[本周五题]Javascript面试常考题手撕场景UR缓存、new关键字、大数相加、最长递增子序列、高并发请求、大文件上传和WebWorks

LUR缓存实现

以下是 JavaScript 实现 LRU 缓存的详细解析，结合核心原理与代码实现，并标注来源：

---

一、LRU 缓存核心原理

LRU（Least Recently Used）缓存淘汰策略的核心思想是：当缓存容量满时，优先淘汰最久未使用的数据。其实现需满足以下要求：

1. 快速访问：get 和 put 操作需达到 O(1) 时间复杂度。
2. 动态调整顺序：访问数据时需将其移动到“最近使用”位置。

---

class LRUCache {constructor(capacity) {this.cache = new Map();this.capacity = capacity;}get(key) {if (!this.cache.has(key)) return -1;const value = this.cache.get(key);this.cache.delete(key); // 删除后重新插入保证顺序this.cache.set(key, value);return value;}put(key, value) {if (this.cache.has(key)) this.cache.delete(key);this.cache.set(key, value);if (this.cache.size > this.capacity) {// 删除最久未使用的键（Map的迭代顺序保证）this.cache.delete(this.cache.keys().next().value);}}
}

二、JavaScript 实现方案

1. 基于 Map 的实现（推荐）

JavaScript 的 Map 对象天然保持键的插入顺序，迭代时按插入顺序返回键。利用这一特性，可实现简洁的 LRU 缓存。

代码实现：

class LRUCache {constructor(capacity) {this.capacity = capacity;this.cache = new Map();}get(key) {if (!this.cache.has(key)) return -1;// 访问后移动到尾部（最近使用）const value = this.cache.get(key);this.cache.delete(key);this.cache.set(key, value);return value;}put(key, value) {if (this.cache.has(key)) {// 更新值并移动到尾部this.cache.delete(key);} else if (this.cache.size >= this.capacity) {// 缓存满时删除头部（最久未使用）this.cache.delete(this.cache.keys().next().value);}// 插入新键到尾部this.cache.set(key, value);}
}

关键操作解析：
• get 方法：若键存在，删除旧值并重新插入到尾部，表示最近访问过。
• put 方法：若键存在，更新值并调整位置；若不存在，插入新键。若超出容量，删除头部键。

2. 基于双向链表 + Map 的实现

通过自定义双向链表节点和链表类，可更直观地维护节点顺序。

代码实现：

class Node {constructor(key, value) {this.key = key;this.value = value;this.prev = null;this.next = null;}
}class LRUCache {constructor(capacity) {this.capacity = capacity;this.map = new Map();this.head = new Node(0, 0); // 头哨兵this.tail = new Node(0, 0); // 尾哨兵this.head.next = this.tail;this.tail.prev = this.head;}get(key) {if (!this.map.has(key)) return -1;const node = this.map.get(key);this.moveToHead(node);return node.value;}put(key, value) {if (this.map.has(key)) {const node = this.map.get(key);node.value = value;this.moveToHead(node);} else {const newNode = new Node(key, value);this.map.set(key, newNode);this.addToHead(newNode);if (this.map.size > this.capacity) {const lruNode = this.removeTail();this.map.delete(lruNode.key);}}}moveToHead(node) {this.removeNode(node);this.addToHead(node);}removeNode(node) {node.prev.next = node.next;node.next.prev = node.prev;}addToHead(node) {node.next = this.head.next;node.prev = this.head;this.head.next.prev = node;this.head.next = node;}removeTail() {const node = this.tail.prev;this.removeNode(node);return node;}
}

关键操作解析：
• 双向链表：维护节点顺序，addToHead 和 removeNode 操作均为 O(1)。
• get 方法：访问节点后将其移动到头部。
• put 方法：插入新节点到头部，超出容量时删除尾部节点。

---

三、性能分析

• 时间复杂度：get 和 put 均为 O(1)，因 Map 和双向链表的插入/删除操作均为常数时间。
• 空间复杂度：O(capacity)，需存储所有缓存项。

---

四、扩展与优化

1. 惰性删除：结合 WeakMap 实现惰性过期，自动清理过期数据。
2. 并发控制：在高并发场景中，使用锁机制或线程安全容器（如 synchronized 包）。
3. 容量动态调整：根据系统负载动态调整缓存容量。

---

总结

JavaScript 实现 LRU 缓存的核心在于 Map + 双向链表 的组合，或直接利用 Map 的有序特性。推荐使用第一种方案（基于 Map），代码简洁且性能高效。如需更复杂的缓存策略（如 TTL），可参考 Node.js 的 lru-cache 库。

new关键字实现

以下是 JavaScript 实现 new 操作符的详细解析，结合核心原理与代码实现，并标注来源：

---

一、new 操作符的核心作用

new 操作符用于创建一个构造函数的实例对象，并完成以下任务：

1. 创建新对象：生成一个空对象。
2. 绑定原型链：将新对象的原型指向构造函数的 prototype。
3. 绑定 this：将构造函数内部的 this 绑定到新对象。
4. 处理返回值：若构造函数返回对象，则返回该对象；否则返回新创建的对象。

---

二、new 的执行流程

1. 创建新对象

   const obj = {}; // 或 Object.create(Constructor.prototype)
   

   生成一个空对象，后续通过原型链继承构造函数的方法。

2. 设置原型链

   obj.__proto__ = Constructor.prototype; // 或 Object.setPrototypeOf(obj, Constructor.prototype)
   

   使新对象可访问构造函数原型上的属性和方法。

3. 绑定 this 并执行构造函数

   const result = Constructor.apply(obj, args);
   

   将构造函数的 this 绑定到新对象，并传入参数执行。

4. 返回结果

   return result instanceof Object ? result : obj;
   

   若构造函数返回对象，则返回该对象；否则返回新创建的对象。

---

三、手写 new 操作符的实现

基础版本

function myNew(Constructor, ...args) {const obj = Object.create(Constructor.prototype); // const result = Constructor.apply(obj, args);    // return result instanceof Object ? result : obj; // 
}

优化版本

增加类型检查与错误处理：

function myNew(Constructor, ...args) {if (typeof Constructor !== 'function') {throw new TypeError('Constructor must be a function');}const obj = Object.create(Constructor.prototype);try {return Constructor.apply(obj, args);} catch (error) {throw error;}
}

---

四、特殊情况与注意事项

1. 构造函数返回值的影响
   • 若返回原始值（如数字、字符串），new 会忽略并返回新对象。
   • 若返回对象，则直接返回该对象（原型链断裂）。

   function Test() { return { foo: 'bar' }; }
   const t = new Test(); // t 是 { foo: 'bar' }, 而非 Test 的实例
   

2. 忘记使用 new 的问题
   直接调用构造函数会导致 this 指向全局对象（如 window），引发全局变量污染。

   function Person() { this.name = '张三'; }
   Person(); // window.name = '张三'
   

3. 箭头函数的限制
   箭头函数没有自己的 this，无法作为构造函数使用。

   const Person = (name) => { this.name = name; };
   new Person(); // TypeError: Person is not a constructor
   

---

五、实际应用场景

1. 创建对象实例

   function User(name, role) { this.name = name; this.role = role; }
   const admin = new User('admin', 'administrator');
   

2. 实现继承

   function Animal(name) { this.name = name; }
   function Dog(name, breed) {Animal.call(this, name); // 调用父类构造函数this.breed = breed;
   }
   Dog.prototype = Object.create(Animal.prototype); // 设置原型链
   

---

总结

new 操作符通过 创建对象→绑定原型→绑定 this→处理返回值 四步实现实例化。手写实现时需注意类型检查、错误处理及返回值判断。理解其原理有助于掌握 JavaScript 的面向对象编程，并在面试中应对相关问题。

大数相加

1. 字符串逐位相加：将大数转换为字符串，逐位相加并处理进位。这在多个网页中都有提到，比如网页[1]、[6]、[7]、[8]都详细描述了这种方法。特别是网页[7]和[8]提供了具体的代码示例，应该引用这些网页。

2. 使用BigInt类型：网页[5]和[4]提到，BigInt可以处理任意精度的整数，但只能用于整数，不能处理小数。需要指出这一点，并引用相关网页。

3. 第三方库：网页[1]、[2]、[3]、[4]、[5]都推荐了decimal.js、bignumber.js等库，这些库专门处理高精度计算，适合复杂场景。需要引用这些网页中的例子，比如网页[1]提到的bignumber.js和网页[2]中的decimal.js。

4. 转换为整数计算：网页[2]、[3]、[4]提到将小数转换为整数进行计算，适用于固定小数位数的场景。例如，网页[2]中的示例代码展示了这种方法，需要引用网页[2]。

5. 处理特殊情况：比如进位处理和结果反转，这在网页[6]、[7]、[8]的代码示例中都有体现，需要指出这些细节并引用对应的网页。

以下是 JavaScript 实现大数相加（精度处理） 的详细解决方案，结合不同场景需求与实现原理：

---

一、核心问题与解决方案分类

JavaScript 的 Number 类型基于 IEEE 754 双精度浮点数表示，无法精确处理超过 2^53-1 的整数或高精度小数。大数相加的精度问题主要表现为：
• 整数溢出：如 9007199254740992 + 1 = 9007199254740992（超出安全整数范围）。
• 浮点数精度丢失：如 0.1 + 0.2 = 0.30000000000000004。

---

二、主要实现方案

1. 字符串逐位相加（推荐）

原理：将大数转换为字符串，逐位模拟手工加法，处理进位。
代码实现：

function addLargeNumbers(num1, num2) {const a = num1.toString().split('').reverse();const b = num2.toString().split('').reverse();let carry = 0;const maxLength = Math.max(a.length, b.length);const result = [];for (let i = 0; i < maxLength; i++) {const digit1 = parseInt(a[i] || 0, 10);const digit2 = parseInt(b[i] || 0, 10);const sum = digit1 + digit2 + carry;result.push(sum % 10);carry = Math.floor(sum / 10);}if (carry > 0) result.push(carry);return result.reverse().join('');
}

特点：
• 支持任意长度整数相加。
• 时间复杂度 O(n)，性能高效。
• 需手动处理进位与结果反转。

---

2. 使用 BigInt 类型

原理：ES6 引入的 BigInt 可表示任意精度整数，但仅支持整数运算。
代码示例：

const num1 = BigInt("9007199254740992");
const num2 = BigInt("1");
console.log(num1 + num2); // 输出: 9007199254740993n

特点：
• 无需手动处理进位，语法简洁。
• 无法直接与 Number 类型运算，需显式转换。

---

3. 第三方高精度库

推荐库：
• decimal.js：支持任意精度十进制运算，适合金融场景。

const Decimal = require('decimal.js');
const result = new Decimal('0.1').plus('0.2');
console.log(result.toString()); // 输出: 0.3

• bignumber.js：提供丰富的 API，支持科学计算。

const BigNumber = require('bignumber.js');
const num1 = new BigNumber('9999999999999999999999999999999999999999999999999999999999999');
console.log(num1.plus(1).toString()); // 输出: 10000000000000000000000000000000000000000000000000000000000000

优势：
• 内置四舍五入、指数运算等复杂功能。
• 避免手动实现进位逻辑的复杂性。

---

4. 转换为整数计算（固定小数位数）

适用场景：需精确控制小数位数（如货币计算）。
实现方法：

function addWithPrecision(num1, num2, precision = 2) {const factor = Math.pow(10, precision);return (Math.round(num1 * factor) + Math.round(num2 * factor)) / factor;
}
console.log(addWithPrecision(0.1, 0.2)); // 输出: 0.3

特点：
• 通过整数运算避免浮点数误差。
• 需提前确定精度，灵活性较低。

---

三、性能与场景选择

方案	适用场景	性能	代码复杂度
字符串逐位相加	任意长度整数相加	中等	高
BigInt	任意长度整数（仅整数运算）	高	低
第三方库	复杂运算（金融、科学计算）	中等	低
转换为整数	固定小数位数计算	高	低

推荐选择：
• 简单场景：字符串逐位相加。
• 金融/科学计算：使用 decimal.js 或 bignumber.js。
• 大整数运算：直接使用 BigInt。

---

四、扩展与注意事项

1. 处理负数：需在逐位相加前统一符号，并单独处理负号。
2. 结果格式化：使用 toFixed() 或库内置方法控制小数位数。
3. 性能优化：对超长数字可分段并行计算（如 Web Worker）。

---

通过以上方案，可灵活应对 JavaScript 中的大数精度问题。如需完整代码示例或库的安装指南，可参考对应网页。

最长递增子序列(Vue3 Diff)

动态规划

以下是 JavaScript 实现最长递增子序列（LIS） 的详细解析，结合动态规划与优化算法，并标注来源：

---

一、问题描述

给定一个整数数组 nums，找到其中最长严格递增子序列的长度。子序列无需连续，但必须保持元素顺序。例如：
• 输入 [10,9,2,5,3,7,101,18]，输出 4（子序列 [2,3,7,101]）。

---

二、动态规划解法（O(n²)）

核心思路

1. 定义状态：dp[i] 表示以 nums[i] 结尾的最长递增子序列长度。
2. 状态转移：遍历数组，若 nums[i] > nums[j]（j < i），则更新 dp[i] = max(dp[i], dp[j] + 1)。
3. 结果：遍历 dp 数组，取最大值即为 LIS 长度。

代码实现

function lengthOfLIS(nums) {const n = nums.length;if (n === 0) return 0;const dp = new Array(n).fill(1); // 初始化为1，每个元素自身构成子序列let maxLen = 1;for (let i = 1; i < n; i++) {for (let j = 0; j < i; j++) {if (nums[i] > nums[j]) {dp[i] = Math.max(dp[i], dp[j] + 1);}}maxLen = Math.max(maxLen, dp[i]);}return maxLen;
}

---

三、优化解法（O(nlogn)）

核心思路

1. 维护有序数组：tails[i] 表示长度为 i+1 的所有递增子序列的最小尾部元素。
2. 二分查找：遍历数组，通过二分查找找到 tails 中第一个大于等于当前元素的位置，更新或插入元素。

代码实现

function lengthOfLIS(nums) {const tails = [];for (const num of nums) {const pos = binarySearch(tails, num);if (pos === tails.length) {tails.push(num);} else {tails[pos] = num;}}return tails.length;
}function binarySearch(arr, target) {let left = 0, right = arr.length;while (left < right) {const mid = Math.floor((left + right) / 2);if (arr[mid] < target) left = mid + 1;else right = mid;}return left;
}

---

四、性能对比

算法	时间复杂度	空间复杂度	适用场景
动态规划	O(n²)	O(n)	小规模数据（n ≤ 1000）
优化算法（二分）	O(nlogn)	O(n)	大规模数据（n ≥ 1000）

---

五、扩展与注意事项

1. 严格递增 vs 非严格递增
   • 严格递增：nums[i] > nums[j]（如示例1）。
   • 非严格递增：nums[i] ≥ nums[j]（需调整条件）。

2. 返回子序列本身
   • 动态规划可记录路径，但需额外空间。
   • 优化算法需逆向重建路径。

3. 边界条件处理
   • 空数组返回0，单个元素返回1。

---

总结

• 简单场景：优先使用动态规划（代码简洁，易理解）。
• 高效场景：选择 O(nlogn) 优化算法（处理大规模数据）。
• 理解两种算法的原理差异，可应对不同性能需求。

高并发请求控制

高并发请求控制

大文件分片上传实现（断点续传）

核心流程（网页）

1.文件切片：将文件按固定大小（如5MB）分割
2. 哈希生成：使用SparkMD5等库生成文件唯一标识
3. 分片上传：并发控制上传切片（通常限制5个并发）
4. 断点续传：通过本地存储记录已上传切片
5.服务端合并：所有切片上传完成后触发合并请求

// 文件切片（网页5）
function sliceFile(file, chunkSize = 5 * 1024 * 1024) {const chunks = [];let start = 0;while (start < file.size) {chunks.push(file.slice(start, start + chunkSize));start += chunkSize;}return chunks;
}// 分片上传（网页6）
async function uploadChunks(fileHash, chunks) {const maxConcurrent = 5; // 最大并发数const uploaded = await checkUploadedChunks(fileHash);for (let i = 0; i < chunks.length; i += maxConcurrent) {await Promise.all(chunks.slice(i, i + maxConcurrent).map(async (chunk, index) => {if (!uploaded.includes(i + index)) {const formData = new FormData();formData.append('chunk', chunk);formData.append('hash', `${fileHash}-${i + index}`);await fetch('/upload', { method: 'POST', body: formData });}}));}await mergeChunks(fileHash, file.name);
}

---

以下是 JavaScript 实现大文件分片上传（断点续传） 的详细解析，结合核心原理与代码实现，并标注来源：

---

一、核心实现步骤

1. 文件切片
   将大文件分割成固定大小的块（如 5MB），使用 File.slice() 方法实现。

   function createFileChunks(file, chunkSize = 5 * 1024 * 1024) {const chunks = [];let start = 0;while (start < file.size) {chunks.push(file.slice(start, start + chunkSize));start += chunkSize;}return chunks;
   }
   

2. 生成文件唯一标识
   通过文件名、大小和最后修改时间生成唯一标识（避免 MD5 计算耗时）。

   function calculateFileHash(file) {return `${file.name}-${file.size}-${file.lastModified}`;
   }
   

3. 检查已上传切片
   通过本地存储（localStorage）或服务器查询已上传的切片索引，跳过已上传部分。

   const uploadedChunks = JSON.parse(localStorage.getItem(fileHash)) || [];
   

4. 并发上传切片
   使用 Promise.all 并发上传未上传的切片，控制并发数（如 5 个）。

   const maxConcurrent = 5;
   const uploadQueue = chunks.filter((_, index) => !uploadedChunks.includes(index)).map((chunk, index) => uploadChunk(chunk, index));
   await Promise.all(uploadQueue);
   

5. 合并切片与清理进度
   所有切片上传完成后，调用服务器合并接口，并清理本地进度记录。

   await fetch('/merge', {method: 'POST',body: JSON.stringify({ fileHash, filename: file.name })
   });
   localStorage.removeItem(fileHash);
   

---

二、关键技术点

1. 文件哈希计算
   使用 spark-md5 库计算文件全量哈希，实现秒传功能。

   // 主线程
   calculateHash(chunkList).then(hash => {if (serverFileExists(hash)) return; // 秒传
   });
   

2. 进度存储
   通过 localStorage 记录已上传切片索引，支持断点续传。

   uploadProgress.save(fileHash, uploadedChunks);
   

3. 并发控制
   通过队列机制限制同时上传的切片数量，避免浏览器崩溃。

   let activeUploads = 0;
   function processQueue() {if (activeUploads < maxConcurrent && uploadQueue.length > 0) {// 上传逻辑}
   }
   

4. 错误处理与重试
   捕获上传失败切片，支持自动重试或手动重传。

   try {await uploadChunk(chunk);
   } catch (error) {retryUpload(chunk);
   }
   

5. 秒传功能
   服务器端校验文件哈希，若存在则直接返回成功，避免重复上传。

   if (serverFileExists(fileHash)) {return { success: true, message: '秒传成功' };
   }
   

---

三、完整代码示例

<input type="file" id="fileInput" />
<button id="uploadBtn">上传</button>
<progress id="progressBar" value="0" max="100"></progress><script>const fileInput = document.getElementById('fileInput');const progressBar = document.getElementById('progressBar');const axios = require('axios');document.getElementById('uploadBtn').onclick = async () => {const file = fileInput.files[0];const chunkSize = 10 * 1024 * 1024; // 10MBconst chunks = fileToChunks(file, chunkSize);const fileHash = calculateFileHash(file);// 检查已上传切片const uploadedChunks = JSON.parse(localStorage.getItem(fileHash)) || [];// 并发上传未上传切片const promises = chunks.map((chunk, index) => {if (uploadedChunks.includes(index)) return Promise.resolve();return uploadChunk(chunk, index, fileHash);});await Promise.all(promises);// 合并切片await axios.post('/merge', { fileHash, filename: file.name });localStorage.removeItem(fileHash);progressBar.value = 100;};function fileToChunks(file, size) {const chunks = [];for (let start = 0; start < file.size; start += size) {chunks.push(file.slice(start, start + size));}return chunks;}function calculateFileHash(file) {return `${file.name}-${file.size}-${file.lastModified}`;}async function uploadChunk(chunk, index, fileHash) {const formData = new FormData();formData.append('chunk', chunk);formData.append('index', index);formData.append('fileHash', fileHash);try {await axios.post('/upload', formData);localStorage.setItem(fileHash, JSON.stringify([...JSON.parse(localStorage.getItem(fileHash) || '[]'), index]));progressBar.max = chunks.length;progressBar.value++;} catch (error) {console.error(`Chunk ${index} 上传失败`);}}
</script>

---

四、注意事项

1. 切片大小选择
   建议 2-10MB，太小增加请求次数，太大增加重试成本。

2. 服务器端配合
   需提供以下接口：
   • /upload：上传单个切片
   • /merge：合并切片
   • /check：查询已上传切片

3. 浏览器兼容性
   File.slice() 在 IE10+ 支持，低版本需使用 Blob.slice()。

4. 网络中断处理
   可结合 visibilitychange 事件暂停/恢复上传。

---

五、性能优化建议

方案	效果	实现复杂度
分片大小动态调整	平衡上传速度与稳定性	中
上传进度可视化	提升用户体验	低
错误重试机制	减少因网络波动导致的失败	中
压缩切片数据	减少传输数据量	高

---

通过以上方案，可实现高效、可靠的大文件分片上传。实际开发中需结合具体业务场景选择优化策略，并确保前后端接口的兼容性。

Web Worker

以下是 JavaScript Web Worker 通信机制 的详细解析，结合主线程与 Worker 交互的核心原理与实现方法，并标注来源：

---

一、Web Worker 核心概念

Web Worker 是浏览器提供的多线程解决方案，允许在后台线程中执行 JavaScript 代码，避免阻塞主线程。其核心特点包括：

1. 线程隔离：Worker 线程与主线程完全隔离，无法直接访问 DOM、window 等全局对象。
2. 消息传递：通过 postMessage 和 onmessage 实现异步通信，数据通过结构化克隆算法传输。
3. 类型分类：
   • Dedicated Worker：仅服务于创建它的主线程。
   • Shared Worker：跨页面共享，支持多标签页通信。

---

二、主线程与 Worker 交互流程

1. 创建 Worker 实例

主线程通过 new Worker(url) 创建 Worker，url 指向 Worker 脚本文件（需同源）：

const worker = new Worker('worker.js'); // 

2. 发送消息（postMessage）

主线程通过 postMessage 发送数据到 Worker，支持复杂数据类型（对象、数组等）：

worker.postMessage({ type: 'calculate', data: [1,2,3] }); // 

3. 接收消息（onmessage）

Worker 通过 self.onmessage 监听主线程消息，并通过 postMessage 返回结果：

// Worker 线程 (worker.js)
self.onmessage = (event) => {const result = event.data.data.reduce((sum, num) => sum + num, 0);self.postMessage(result); // 
};

4. 终止 Worker

任务完成后，主线程调用 terminate() 释放资源：

worker.terminate(); // 

---

三、通信机制关键点

1. 数据传输机制

• 结构化克隆算法：支持大多数数据类型（如对象、数组、Date），但无法处理函数、DOM 节点等。
• Transferable Objects：通过 transfer 参数直接转移数据所有权，避免复制开销（如 ArrayBuffer）：

// 主线程
const buffer = new ArrayBuffer(1024);
worker.postMessage(buffer, [buffer]); // 

2. 消息传递特性

• 异步非阻塞：消息处理不会阻塞线程。
• 事件驱动：通过 onmessage 和 onerror 处理消息和异常。

3. 共享数据与跨域限制

• 数据隔离：Worker 与主线程无法共享内存，需通过消息传递交换数据。
• 同源策略：Worker 脚本需与主线程同源，跨域需通过 CORS 或代理。

---

四、高级应用场景

1. 计算密集型任务：如大数据处理、图像加密（示例见网页）：

   // Worker 线程加密字符串
   self.onmessage = (e) => {const encrypted = encrypt(e.data);self.postMessage(encrypted);
   };
   

2. 跨页面通信：使用 SharedWorker 实现多标签页数据同步（网页）：

   // 主线程
   const sharedWorker = new SharedWorker('shared.js');
   sharedWorker.port.onmessage = (e) => console.log(e.data);
   

3. 性能优化：
   • 合理控制 Worker 数量，避免资源浪费。
   • 使用 Transferable Objects 减少大数据传输开销。

---

五、注意事项

1. 错误处理：通过 onerror 监听 Worker 异常：

   worker.onerror = (error) => console.error('Worker error:', error); // 
   

2. 调试技巧：
   • 浏览器开发者工具的 Sources 面板查看 Worker 代码。
   • 在 Worker 中使用 console.log 输出调试信息。

3. 适用性评估：
   • 仅处理 CPU 密集型任务，避免因线程创建和通信开销影响简单任务。

---

总结

Web Worker 通过 消息传递机制 实现主线程与 Worker 的高效交互，适用于提升复杂计算的性能和页面响应性。实际开发中需结合任务类型选择 Worker 类型，并注意数据传输优化与错误处理。