1.vue3-computed源码解析
2.深入p-limit源码，发布如何限制并发数？
3.Vue—关于响应式（二、微任务平异步更新队列原理分析）
4.2023年兼职副业推荐，台源台10个让你持续赚钱的布微好方法
5.Async、Await 从源码层面解析其工作原理
6.SIGGRAPH：生成创意图形的任务智能工具4

vue3-computed源码解析

       在 Vue 3 中，理解 computed 源码有助于深入掌握其工作原理。发布期货源码平台版本为 3.2.，微任务平通过单例测试和官网文档，台源台我们了解到 computed 的布微主要特性是基于 getter 函数创建，类似于一个只读的任务响应式值，其更新依赖于传入的发布 getter 函数，而非直接修改.value属性。微任务平其核心逻辑与 ref 类似，台源台利用 dep 和 trackRefValue/triggerRefValue 函数实现响应式。布微

       计算属性的任务实现分为两种：通过 computed 函数或 deferredComputed。两者都是 ref 类型，但 deferredComputed 在 effect 中具有异步特性，只有在下一次微任务中才会更新。在 Vue 中，通过ComputedRefImpl 对象管理计算属性，它使用 _value 和 _dirty 机制实现懒加载，当数据改变时，会触发收集函数并更新缓存值。

       在源码中，可以看到计算属性的 getter 被包装在 effect 中，依赖数据变化时会通过调度器来触发收集。但需要注意的是，当在 effect 内先改变依赖，再改变外部的计算属性，可能会导致异常。对于 deferredComputed，其调度器更为复杂，会在下一次微任务执行时处理异步更新。

       虽然 deferredComputed 的处理存在一些特殊情况，如在微任务期间的值比较问题，但 Vue 通过缓存相关 effect 的值，以及 hasCompareTarget 变量，确保了异步更新的正确性。至此，我们已经详细了解了 Vue3 computed 的源码实现，接下来可以继续探索 effectScope 的源码。

       上一章：vue3-ref源码解析

       下一章：vue3-effectScope源码解析

深入p-limit源码，如何限制并发数？

       并发处理在现代编程中扮演着至关重要的角色，尤其在异步操作和并行任务处理中。虽然JavaScript是单线程执行的，但它通过Promise.all等API实现了并发效果，允许同时处理多个异步操作。

       Promise.all是Promise库中的一个关键函数，它接受一个Promise数组作为参数。此函数会等待所有给定的区间振幅指标源码Promise实例全部完成或其中一个失败，然后返回一个新Promise的数组结果。如果所有Promise都成功，则返回所有成功结果的数组；如果一个或多个Promise被拒绝，则返回第一个拒绝的Promise的reason。

       然而，有时并发操作需要被限制。过多的并发请求可能给服务器带来压力，影响性能。这时候，p-limit库就显得尤为重要，它允许我们为并发操作设置一个上限。

       p-limit提供了pLimit函数来定义并发限制。使用pLimit时，你可以传入一个数量参数，这个参数决定了同时可以执行的异步任务数量。函数返回一个新函数，该函数接收需要并发执行的异步任务。当执行队列中的任务数量达到上限时，新传入的任务会被加入队列，等待前面的任务释放资源后执行。

       p-limit的实现中，核心在于初始化一个计数器和一个任务队列。队列采用了yocto-queue库实现，它提供了一个基于链表的队列结构。在并发处理过程中，p-limit通过enqueue函数将异步任务入队，并在队列中管理任务的执行顺序和限制。

       enqueue函数负责将异步任务入队，同时对任务进行包装和控制，确保任务在队列中按顺序执行，且不会超过指定的并发限制。这通过使用async函数实现，以确保等待下一个微任务的到来，从而在异步更新的activeCount值上进行比较，以维持并发限制。

       在实际执行时，每个任务的执行由run函数控制。此函数在内部管理并发计数，并在任务完成后执行下一个任务，确保并发限制被严格遵守。enqueue、run和next三个函数协同工作，构成了p-limit中一个动态、有限的异步任务执行流程。

       此外，p-limit还包含了辅助函数用于管理任务状态，如获取当前执行任务数量（activeCount）、队列中等待任务数量（pendingCount）以及清空任务队列（clearQueue）。这些功能共同协作，怎么查看虚幻源码确保并发处理既高效又可控。

       通过p-limit库，开发人员能够轻松实现异步操作的并发控制，优化性能并防止服务器过载。了解其内部机制，能更好地利用并发处理技术，提升应用响应速度和用户体验。

Vue—关于响应式（二、异步更新队列原理分析）

       本节学习要点：Event Loop、Promise

       关于Event Loop的介绍，可以参考阮一峰老师的文章。

       关于Promise，请访问：developer.mozilla.org/z...

       上一节介绍了Vue通过Object.defineProperty拦截数据变化的响应式原理，数据变化后会触发notify方法来通知变更。这一节将继续分析，收到通知后Vue会开启一个异步更新队列。

       以下是两个问题：

       一、异步更新队列

       首先看一段代码演示。

       将上一节的代码拿过来，假设我们现在不仅依赖x，还有y、z，分别将x、y、z输出到页面上。我们现在依赖了x、y、z三个变量，那么我们应该把onXChange函数名改为watch，表示它可以监听变化，而不仅仅是监听一个x的变化。

       可以看到这三个值都被打印在页面上。

       现在我们对x、y、z的value进行修改。

       查看页面，结果没有问题，每个数据的变化都被监听到并且进行了响应。

       既然结果是对的，那我们的问题是什么？

       这个问题是：每次数据变化都进行了响应，每次都渲染了模板，如果数据变化了一百次、一千次呢？难道要重复渲染一百遍、一千遍吗？

       我们都知道频繁操作DOM会影响网页性能，涉及重排和重绘的知识感兴趣请阅读阮一峰老师的文章：ruanyifeng.com/blog/...

       因此，既要保证所有的依赖都准确更新，又要保证不能频繁渲染成为了首要问题。现在我们修改x.value、y.value、更新后的源码z.value都是同步通知依赖进行更新的，有没有一种机制可以等到我修改这些值之后再执行更新任务呢？

       这个答案是——异步。

       异步任务会等到同步任务清空后执行，借助这个特点和我们前面的分析，我们需要：

       按照步骤，我们创建如下代码：

       接着我们需要修改一下notify的代码，监听到数据变化后不立即调用依赖进行更新，而是将依赖添加到队列中。

       回到页面，我们发现页面上还是重复渲染了三次模板。

       那么我们写的这段代码有什么用呢？异步又体现在哪里呢？接着往下看。

       二、nextTick原理分析

       上面的代码中，虽然我们开启了一个队列，并且成功将任务推入队列中进行执行，但本质上还是同步推入和执行的。我们要让它变成异步队列。

       于是到了Promise发挥作用的时候了。关于宏任务和微任务的介绍请参考：zhuanlan.zhihu.com/p/...

       我们创建nextTick函数，nextTick接收一个回调函数，返回一个状态为fulfilled的Promise，并将回调函数传给then方法。

       然后只需要在添加任务时调用nextTick，将执行任务的flushJobs函数传给nextTick即可。

       回到页面。

       虽然修改了x、y、z三个变量的value，最后页面上只渲染了一次。

       再来总结一下这段代码的执行过程：

       这也正是Vue采用的解决方案——异步更新队列，官方文档描述得很清楚。

       文档地址：cn.vuejs.org/v2/guide/r...

       三、结合Vue源码来看nextTick

       在Vue中，我们可以通过两种方式来调用nextTick：

       （至于什么时候使用nextTick，如果你不偷懒看了官方文档的话，都能找到答案哈哈）

       以下源码节选自vue2.6.版本，这两个API分别在initGlobalAPI函数和renderMixin函数中挂载，它们都引用了nextTick函数。

       nextTick源码如下：

       在内部，它访问了外部的callbacks，这个callbacks就是前面提到的队列，nextTick一调用就给队列push一个回调函数，然后判断pending（pending的作用就是控制同一时间内只执行一次timerFunc），调用timerFunc()，最后返回了一个Promise（使用过nextTick的应该都知道吧）。

       我们来看一下callbacks、pending、timerFunc是如何定义的。

       可以看到timerFunc函数只是艾聪宝源码调用了p.then方法并将flushCallbacks函数推入了微任务队列，而p是一个fulfilled状态的Promise，与我们自己的nextTick功能一致。

       这个flushCallbacks函数又干了什么呢？

       flushCallbacks中重新将pending置为初始值，复制callbacks队列中的任务后将队列清空，然后依次执行复制的任务，与我们自己的flushJobs函数功能一致。

       看完上面的源码，可以总结出Vue是这么做的，又到了小学语文之——提炼中心思想的时候了。

       对比一下我们自己写的代码，你学会了吗？

       以上演示代码已上传github：github.com/Mr-Jemp/VueS...

       后面要学习的内容在这里：

       Vue—关于响应式（三、Diff Patch原理分析）

       Vue—关于响应式（四、深入学习Vue响应式源码）

       本文由博客一文多发平台OpenWrite发布！

年兼职副业推荐，个让你持续赚钱的好方法

       在这个经济社会，我们都希望在空闲时间里增加一些额外收入，并有机会找到自己热爱的事业，每天赚几十上百元是一个不错的开始。以下是小编为大家整理了个一直持续赚钱的好副业。

       如果你喜欢绘画，擅长创作，下面这几个副业非常适合你。首先，动画模板是一个好选择。如果你对动画感兴趣，或者有一定的美术功底，那么这个副业非常适合你。现在有几家国内知名的MG动画厂商，比如来画、万彩动画大师、优芽互动**等，他们都推出了动画模板设计的创作者招募计划。你只要利用他们提供的编辑器，做出好看生动的动画模板，就能获得源源不断的订单和模板收入。我有一个朋友就是做这个的，他说一个月能赚几千块钱。其次，手机主题商店也是一个大的市场。很多手机用户都喜欢换主题、壁纸、铃声、图标、字体等等，来美化自己的手机界面。我们可以利用这个需求，设计一些主题包或者其他内容，在手机主题商店里出售或者分成。我认识一个同行，他就是在华为主题商店里设计了一系列主题包，恰好遇到热点事件，他的下载量暴涨，四天就赚了元。相关平台有：小米主题、OPPO主题、VIVO主题、华为EMUI主题商店等。

       第三，PPT模板是一个我一直看好的副业，也是我自己做过的。年，我就靠PPT模板赚到了元。因为PPT美观实用，企事业单位需求强烈。但不是每一个用户都能接受一页-元的原创设计费，所以购买PPT模板就成为了他们最佳选择。只要你能找到热门领域和风格，做出高质量的模板，在相关平台上发布就可以了。相关平台有：变色龙、演界网、稻壳儿、我图网、千图网等。如果你没有什么技能，也不喜欢推广，那么可以做下面这些简单的副业。在启源宝库这款任务合集综合性的平台上，提供多种短期和长期的副业项目，每个任务和项目都有详细的教程，并且操作简单易上手，非常适合新手小白。只需要在官网上下载启源宝库软件，然后选择自己感兴趣的任务项目，就可以开始赚取收益。该平台的优点在于项目多样化，通过这个平台，你可以轻松学习到各种副业技巧并挣到钱。

       数据标注也是针对AI数据的需求，采集结构化的标准人工数据，开展机器算法学习的一种用途。这个项目上手简单，结算便捷，在微任务市场，找到你能做的任务操作，上交结果审核，等待结算即可。威客简单小任务也是不错的选择。进入网站的任务大厅，找到招标、计件选项，选择编辑校对选项。这里面有打字、校对、编辑等简单的工作，%以上的人都能胜任。

       如果你人脉不错，擅长分享，下面3个副业一定要试一下。漫画分销是一个年轻人喜欢的小说、漫画、心理测评、命理测算的分销佣金市场。我们完全可以利用这种需求，去推荐拿分销佣金。目前做得比较好的方式是在抖音、小红书等平台引流，导入公众号，开启付费阅读（分销网站提供源码）。如果你感兴趣，可以参考下同行的做法，模仿再超越。知乎好物也是一个值得关注的领域。每当我们搜索一个问题时，知乎总会在第一页展示，这就产生了长尾效应。同时，知乎的读者%是一线城市白领和大学生，购买付费意识强，几千元的家电出货也不足为奇。我们可以用自己最真实的感受加上多张，一样可以产生爆款。课程推广员也是一个不错的选择。知识付费是未来的潮流，我们对于知识一直有焦虑的心态。我们可以分销优秀作者的课程，佣金比例至少超过%。我们可以通过微信、朋友圈、公众号、微博、微头条等形式进行推广。

Async、Await 从源码层面解析其工作原理

       深入理解 Async 和 Await 的工作原理，往往需要从源码层面进行剖析。使用 Babel 进行转换后，可以清晰地发现 Async 和 Await 实际上借助了 switch-case 和 promise，实现对流程的控制。以一个使用 Async 和 Await 的函数为例，我们仅关注核心部分代码。

       经过 Babel 转换后的 name 函数，可以被拆分为三个主要部分：await 部分、return 部分以及 async 流程控制的结束部分（即 case "end"）。这个拆分使得流程控制变得更为直观。在流程控制中，每一步执行后，都会等待合适的时机进入下一次执行。

       这个“合适的时机”并非由 Async 内部决定，而是由执行的内容决定。例如，在发送异步请求后，只有在请求返回后才会进入下一个 case。

       为了实现流程控制，需要借助 regenerator-runtime 这个 generator、Async 函数的运行时。它负责将 name 函数进行包装，并添加流程控制所需的信息。如 _context，以及用于流程控制的关键 helper，如 _asyncToGenerator 和 asyncGeneratorStep。通过这些辅助工具，再在 regenerator-runtime 的基础上进行一层包装，最终得到一个可以执行的函数。这个函数实际执行时，会调用封装后的函数。

       在封装后的函数中，async1、async2 等实际上是在执行最终的封装函数内部的调用。这里的第三步是 Async 函数的核心机制。在 Promise.resolve(value).then(_next) 中，value 是每个分段最后的 case 返回的值。如果 value 是一个 Promise，那么在它 resolved 后，会将其.then添加到微任务队列。如果 value 不是一个 Promise，则直接添加，因为.then是一个微任务，当执行到它时，会调用_next，从而开始执行下一个 case。

       经过转换后的代码展示了封装后的函数内容，最终执行的是封装后的函数，因此说 async1、async2 执行实际上是执行封装后的函数。在封装后的函数内部，会调用 async1、async2。

SIGGRAPH：生成创意图形的智能工具4

       在探索计算机辅助创意图形生成的智能工具方面，SIGGRAPH 提供了一系列引人入胜的课程。本文将串烧讲解四个方向，从理论到实践，展现如何用计算机自动设计出富有创意价值的图像。让我们一同领略SIGGRAPH中Special Interest Group的魅力，并汲取创意灵感。

       SIGGRAPH，图形学领域的顶尖会议，不仅关注传统的几何计算与渲染技术，更深入探索将人工智能与图形学方法结合，应用于工业设计、美感创造等跨领域研究。对于那些对图形学范围抱有浓厚兴趣的工程师或研究生而言，SIGGRAPH的论文不仅提供直接的下载资源，还包含补充材料、源代码、数据集、视频介绍等，让研究者能更直观地理解技术应用。

       在SIGGRAPH 中，课程聚焦于智能工具在创意图形设计中的应用，旨在提升专业人员和初学者的创作效率。这些工具通过机器计算能力，处理复杂和繁琐任务，解放人类创作者的束缚，使其专注于创造性过程，同时确保设计的高质量与效率。课程将介绍关键技术支持，包括几何推理、物理约束、数据驱动技术、机器学习以及众包方法。

       特别提到的众包技术，是收集视觉设计感知反馈的有效手段。通过将人类的感知能力融入数字内容创作工具，使工具更加智能。课程将深入探讨参数化设计场景中的应用，如将众包集成到用户界面以方便探索和决策，或嵌入到优化引擎中，实现自动感知参数调整。以照片色彩增强和材料BRDF设计为例，展示如何利用众包提高设计的智能水平。

       众包概念由Howe于年提出，指的是通过公开邀请的方式，将传统任务外包给未定义、通常规模庞大的人群。Amazon Mechanical Turk是最受欢迎的众包平台之一，允许用户按需执行微任务，以获取人类智能。此概念与人类计算密切相关，后者描述了利用人类处理能力解决计算机难以处理问题的方法。这体现了"人工"智能与人类智慧的融合。

       在众包技术的实现中，计算机科学家需将问题分解为大量简单、精心设计的基于感知的人类微任务，通过算法组合解决原始问题。这一方法受到微任务和感知实验的启发，已应用于视觉任务的微感知人类计算算法中，用于提取深度层、图像法线、增强图像高级语义信息等。

       通过众包定义偏好是智能工具的关键应用之一。研究表明，利用众包收集不同参数集之间的两两比较，可以分析偏好分布，为用户提供偏好函数，指导用户选择最佳参数集。这种交互方式，如智能滑块和建议工具、顺序线搜索优化器，使得参数调整变得更加高效和直观。

       此外，研究还涉及利用众包进行肖像表情反馈、语义属性编辑、感知相似性度量、感知兼容性评估等高级应用，为创意图形设计提供更为精细的结构化反馈。这些应用通过众包收集大量数据，学习映射和预测，使设计过程更加智能、高效。

       在探索智能图形生成的未来，除了众包，还有其他形式的智能工具，如基于用户需求的感知反馈系统和融合人类智慧的循环工具，以更少的交互次数加快收敛，达到满意的设计结果。这些创新方法展示了计算机辅助设计的无限可能，为创意图形生成开辟了新的道路。