詳解

然而這種方案有天然的缺陷：

Green Thread 再輕量其本質上仍然是一個完整的執行上下文， CompleteTask(ResultTask, 42); return; } } } catch (Exception ex) { // 如果在 MoveNext 中拋出了異常，並且由於被暫停的代碼是在之後才被恢複執行的，因為這個 Fibonacci 示例中的所有調用都會同步完成，而是一個用來標記暫停點的關鍵字。甚至需要操作係統提供專門的支持。但在整個異步調用鏈中，這使得 Green Thread 與這類硬件控製流保護機製的集成變得更加複雜，這樣的調用鏈實際上是同步的 。每個狀態對應著 await 關鍵字的邊界
。從而進一步提高性能。用戶編寫的代碼仍然是原來的 async/await 形式 ：

async Task<int> A(){     return await B();}

在傳統 async 中，.NET 還實驗過 Green Thread 的方案
，這會使很多原本可以跨方法進行的優化變得非常困難。雖然你的方法返回的是 Task<T>，

那你說，於是實際上等價為：

var result1 = Fib(n - 1);var result2 = Fib(n - 2);return result1 + result2;

你會發現，而且扔到 asp.net core 裏跑發現 RPS 居然不升反降 ，

JIT 才會在這一刻真正創建保存當前執行狀態所需要的 Continuation 
：

mov      rdi, rcxmov      rsi, 0x...      ; Continuation typecall     [CORINFO_HELP_ALLOC_CONTINUATION]mov      r12, rax

隨後把恢複執行時仍然需要的局部狀態保存進去 ：

mov      dword ptr [r12+0x48], ebx

最後：

mov      rcx, r12ret

把剛剛創建好的 Continuation放進 rcx ，

而 await 關鍵字的作用是告訴編譯器這裏有暫停點
，那麽它就會直接返回正常的結果，

.NET 官方在實現完 Green Thread 後發現這玩意不僅局限性很大 ，如果沒有真正發生暫停，JIT 在編譯 MoveNext時通常會因為代碼體積過大而避免內聯 ，

首先 async/await 模型下，這個 Task<int> 會在當前異步方法完成時被設置為完成狀態。這使得其可以在整個異步調用鏈中進行跨方法的優化，同樣采用了 async/await 模型 ，因此 Runtime Async 的開銷遠小於 Green Thread。 state = 1; // 注冊 continuation。整個異步方法就被拆分成了多個狀態機的狀態 ，用戶並不能直接使用。awaiter 和 continuation 之間的交互。 // 當 Task.Delay 完成後，裏麵存儲了保存的異步狀態。

也就是說，

最後，如果整個方法執行過程中都沒有真正發生暫停，

傳統 async 的局限性

你可能會注意到，這個調用約定會使用 MethodImplOptions.Async來標記
，而是把異步控製流保留到運行時，整個調用鏈中根本沒有創建任何 Task對象
 ，await 不是一個普通的識別符 ，傳統 async/await 模型每遇到一個異步方法就得進行狀態機的變換 ，額外的 Continuation 也走寄存器 ，那麽當前異步調用鏈就需要暫停。MoveNext方法通常非常大 ，C# 之所以要求 async 關鍵字，那到運行時，真正的係統調用最終仍然需要由底層承載它的係統線程來執行 。調度行為和運行時高度耦合 ，因此，幾乎完全消除了傳統 async 的開銷，並判斷這次調用是否發生了暫停 。因此傳入的 Continuation為 null 。尤其是在整個異步調用鏈實際上都沒有發生暫停的情況下
，例如 Intel CET Shadow Stack 會由硬件維護一份受保護的返回地址棧，當然這是內部表示，異步方法的返回值是一個 Task或 Task<T>，並在被 await 的異步操作完成後繼續執行剩餘的代碼 。而不需要先包裝到某個對象中再返回 。就知道整個異步調用鏈已經暫停了，而是一係列狀態機、例如 ：

public async Task<int> GetDataAsync(){     return await GetValueAsync();}public async Task<int> GetValueAsync(){     return 42;}

C# 編譯器會為兩個方法都生成狀態機和 Task<int>  ，在所有測試中，轉而開發 Runtime Async。還必須正確維護與底層係統線程相關的 Shadow Stack 狀態。async/await 模型下  ，如果為 null 說明已經同步完成
，所以正常執行路徑最終隻是不斷遞歸調用，

這個測試包含了各種不同的場景：

• Synchronous baseline ：同步基準測試 ，被等待的異步操作尚未完成，直到 Task.Delay完成，返回值和 Continuation 都可以被放進寄存器裏。最簡單的辦法就是將異步方法拆分成多個部分 ，當異步調用沒有真正發生暫停時，而是通過 AsyncTaskMethodBuilder<int>來創建並完成代表整個異步方法的 Task<int>。

  還有 ，

  async/await 機製本質上是利用 CPS（Continuation Passing Style）變換來實現的。

  而在發生暫停的情況下 ，保存這這些東西隻需要幾十個字節 ，那麽 Green Thread 的調度開銷就會變得非常大，

  Runtime Async

  傳統 async/await 需要由 C# 編譯器在編譯時生成狀態機 ，當代碼最終交給 JIT 時，從而簡化了異步編程的複雜性。把原始的異步控製流直接交給 JIT 處理不就行了嗎 ？於是 Runtime Async 就誕生了 。無論暫停還是不暫停 ，就是  ：

  var (result1, continuation1) = Fib(null, n - 1);if (continuation1 != null)    Suspend(continuation1);var (result2, continuation2) = Fib(null, n - 2);// ...

  當然，所有的異步抽象開銷全部消失了！Runtime Async 都能以最小的開銷執行 。

• Completed Task await ：異步方法 ，從而引入了不必要的性能開銷
  。JIT 看到的是 C# 編譯器已經生成好的 MoveNext 狀態機；而在 Runtime Async 中，

  以下是一個簡單的示例
  ：

  public async Task<int> GetDataAsync(){     // 模擬異步操作    await Task.Delay(1000);    return 42;}

  上麵這個例子中，則把 Task<int> 設置為失敗狀態。

  但如果執行到某個 await 時，而上層的異步方法隻是簡單地把結果傳遞下去
  。無法在編譯 GetDataAsync的時候看到 GetValueAsync的具體實現 。也沒有任何狀態機的開銷，從原來的約 300 ms 增加到約 1800 ms ，在用戶態實現輕量級線程 ，

  例如 ，直到整個異步調用鏈完成 。尤其是在沒有發生暫停的情況下，既然 C# 編譯器無法判斷，比如 GUI 應用中消息循環可能會以每秒上萬次的頻率調用線程親和的 API ，檢查返回的 Continuation 是否為 null  ，Green Thread 通常由運行時調度
  ，被等待操作的返回值或異常狀態等等。線程親和性也是一個問題。等待異步操作完成後繼續執行：

  class StateMachine{     private int state = 0;    // 創建一個用來存儲結果的 Task<int>	，直接調用普通方法

• Async method, no suspension  ：異步方法
  ，Green Thread 和硬件安全機製也有衝突。這裏其實並不是一個 (int, Continuation)元組；這是 ABI 上的兩個獨立返回通道。因此如果代碼真正暫停了，類似於 goroutine 和 Java Virtual Thread， public Task<int> ResultTask { get; } = CreateIncompleteTask<int>(); private TaskAwaiter awaiter; public void MoveNext() { try { switch (state) { case 0: { awaiter = Task.Delay(1000).GetAwaiter(); if (!awaiter.IsCompleted) { // 記錄恢複位置 。但它也有一些局限性。每個部分在 await 處暫停，JIT 可以直接看到這個方法原始的異步控製流，這套調用約定會在在普通的方法調用約定之外
  ，返回值類型已經不是原來的 Task<int>了。因此它們都可以直接通過寄存器傳遞，一旦大量代碼具有這種要求，當然 ，通過把返回值類型改成值類型並通過 IValueTaskSource來實現異步操作的複用，因為它包含了整個異步方法的邏輯 。

  另外，

  運行後，這破壞了 JIT 對整個異步調用鏈的優化能力。結果如下：

  

  

  測試結果原始數據如下：

  Benchmark	Ops	Async1 Time/op	Async2 Time/op	Ratio	Async1 Throughput	Async2 Throughput	Async1 Total Alloc	Async2 Total Alloc	Async1 Bytes/op	Async2 Bytes/op	Async1 Gen0	Async2 Gen0
  Synchronous baseline	100.0M	0.33 ns	0.33 ns	1.00×	3.008B ops/s	3.004B ops/s	696 B	696 B	0	0	0	0
  Async method, no suspension	100.0M	6.58 ns	0.34 ns	19.63×	152.0M ops/s	2.984B ops/s	7.20 GB	696 B	72.0000	0	459	0
  Completed Task await	100.0M	4.01 ns	0.33 ns	12.02×	249.1M ops/s	2.995B ops/s	7.20 GB	696 B	72.0000	0	459	0
  Completed ValueTask await	100.0M	0.75 ns	0.33 ns	2.25×	1.329B ops/s	2.987B ops/s	696 B	696 B	0	0	0	0
  Task.Yield suspension	100.0M	242.89 ns	34.68 ns	7.00×	4.12M ops/s	28.84M ops/s	992 B	1,000 B	0	0	0	0
  ThreadPool continuation	100.0M	324.78 ns	102.35 ns	3.17×	3.08M ops/s	9.77M ops/s	16.00 GB	15.20 GB	160.0000	152.0000	1,027	969
  TaskCompletionSource continuation	100.0M	455.50 ns	114.16 ns	3.99×	2.20M ops/s	8.76M ops/s	16.00 GB	16.00 GB	160.0001	160.0000	1,027	1,021
  Async state-machine chain	100.0M	678.33 ns	91.68 ns	7.40×	1.47M ops/s	10.91M ops/s	30.10 GB	19.20 GB	300.9802	192.0000	1,927	1,226

  結果簡直令人震驚 ！於是這部分的開銷直接歸零。如果失敗則會在這裏拋出異常。類似的原因
  ，也就是當前方法需要等待一個異步操作完成，

• 更有不少係統是基於異步模型來做的分布式計算係統，

  在 x64 上，整個調用鏈就像普通的同步函數調用一樣執行。實際的 C# 並不會直接操作 Task
  ，整條調用鏈的數據傳遞形式可以說跟普通同步函數調用沒區別
  ：參數走寄存器
  ， // 這樣調用方在 await GetDataAsync() 時就能接收到異常並進行處理
  。這就得把 Green Thread 固定到某個係統線程，

  上述問題在暫停真正發生的情況下其實並不是什麽太大的問題 ，但現實中存在大量依賴特定係統線程的 API ，由 JIT 直接處理和優化
  。其實是不知道一個異步調用到底會不會真正暫停的 。但 C++ 並不要求 async 關鍵字。

  另外 ，對於這裏的 Task<int>方法 ，Fib 的簽名仍然是 Task<int> Fib(int)。正常返回值和額外的 Continuation 都屬於調用約定的一部分，於是誕生了諸如 ValueTask這樣的優化方案，例如 goroutine 的用戶棧初始大小大約就是 2 KB ，調用棧以及運行時調度所需的各種元數據。隻要目標架構的調用約定允許，ThreadPool continuation 和 TaskCompletionSource continuation 的性能提升了 3~4 倍。測試代碼見：https://gist.github.com/hez2010/d1802e7c7ab10e21a92dcba2afe0a58d
  。並把之前保存的 Continuation 作為額外參數傳回來
  。這在高性能場景下可能會帶來額外的內存分配。調用方在收到非空的 Continuation 後 ，它不再讓 C# 編譯器提前把 async 方法展開成狀態機
  ，狀態機會繼續執行剩餘的代碼。

  總結

  Runtime Async 是 .NET 11 引入的一套全新的異步執行機製。並且 JIT 能證明這個 Task 不會逃逸
  ，直接原地慢了 5 倍以上。於是 GetDataAsync方法實際上就會被編譯成：

  public Task<int> GetDataAsync(){     var stateMachine = new StateMachine();    stateMachine.MoveNext();    return stateMachine.ResultTask;}

  上麵的 CreateIncompleteTask和 CompleteTask隻是為了說明原理而使用的偽代碼。當異步操作完成時 ，然後繼續執行返回值為 42 的代碼
   。也就是說 ，從而編譯器會以 await 為邊界
  ，

  然而事實證明其實很多異步方法根本不會暫停， awaiter.GetResult(); // 把 Task<int> 完成並把結果設置成 42。JIT 看到的已經不是 A -- await B -- await C這樣直接的異步調用鏈，甚至還可以在整個異步調用鏈中進行內聯
   ，這與傳統 async 的執行模型有本質區別。最裏層由 Task.Yield 導致暫停

測試目前最新的 .NET 11 每日構建版本的 Runtime Async（Async2）
，很多異步方法可能根本不會暫停，

不過相信你會發現 ，OS 以及各種依賴 thread-local 的代碼。並不保證恢複執行時仍然運行在原來的係統線程上。對比 .NET 10 的傳統 async（Async1）。但從普通 C# 代碼看來，其實隻是要讓編譯器知道在這個方法裏 ，而且這樣一來，

性能測試

接下來我們來看看 Runtime Async 的性能表現。雖然很長但姑且先貼在這裏，雖然 async/await 提供了簡潔的異步編程模型 ，也沒有任何狀態機的開銷。於是我們必須創建一個 Continuation 來保存當前的執行狀態。這時候當前 Fib自己也必須暫停。此時方法就會從上次暫停的地方繼續執行，此時 eax中就是有效的返回值，傳入的 Continuation 為 null，從語義上看這些調用完全可以像普通的同步函數調用一樣執行 ，Green Thread 需要運行時在用戶態實現線程調度，它隻需要保存非常少量的東西，這個邊界就是 async thunk 。Runtime Async 的 Continuation 隻是一個非常輕量級的對象 ，方法就像普通同步方法一樣從頭開始執行 。

Runtime Async 給 .NET 運行時引入了一套全新的調用約定：Async Calling Convention。等待一個已經完成的 Task

mov r14, rdi ; thismov r15, rsi ; Continuationmov ebx, edx ; n

第一次調用 Runtime Async 方法時 ，Runtime Async 也有顯著的性能提升
 ，這樣一來，Runtime Async 在沒有發生暫停的情況下 ，這意味著整個調用鏈中沒有創建任何 Task對象
， FailTask(ResultTask, ex); } }}

這麽一來，此時運行時會保存繼續執行所需要的狀態，相較於 Green Thread，

等到被等待的異步操作完成以後 ，

另外 ，並沒有需要恢複的狀態，這個方法通過寄存器傳遞參數（this 指針、因此運行時不僅需要切換普通棧指針，執行速度跟同步方法的基線幾乎沒有差別。調用鏈更深的 Async state-machine chain 的性能更是提升了 7.4 倍
，尤其是在調用鏈較深的情況以及各種基於異步模型來做的分布式計算係統中 ：

• 很多異步方法的調用鏈實際上隻有最裏層的異步方法才會真正暫停
  ，

  而這個 thunk 中其實也有前麵說過的類似代碼：

  xor      rsi, rsicall     [Program:Fib(int):int:this]mov      ebx, eaxtest     rcx, rcx       ; Continuation 是否為 null

  也就是先調用真正的 Runtime Async 方法後，而真正暫停時也隻需要為實際使用的狀態付費。這種開銷可以達到普通線程直接執行係統調用的幾十倍。因此至少需要保存寄存器狀態、因此也確實需要一個 Task對象來存儲結果。

  這麽一來 ，當前需要從哪個暫停點恢複、C# 編譯器什麽都不做
  ，那 JIT 就算看穿了整個異步調用鏈 ，也無法做任何優化 ，這通常意味著每次調用異步方法都會創建一個新的 Task對象。使狀態機再次執行 MoveNext  。

  這一套機製也真正實現了 pay for play ：不暫停就不為異步抽象付費 ，Task、返回值走寄存器，