介绍主角之前，先说说web端的多线程技术——web worker。web worker 的特点是 Web Worker无法访问DOM节点； Web Worker无法访问全局变量或是全局函数； Web Worker无法调用alert()或者confirm之类的函数； Web Worker无法访问window、document之类的浏览器全局变量； 基本上，就是运行纯 js 代码。

muti-thread 就是这样一个技术，是运行在node服务端环境。它是真正的多线程，可以将计算型的代码统统交给其他线程跑，主线程就会解放出来。

可以使用 webpack ，将代码打包到一个文件里，muti-thread 加载这个文件，用创建的新线程运行里面的函数。运行在多线程的代码，不能调用 node 提供的原生模块。这样，js 代码就是生产力，委托线程运行函数的时候向它传递的参数，就是生产资料。线程里面的函数计算完之后，会把结果交给主线程，就是产品交付。整个使用过程就像异步函数调用一样。

'use strict'

const co = require('co')
const Thread = require('muti-thread').Thread
const randomstring = require('randomstring')
const path = require('path')

// create a new thread
var thread = new Thread(path.join(__dirname, 'test', 'out', 'export.js'))

co(function* () {
  for(;;) {
    var good = randomstring.generate(1000)
    var bad = randomstring.generate(1000)
	// 委托新创建的线程执行 fastDiff
    var r = yield thread.execute('fastDiff', new Buffer(good), new Buffer(bad))
  }
})

机器学习和深度神经网络已经有了 js 实现，类似于这些计算型任务，这么解决，再也不要说js不适合这些领域了。 运行 npm install muti-thread 尝试一下吧