Async Promise未提升执行速度，请求排查并行化代码问题

我尝试通过并行化每个数据块来提升处理速度，但执行速度并未得到提升，恳请帮忙找出问题所在。

主循环代码 #

for (let m = 0; m < keyCountMap.length; m += 2) {
  fetchWorker.postMessage([nodePages, keyCountMap]);
  // console.log(m, keyCountMap[m], keyCountMap.length);
  let myRoot = nodePages[keyCountMap[m]];
  const view = await Copc.loadPointDataView(filename, copc, myRoot);
  let getters = ["X", "Y", "Z", "Intensity"].map(view.getter);
  let chunkCount = 2;
  let totalCalled = 0;
  for (let j = 0; j < keyCountMap[m + 1]; j += chunkCount) {
    let remaining = keyCountMap[m + 1] - totalCalled;
    let localChunkCount = Math.min(chunkCount, remaining);
    totalCalled += localChunkCount;
    const pointTemp = new Array(localChunkCount).fill(null);
    const promises = pointTemp.map((element, index) =>
      readPoints(index + j, getters)
    );
    const done = await Promise.all(promises);
  }
}

readPoints及相关代码 #

const readPoints = (id, getters) => {
    return new Promise((resolve, reject) => {
      let returnPoint = getXyzi(id, getters);
      positions.push(
        returnPoint[0] - x_min - 0.5 * width,
        returnPoint[1] - y_min - 0.5 * width,
        returnPoint[2] - z_min - 0.5 * width
      );
      const vx = (returnPoint[3] / 65535) * 255;
      color.setRGB(vx, vx, vx);
      colors.push(color.r, color.g, color.b);
      return resolve(true);
    });
  };

  function getXyzi(index, getters) {
    return getters.map((get) => get(index));
  }

Worker代码情况 #

从截图来看，Worker仅监听了message事件接收nodePages和keyCountMap数据，但未实现任何实际的点数据处理逻辑，代码大致如下：

self.onmessage = function(e) {
  const [nodePages, keyCountMap] = e.data;
  // 无后续处理逻辑
};

问题根源分析 #

1. 伪并行Promise：readPoints里的Promise只是套了异步壳子，所有计算逻辑都是同步执行的，Promise.all等待的任务仍在主线程串行跑，完全没起到并行分流作用。
2. Worker未被有效利用：主线程给Worker发了消息，但Worker没有处理点数据的逻辑，等于白开了Worker，没分担任何计算压力。
3. Chunk粒度太小：chunkCount = 2每次只处理2个点，Promise调度的开销甚至会超过并行带来的收益，反而拖慢速度。
4. 串行加载阻塞主线程：外层await Copc.loadPointDataView是串行执行的，加载完一个视图才处理下一个，这部分也没并行起来。

优化建议 #

• 把点处理逻辑移到Worker：将坐标转换、颜色计算等逻辑放到Worker中，让Worker负责计算，处理完后把结果片段（如positions、colors的子数组）发回主线程。
• 实现真正的异步并行：主线程负责加载数据视图，然后将getters和点索引范围发给Worker，让Worker在后台并行处理，避免阻塞主线程。
• 增大Chunk粒度：将chunkCount调整为几百或几千，减少线程间通信的开销。
• 并行加载数据视图：如果多个Copc.loadPointDataView调用无依赖，用Promise.all并行加载多个视图，提升整体效率。

内容的提问来源于stack exchange，提问作者Pravin Poudel