Hvornår og hvordan bruger du worker threads?

Question

Accepted Answer

**Worker threads** lader Node køre JavaScript på **separate threads** med ægte parallelisme — løsningen på Nodes største begrænsning: CPU-intensivt arbejde blokerer den enkelte hovedtråd (og dermed alle anmodninger). Brug dem til tung beregning, ikke til I/O (som event loop allerede håndterer effektivt).

## Det problem de løser

```js
// ❌ this CPU-heavy work BLOCKS the event loop → all requests freeze for its duration
app.get("/hash", (req, res) => {
  const result = expensiveComputation(); // e.g. heavy crypto, image processing
  res.json(result); // meanwhile, no other request can be handled
});
```

Node kører din JS på én tråd. En lang synkron beregning blokerer **alt** — event loop kan ikke behandle andre anmodninger, før den er færdig. Worker threads flytter det arbejde væk fra hovedtråden.

## Brug af en worker thread

```js
// main.js
import { Worker } from "worker_threads";

// the main thread stays free to handle other requests while this runs
const result = await runHeavyTask({ numbers: [...] });
```

```js
// worker.js — runs in parallel, on its own thread
import { workerData, parentPort } from "worker_threads";

const result = expensiveComputation(workerData); // doesn't block the main thread
parentPort.postMessage(result);                    // send the result back
```

Worker-processen kører uafhængigt; hovedtråden fortsætter med at betjene anmodninger og får resultatet via en besked, når det er færdigt.

## Hvornår skal du bruge det (og ikke)

```text
✓ USE for CPU-bound work: image/video processing, encryption, compression,
  big data parsing, complex calculations, ML inference
✗ DON'T use for I/O (DB, files, HTTP) — the async event loop already handles
  that efficiently; a worker would add overhead for no benefit
```

Reglen: **workers til CPU-bound, event loop til I/O-bound.**

## Worker threads vs child_process vs cluster

```text
worker_threads → share memory (efficient data passing), in-process threads — CPU work
child_process  → separate OS processes, run other programs — heavier isolation
cluster        → fork the whole server across CPUs — scale request handling
```

## Hvorfor det betyder noget

Worker threads løser Nodes kernefejl — CPU-bound opgaver blokerer den single-threaded event loop og nedfryser alle samtidige anmodninger.

At vide, at man skal flytte tung beregning til en worker (holder hovedtråden responsiv), og afgørende **hvornår** man skal bruge dem (kun CPU-bound, aldrig til I/O), er det, der gør det muligt for en Node-service at håndtere lejlighedsvis tungt behandling uden at ofre den samtidighed, der gør Node værdifuld.

Til puljering af workers i produktion administrerer biblioteker som Piscina en thread pool effektivt.