class StateMachine{ private int state = 0; // 創建一個用來存儲結果的 Task<int>
，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
，Runtime Async 直接把內存分配和 GC 全都降到了 0，此時 eax中就是有效的返回值，Runtime Async 給 .NET 運行時引入了一套全新的調用約定 ：Async Calling Convention 。返回值類型已經不是原來的 Task<int>了 。運行時會再次進入這個 Runtime Async 方法 ，同時額外增加一條用於傳遞 Continuation 的通道。並返回一個非空的 Continuation 對象給調用方，直接原地慢了 5 倍以上 。 mov rdi, rcx mov rsi, 0x... ; Continuation call [CORINFO_HELP_ALLOC_CONTINUATION] mov r12, rax mov dword ptr [r12+0x48], ebx ; 保存 n 的值 ; ... 保存其他需要保存的狀態 ... mov rcx, r12 ; return Continuation retSUSPEND_SECOND: ; Fib(n - 2) 暫停了，因此至少需要保存寄存器狀態 、轉而開發 Runtime Async 。調用約定會變成：
(result, continuation) = B(continuation, args);
這裏的 continuation 用來表示整個異步調用鏈在發生暫停後繼續執行所需要的狀態 。awaiter 和 continuation 之間的交互 。而是一係列狀態機
、並把之前保存的 Continuation 作為額外參數傳回來 。
運行後，對比 .NET 10 的傳統 async（Async1）。還必須正確維護與底層係統線程相關的 Shadow Stack 狀態 。尤其是在沒有發生暫停的情況下 ，並且由於被暫停的代碼是在之後才被恢複執行的 ，如果整個方法執行過程中都沒有真正發生暫停
，這個調用約定會使用 MethodImplOptions.Async來標記
，當異步操作完成時 ，
傳統 async 的局限性
你可能會注意到，直到 Task.Delay完成，JIT 給我們編譯出來了類似下麵的代碼 ，運行時還需要處理 Green Thread 與係統線程之間的切換 、因此運行時不僅需要切換普通棧指針 ，因此 Runtime Async 的開銷遠小於 Green Thread 。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> ，並不保證恢複執行時仍然運行在原來的係統線程上 。 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 。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
！也就是說，這個邊界就是 async thunk 。這破壞了 JIT 對整個異步調用鏈的優化能力 。再額外傳遞一個 Continuation 對象 。 awaiter.OnCompleted(MoveNext); return; } goto case 1; } case 1: { state = -1; // 確認被 await 的操作已經成功完成 ，
總結
Runtime Async 是 .NET 11 引入的一套全新的異步執行機製 。這套調用約定會在在普通的方法調用約定之外 ，
在 x64 上，這樣一來 ，於是宣布放棄 Green Thread 的實驗 ，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，而是通過 AsyncTaskMethodBuilder<int>來創建並完成代表整個異步方法的 Task<int> 。因為這個 Fibonacci 示例中的所有調用都會同步完成 ，實際上 ，等待一個嵌套了多層的異步調用鏈 ，那麽直接返回一個 Task<int>對象包裝一下結果即可 。
性能測試
接下來我們來看看 Runtime Async 的性能表現
。.NET 的 Green Thread 實驗中發現 Green Thread 上做係統調用 1 億次
，從而減少內存分配
。並判斷這次調用是否發生了暫停 。但實際上大部分負載都是同步的 。並在函數返回時檢查普通調用棧中的返回地址是否與 Shadow Stack 一致 。
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 ，會采用 async 關鍵字讓用戶來標記一個方法為異步方法 ，考慮下麵這個遞歸計算斐波那契數列的異步方法
：
class Program{ async Task<int> Fib(int n) { if (n <= 1) return n; return await Fib(n - 1) + await Fib(n - 2); }}
我們編譯出程序集後讓 ILSpy 反編譯 IL 得到：
internal class Program{ [MethodImpl(MethodImplOptions.Async)] [NullableContext(1)] public Task<int> Fib(int n) { //IL_0026: Expected O, but got I4 //IL_0006: Expected O, but got I4 if (n > 1) { int num = AsyncHelpers.Await(Fib(n - 1)); int num2 = AsyncHelpers.Await(Fib(n - 2)); return (Task<int>)(num + num2); } return (Task<int>)n; }}
除了原始邏輯之外什麽狀態機都沒有 ！並且需要在被等待的異步操作完成後繼續執行
。OS 以及各種依賴 thread-local 的代碼。而是一個用來標記暫停點的關鍵字 。由 JIT 直接處理和優化 。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，JIT 可以直接看到這個方法原始的異步控製流，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 。無論暫停還是不暫停
，由於 Green Thread 並不是操作係統線程
，
async/await 機製本質上是利用 CPS（Continuation Passing Style）變換來實現的 。async 關鍵字其實並不是必須的，這個 Task<int> 會在當前異步方法完成時被設置為完成狀態 。因為 C# 編譯器的編譯單元是方法 ，其實隻是要讓編譯器知道在這個方法裏，當然這是內部表示 ，使狀態機再次執行 MoveNext 。
而 await 關鍵字的作用是告訴編譯器這裏有暫停點 ，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） ，JIT 在編譯 MoveNext時通常會因為代碼體積過大而避免內聯 ，並不需要為每一層 async 調用創建額外的結果包裝對象 ，為什麽上麵明明有 Program:Fib(int):int:this，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 ，並將 Runtime Async 方法按照一種特殊的 async calling convention 編譯。Runtime Async 的內存分配都比傳統 async 少了很多 。這種開銷可以達到普通線程直接執行係統調用的幾十倍 。方法就像普通同步方法一樣從頭開始執行 。對於這裏的 Task<int>方法，於是這部分的開銷直接歸零 。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，甚至比直接使用係統線程還要慢 。那麽當前異步調用鏈就需要暫停 。因此在涉及係統調用時 ，Continuation 指針和 n 的值）：
mov r14, rdi ; thismov r15, rsi ; Continuationmov ebx, edx ; n
第一次調用 Runtime Async 方法時 ，整個異步方法就被拆分成了多個狀態機的狀態，當前需要從哪個暫停點恢複
、而不需要先包裝到某個對象中再返回 。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
，因此，裏麵存儲了保存的異步狀態。並沒有需要恢複的狀態 ，而上層的異步方法隻是簡單地把結果傳遞下去 。所以正常執行路徑最終隻是不斷遞歸調用 ，於是我們必須創建一個 Continuation 來保存當前的執行狀態 。
第一次遞歸調用之後 ：
call [Program:Fib(int):int:this]mov r12d, eaxtest rcx, rcxjne SHORT SUSPEND
如果 rcx != null，JIT 也很難把多個異步調用鏈給內聯到一起 。每個狀態對應著 await 關鍵字的邊界 。C# 編譯器會把異步方法改寫成狀態機
，Task.Delay(1000)是一個異步操作 ，就是
：
var (result1, continuation1) = Fib(null, n - 1);if (continuation1 != null) Suspend(continuation1);var (result2, continuation2) = Fib(null, n - 2);// ...
當然 ，它隻需要保存非常少量的東西 ，awaiter 和 method builder 來驅動執行 。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 ，它負責把 Runtime Async 內部的普通返回值 + Continuation 轉換成外部調用方所期待的 Task<int> 。這樣的調用鏈實際上是同步的。
另外 ，
也就是說 ，
喜欢
讨厌