础设施。
金融交易系统、物联网平台等需要处理海量数据和高可用性的场景。
总结一下：
阻塞/非阻塞 关注 单个操作 是不是会 占用线程 等待。
同步/异步 关注 调用者与被调用者 之间的 结果获取方式 和 执行流程。异步通常基于非阻塞。
并发 关注 如何同时处理多个任务 的能力，可能是在单核上通过切换实现，也可能是在多核上同时执行。
并行 关注 任务的真正物理同时执行，需要多核或多机。
分布式 关注 如何将系统部署在多台机器上 以实现高可用和可扩展。
理解了这些基本概念，咱们在设计和实现各种应用程序时，就能做出更明智的技术选型，写出更高效、更健壮的代码了。希望我的解释能帮到你！
网友意见
理工科，在把概念混到一起之前，一定要咬文嚼字，把它们彻底弄清楚。
你说的这些很多都是八竿子打不着的概念，能并列就说明你压根没学懂。这时候不要着急往一块放，一个个理清楚是根本中的根本。
阻塞/非阻塞：这是从用户/任务安排者/调度者角度看待问题。不要和其它概念搅合到一起。
阻塞：当你开始一个任务、执行一个函数时，你必须等待这个任务完成、或者函数返回。这个等待时间可能很长，期间你不能做其他事。
比如，Windows下载了更新，要求你重启以应用更新时，这个更新就是阻塞的，在它完成前你的电脑不能做别的事。
再比如，你可以用select等待网络上传来消息；在消息传来之前，你的程序就阻塞了。什么时候消息来了，什么时候它才能继续执行。
非阻塞：启动一个任务后你就可以去干别的了，不需要等待它返回结果。
比如，你可以启动下载器下载一部电影；与之同时你可以做别的事。
再比如，你可以把select丢进一个线程，当网络上有消息传来时，这个线程会触发一个事件。此时select本身仍然是阻塞的，但你的程序主线程是非阻塞的，它完全可以支持你打字、看电影、玩游戏。
再举个例子：假设网络比较忙，你给小明发了个很大的图片。那么阻塞模式下，这个图片发完之前你什么都不能干，只能干等着；而非阻塞模式下，程序可以把图片先保存在缓冲区、等网络空闲了自动发送——而你完全可以继续敲字、继续和他聊天。这些聊天内容完全可以马上出现在小明的手机上，只是图片还需要三分钟他才能看到。
换句话说，讨论阻塞我们需要先明确观察者。对sendfile函数，它可能永远是阻塞的；但经过一定的技术处理，我们完全可以让我们的用户非阻塞的使用sendfile。
同步/异步：这也是从用户/任务安排者/调度者角度看问题，但它更偏向“我们会得到什么”。
同步：程序/函数返回我们马上就得到执行结果。
异步：程序/函数返回我们只能拿到一张“凭据”，在一定时间后，我们可以凭这张“凭据”取得执行结果。
比如，你到医院看病，医生望闻问切之后给你下了诊断书，这就是同步调用。
反之，你到医院看病，先去拍CT，然后拿到个条码。过了两个半小时后，你拿这张条码到取影像处拿到了你的片子和医生诊断书，这就是异步调用。
大多数时候，同步调用是阻塞的，异步调用是非阻塞的。同步改异步也是常用的把阻塞式调用改成非阻塞调用的通用手段。
当然，你也完全可以搞一个奇葩实现，把异步调用（的某些步骤）弄成阻塞的。
换句话说，这个概念和阻塞/非阻塞存在一定的关系，但彼此仍然是正交的。
并发是完全从任务调度角度看待问题；而并行则要求任务同时执行。
并发：你可以同时安排我做20个任务；但这些任务我以什么顺序做、会不会同时做，这你管不着。
并行：当我做这20个任务时，发现某些任务是可以同时做的——比如，我可以在给你做饭的同时，接你老师的电话。
比如，这个学期你要学习语文数学物理化学，这就是并发。但学语文时你就不能学数学，换句话说没法并行。
特别的，如果一个系统是阻塞的，那么显然我们就不可能并发的给它安排任务。不能并发的安排任务，那么当然也就不可能并行——因为你一次只能领一个任务。
分布式：分布式说的是软件架构。简单说，把任务分解、放到联网的一堆电脑上执行，这就是分布式。
类似的话题
-
好的，咱们今天就来好好捋一捋这些在编程世界里经常被提及但又容易混淆的概念。理解它们，能让咱们写出更高效、更健壮的程序。我尽量用大白话，咱们一步一步来。 1. 阻塞 (Blocking) vs. 非阻塞 (Nonblocking)这俩说的是 一个操作执行的时候，CPU（或者说线程）是不是会停下来等着，............. -
这几个概念，阻塞、非阻塞、同步、异步，它们都是用来描述程序在执行过程中，线程（或者说执行单元）与I/O操作（比如网络请求、文件读写）之间关系的一种方式。理解它们，关键在于区分“做什么”和“什么时候做”，以及“等待不等待”。咱们就从最直接的“等待”这个点开始，一层一层剥开它们。 1. 阻塞 (Bloc.............
-
《长津湖之水门桥》之所以聚焦于攻打水门桥，而不是选择其他道路，这背后有着深刻的战略考量和现实的军事需求。绝非仅仅是“炸几个沿路险峻道路”就能等同的。首先，我们要明确“阻断敌人退路”这个目标在长津湖战役中的具体意义。当时，志愿军面临的是装备精良、机动性极强的美军王牌部队，特别是第七师。这支部队在退却时.............
-
高山对大气中水汽的影响，是一个复杂而迷人的课题，涉及到物理学、气象学以及地理学等多个学科的知识。要深入探讨这个问题，我们需要拆解开来，分别审视“山体冷却形成非气态水”和“山体阻隔水汽”这两种机制，并分析它们各自的作用强度和影响方式。一、 山体冷却形成非气态水的作用：湿润的源泉与云雾的摇篮当温暖湿润的.............
-
“泡利阻塞让原子隐形，所以隐形的原子就是暗物质？” 这个问题很有趣，也触及了物理学中一些非常核心的概念。虽然听起来有点科幻，但实际上，这两者之间并没有直接的联系，泡利不相容原理造成的“隐形”和我们所说的暗物质是截然不同的概念。咱们得把它们俩拆开来看。先说说泡利不相容原理和它造成的“隐形”：泡利不相容.............
-
要理解 Go 的 `sync.Mutex` 是否会阻塞线程，我们需要先弄清楚“线程”在 Go 的语境下是什么，以及“阻塞”的真正含义。Go 的“线程”与操作系统线程首先，一个重要的概念是，Go 语言中的“goroutine”与操作系统中的“线程”（Thread）是不同的。虽然 goroutine 最.............
-
.......
-
听到刘慈欣的《全频带阻塞干扰》可能要搬上大银幕的消息，我的心情绝对是既期待又带着一丝隐忧。毕竟，这篇小说在“大刘”的作品序列里，也算得上是风格相当独特，而且在科幻迷心中有着相当分量的存在。我的期待，那是一种对未知宇宙法则的好奇，也是对中国科幻影像化的渴望。《全频带阻塞干扰》最吸引我的地方，在于它抛出.............
-
全频段阻塞式电子干扰在电子战中的实战意义，得看你站在哪个角度去评估，以及具体到什么样的战场环境和作战目标。简单粗暴地说，“大不大”，其实有些片面。我更倾向于认为，它是一把威力不小的双刃剑，用得好，能起到定乾坤的作用；用不好，或者在不恰当的时机使用，也可能适得其反。首先，咱们得明白，全频段阻塞式电子干.............
-
理解 Unix 网络编程中的阻塞，我们首先需要区分用户态和内核态，以及线程在其中的作用。核心观点：Unix 网络编程中的阻塞通常情况下并不需要在内核态创建线程来死循环。 阻塞是一种等待 I/O 操作完成的状态，而这种等待是在操作系统内核层面管理的，并不需要显式地为每个阻塞的 I/O 操作创建一个新的.............
-
关于刘慈欣的《全频带阻塞干扰》要改编电影这件事儿，说实话，我第一反应就是兴奋，但随之而来的更多是复杂的情绪，有点像是在看一场高难度的杂技表演，既期待它能惊艳全场，又担心它会直接“扑街”。首先，咱们得承认，刘慈欣的小说，尤其是《三体》系列，给中国科幻电影打了个样，虽然过程坎坷，但至少让大家看到了希望。.............
-
《全频带阻塞干扰》这篇短篇小说，是刘慈欣早期作品中相当有代表性的一篇，读完之后，总有种说不清道不明的震撼，也有点说不清道不明的悲凉。它不像《三体》那样波澜壮阔，也不像《流浪地球》那样展现人类的坚韧。它更像是一记冷拳，打在脑门上，然后你才慢慢回过味来，原来事情可以这么残酷，原来我们所见的“常态”是多么.............
-
论B站用户自制电影《全频带阻塞干扰》：一场在数字时代掀起的“造反”当“AI生成”的标签日益泛滥，我们总会不自觉地寻找那些带着鲜活生命气息的创作。而B站用户的自制电影《全频带阻塞干扰》（简称《全频带》），恰恰是在这样的背景下，如同一股清流，又似一声呐喊，搅动了国内数字内容创作圈的一池春水。它不是一部商.............
-
好，我们来一场跨越时代的虚拟战役，将2019年的参战各国置于《全频带阻塞干扰》所描绘的那场残酷、科技密集型战争之中。这无疑会是一场前所未有的博弈，其战况与小说原作相比，会有许多令人咋舌的不同。一、 信息战的“降维打击”与超高敏感度在《全频带阻塞干扰》的世界里，信息战是核心。小说中，西方阵营对俄国的信.............
-
CPU 对内存的读写，确实会遇到一个叫做“内存延迟”的瓶颈。理解这个瓶颈，以及 CPU 如何应对它，就得深入看看它的工作原理，这和我们日常接触的很多技术，比如 Web 开发里的阻塞和异步模型，有着异曲同工之妙。简单来说，CPU 就像一个非常勤奋、速度极快的工人，而内存则是它需要不断取放材料的仓库。这.............
-
氢能源作为一种清洁、高效的能源载体，其发展潜力巨大，但目前仍然面临诸多挑战和阻碍。这些阻碍可以从技术、经济、基础设施、政策法规、社会接受度等多个层面来详细阐述： 一、技术层面的阻碍 1. 制氢技术的不成熟与高成本这是氢能源发展最核心的瓶颈之一。目前主流的制氢方法及其问题如下： 灰氢（蒸汽甲烷重整.............
-
特斯拉量产之路上的绊脚石：从瓶颈到突破特斯拉，这个名字早已成为电动汽车的代名词。然而，光鲜亮丽的背后，其量产之路却并非一帆风顺，甚至可以说是布满荆棘。从初创时期的磕磕绊绊，到如今的产能爬坡，特斯拉在规模化生产方面所遭遇的挑战，以及它如何克服这些挑战，都值得我们深入探究。阻碍特斯拉量产的“七大姑八大姨.............
-
两岸关系错综复杂，统一的进程也并非一帆风顺，其中存在着诸多阻碍因素。要深入剖析这些原因，需要从历史、政治、经济、社会文化等多个维度进行审视。一、 历史遗留与政治立场的分歧：这是两岸关系最核心的阻碍。1949年国共内战的结局，导致了两个政治实体在中国的土地上并存。 “一个中国”原则的解释差异： .............
-
好，咱们来聊聊这个“阻抗”和“电阻”的事儿，别被这两个词儿绕晕了。其实，它们俩关系挺近，但又不太一样。要是光叫电阻，很多时候就说明问题说明白了。一、电阻：简单粗暴的“阻碍”首先说电阻。电阻这东西，咱们中学物理就接触过。它最核心的含义就是：导体对电流的阻碍作用。 是什么决定的？ 你想让一个东西导电.............
-
要让中国护照的免签版图不断扩张，使其持有者能够更便捷地通行世界，并非一路坦途，其中潜藏着不少盘根错节的挑战。首先，一个国家是否愿意向另一国的公民开放免签政策，很大程度上取决于双方在人员往来安全和合法性上的信任度。对于许多国家而言，中国庞大的人口基数和国际旅行的日益增长，意味着一旦开放免签，潜在的非法.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有