关键在于先并发启动全部任务再统一收口分析结果，promise.allsettled确保每个请求达终态，支持按status分类处理、成功率计算、降级判断，并需配合超时控制、并发节流与上下文归因。
用 await 配合 Promise.allSettled 做大规模异步任务的数据统计，关键不是“等一个再发一个”，而是**先并发启动全部任务，再统一收口分析结果**。它能确保每个请求都走到终态（无论成功或失败），不丢数据、不中断流程，特别适合监控类、采集类、批量校验类场景。
先并发发起，别用 await 串行调用
错误做法是循环里写 await fetch(...) —— 这本质是串行，耗时叠加，还无法体现 allSettled 的价值。
正确做法：把所有请求提前构造为 Promise 实例数组，再交给 allSettled：
Giga Coding Agent
下载
一款AI工具，主要用于通过后台进程运行 Codex CLI、Claude Code、OpenCode 或 Pi Coding Agent，实现程序化控制，适合需要提升相关任务效率的用户。
- 动态生成请求：比如从 500 个用户 ID 中批量拉取头像 URL，用
ids.map(id => fetch(`/api/avatar/${id}`))一次性产出 500 个 Promise - 静态组合请求：如同时检查 CDN、数据库、缓存三个健康端点，直接写
[fetch('/health/cdn'), fetch('/health/db'), fetch('/health/cache')] - 注意：Promise 构造即触发网络请求，不是等到 allSettled 才开始执行
用 allSettled 收集全量终态，按 status 分类处理
allSettled 返回的数组，每一项都有 status（"fulfilled" 或 "rejected"）、value（成功时）或 reason（失败时），结构稳定可预测。
- 提取所有成功响应：
results.filter(r => r.status === 'fulfilled').map(r => r.value) - 汇总失败原因用于告警：
results.filter(r => r.status === 'rejected').map(r => r.reason.message) - 计算成功率：
const successRate = (results.filter(r => r.status === 'fulfilled').length / results.length * 100).toFixed(1) - 判断是否“至少有一个可用”：
results.some(r => r.status === 'fulfilled')，可用于降级逻辑
大任务量下必须加超时和节流保护
allSettled 不取消仍在运行的 Promise，若某请求卡死或无限等待，会拖慢整体完成时间，影响统计时效性。
- 单请求超时：用
AbortController包装每个 fetch，例如fetch(url, { signal: controller.signal })，5 秒后controller.abort() - 并发数控制：500 个请求不要一股脑全发，用
p-limit或手写分批（如每批 20 个），避免浏览器连接池打满或服务端限流拒绝 - 内存友好：避免一次性 hold 住全部原始响应体；可对成功项做流式解析（如用
response.body.getReader()），失败项只记录 error.stack 和状态码
结果落地前做轻量清洗与归因
统计不只是计数，还要知道“谁成功了、为什么失败”。建议在处理 each result 时附带原始上下文：
- 用
Promise.allSettled(promises.map((p, i) => p.then(v => ({ data: v, id: ids[i] })).catch(e => ({ error: e, id: ids[i] }))))把业务标识带上 - 对失败 reason 做归类：网络错误（TypeError）、HTTP 错误（4xx/5xx）、超时（AbortError）、JSON 解析失败等，分别计数便于定位瓶颈
- 成功响应中提取关键字段（如 status、timestamp、size）再入库，避免存储冗余 body
