1 线程池概念
一种线程使用模式。线程过多会带来调度开销，进而影响缓存局部性和整体性能。而线程池维护着多个线程，等待着监督管理者分配可并发执行的任务。这避免了在处理短时间任务时创建与销毁线程的代价。线程池不仅能够保证内核的充分利用，还能防止过分调度。可用线程数量应该取决于可用的并发处理器、处理器内核、内存、网络sockets等的数量。
线程池的应用场景：
1️⃣需要大量的线程来完成任务，且完成任务的时间比较短。 WEB服务器完成网页请求这样的任务，使用线程池技术是非常合适的。因为单个任务小，而任务数量巨大，你可以想象一个热门网站的点击次数。 但对于长时间的任务，比如一个Telnet连接请求，线程池的优点就不明显了。因为Telnet会话时间比线程的创建时间大多了。
2️⃣对性能要求苛刻的应用，比如要求服务器迅速响应客户请求。
3️⃣接受突发性的大量请求，但不至于使服务器因此产生大量线程的应用。突发性大量客户请求，在没有线程池情况下，将产生大量线程，虽然理论上大部分操作系统线程数目最大值不是问题，短时间内产生大量线程可能使内存到达极限，出现错误。
线程池示例：
创建固定数量线程池，循环从任务队列中获取任务对象，
获取到任务对象后，执行任务对象中的任务接口。
2 第一个版本的线程池
在创建线程池之前我们想想线程池的成员变量应该有哪些？首先我们需要一个容器来存放线程，所以不妨使用vector；还要使用一个整形变量来记录线程池中线程的个数；为了保证线程安全问题我们还得需要一把锁，同时为了维护同步关系我们还得需要一个条件变量(这里的同步关系是指当没有任务时线程库中的线程就休眠，当有任务时就执行任务)；另外我们还得需要一个任务队列。这里我们再封装一个任务类让等会儿验证时效果更加明显。
Task.hpp:
#pragma once #include <iostream> using namespace std; class Task { public: Task(int x=0, int y=0, char op='+') : _x(x), _y(y), _op(op) { } void run() { switch (_op) { case '+': _res = _x + _y; break; case '-': _res = _x - _y; break; case '*': _res = _x * _y; break; case '/': if(_y==0) { _exitCode=1; return; } _res = _x / _y; break; case '%': _res = _x % _y; break; } } void formatMsk() { cout<<"mask:"<<_x<<_op<<_y<<"==?"<<endl; } void formatRes() { cout<<"res:"<<_x<<_op<<_y<<"=="<<_res<<endl; } private: int _x; int _y; char _op; int _res = 0; int _exitCode = 0; };
现在我们来实现第一个版本：
#pragma once #include<iostream> #include<vector> #include<queue> using namespace std; const int N=5; template<class T> class threadPool { public: threadPool(int sz=N) :_sz(sz) ,_threads(sz) { pthread_mutex_init(&_mutex,nullptr); pthread_cond_init(&_cond,nullptr); } static void* Routine(void* args)//用内存池的多线程执行任务 { pthread_detach(pthread_self());//先让自己与主线程分离 threadPool<T> *ptp=static_cast<threadPool<T> *>(args); while(true) { pthread_mutex_lock(&(ptp->_mutex)); while((ptp->_masks).empty()) { pthread_cond_wait(&(ptp->_cond),&(ptp->_mutex)); } T task=(ptp->_masks).front(); (ptp->_masks).pop(); pthread_mutex_unlock(&(ptp->_mutex)); task.run();//在临界区外执行任务 task.formatRes(); } return nullptr; } void Start() { for(int i=0;i<_sz;++i) { pthread_create(&_threads[i],nullptr,Routine,this); } } void PushTask(const T& task) { pthread_mutex_lock(&_mutex); _masks.push(task); pthread_mutex_unlock(&_mutex); pthread_cond_signal(&_cond);//记得唤醒休眠的线程去执行任务 } ~threadPool() { pthread_mutex_destroy(&_mutex); pthread_cond_destroy(&_cond); } vector<pthread_t> _threads; queue<T> _masks; int _sz;//线程池中线程的个数 pthread_mutex_t _mutex; pthread_cond_t _cond; };
这里面有几个特别需要注意的点：
- Routine我们实现的是static版本的，因为创建线程所要求的函数指针与类内成员函数不吻合，类内成员函数有this指针。
- 创建了线程后让该线程与主线程分离，也就是主线程不管新线程的资源回收了。
- 执行任务时要在临界区外执行，这样并发执行的效率才会更加高效。
- 为了方便使用将类中成员变量都搞成了公有，建议不要这样搞，可以自己写一个get。
至于其他的方面都很简单，相信大家能够很容易理解。
测试程序：
const char *ops = "+-*/%"; int main() { threadPool<Task> *threads = new threadPool<Task>(30); threads->Start(); srand((size_t)time(nullptr)); while (true) { int x = rand() % 30 + 1; int y = rand() % 30 + 1; char op = ops[rand() % strlen(ops)]; Task t(x, y, op); threads->PushTask(t); t.formatMsk(); sleep(1); } return 0; }
我们来运行下结果：
3 第二个版本的线程池
其实第二个版本的线程池与第一个的核心思路基本一致，主要是第二个版本使用的是我们自己模拟实现的创建线程的类，比如我们之前自己模拟实现(本质是封装了库中的线程库接口)的一份Thread.hpp:
#pragma once #include <iostream> #include <functional> using namespace std; class threadProcess { public: enum stu { NEW, RUNNING, EXIT }; template<class T> threadProcess(int num, T exe, void *args) : _tid(0) , _status(NEW) ,_exe(exe) , _args(args) { char name[26]; snprintf(name, 26, "thread%d", num); _name = name; } static void* runHelper(void *args) { threadProcess *ts = (threadProcess *)args; (*ts)(); return nullptr; } void operator()() // 仿函数 { if (_exe != nullptr) _exe(_args); } void Run() { int n = pthread_create(&_tid, nullptr, runHelper, this); if (n != 0) exit(-1); _status = RUNNING; } void Join() { int n = pthread_join(_tid, nullptr); if (n != 0) exit(-1); _status = EXIT; } string _name; pthread_t _tid; stu _status; function<void*(void*)> _exe; void *_args; };
这样我们自己就能够用自己的线程库来完成了：
#pragma once #include"Thread.hpp" #include<iostream> #include<vector> #include<queue> using namespace std; const int N=5; template<class T> class threadPool { public: threadPool(int sz=N) :_sz(sz) { pthread_mutex_init(&_mutex,nullptr); pthread_cond_init(&_cond,nullptr); } static void* Routine(void* args)//用内存池的多线程执行任务 { //pthread_detach(pthread_self());调用自己写的线程接口不用在分离了，析构时在join掉就好了 threadPool<T> *ptp=static_cast<threadPool<T> *>(args); while(true) { pthread_mutex_lock(&(ptp->_mutex)); while((ptp->_masks).empty()) { pthread_cond_wait(&(ptp->_cond),&(ptp->_mutex)); } T task=(ptp->_masks).front(); (ptp->_masks).pop(); pthread_mutex_unlock(&(ptp->_mutex)); task.run();//在临界区外执行任务 task.formatRes(); } return nullptr; } void Init() { for(int i=0;i<_sz;++i) { _threads.push_back(threadProcess(i+1,Routine,this)); } } void Start() { for(auto& e:_threads) { e.Run(); } } void PushTask(const T& task) { pthread_mutex_lock(&_mutex); _masks.push(task); pthread_mutex_unlock(&_mutex); pthread_cond_signal(&_cond);//记得唤醒休眠的线程去执行任务 } ~threadPool() { for(auto& e:_threads) { e.Join(); } pthread_mutex_destroy(&_mutex); pthread_cond_destroy(&_cond); } void Check() { for(auto& e:_threads) { cout<<"name:"<<e._name<<" id"<<e._tid<<endl; } } vector<threadProcess> _threads; queue<T> _masks; int _sz;//线程池中线程的个数 pthread_mutex_t _mutex; pthread_cond_t _cond; };
测试代码：
int main() { threadPool<Task> *threads = new threadPool<Task>(8); threads->Init(); threads->Start(); srand((size_t)time(nullptr)); while (true) { int x = rand() % 30 + 1; int y = rand() % 30 + 1; char op = ops[rand() % strlen(ops)]; Task t(x, y, op); threads->PushTask(t); t.formatMsk(); sleep(1); } return 0; }
运行结果：
4 第三个版本的线程池
这个版本的线程池在前面版本的基础上加了一个单例模式。因为我们发现其实线程池只需要一个就可以了，我们使用懒汉模式来创建单例。
代码实现：
#pragma once #include "Thread.hpp" #include <iostream> #include <vector> #include <queue> using namespace std; const int N = 5; template <class T> class threadPool { public: static threadPool<T>* GetInstance(int sz=N) { if(_sta_obj==nullptr) { pthread_mutex_lock(&_mutex); if(_sta_obj==nullptr) { _sta_obj=new threadPool<T>(sz); } pthread_mutex_unlock(&_mutex); } } static void *Routine(void *args) // 用内存池的多线程执行任务 { // pthread_detach(pthread_self());调用自己写的线程接口不用在分离了，析构时在join掉就好了 threadPool<T> *ptp = static_cast<threadPool<T> *>(args); while (true) { pthread_mutex_lock(&(ptp->_mutex)); while ((ptp->_masks).empty()) { pthread_cond_wait(&(ptp->_cond), &(ptp->_mutex)); } T task = (ptp->_masks).front(); (ptp->_masks).pop(); pthread_mutex_unlock(&(ptp->_mutex)); task.run(); // 在临界区外执行任务 task.formatRes(); } return nullptr; } void Init() { for (int i = 0; i < _sz; ++i) { _threads.push_back(threadProcess(i + 1, Routine, this)); } } void Start() { for (auto &e : _threads) { e.Run(); } } void PushTask(const T &task) { pthread_mutex_lock(&_mutex); _masks.push(task); pthread_mutex_unlock(&_mutex); pthread_cond_signal(&_cond); // 记得唤醒休眠的线程去执行任务 } ~threadPool() { for (auto &e : _threads) { e.Join(); } pthread_mutex_destroy(&_mutex); pthread_cond_destroy(&_cond); } void Check() { for (auto &e : _threads) { cout << "name:" << e._name << " id" << e._tid << endl; } } vector<threadProcess> _threads; queue<T> _masks; int _sz; // 线程池中线程的个数 pthread_mutex_t _mutex; pthread_cond_t _cond; private: threadPool(int sz = N) : _sz(sz) { pthread_mutex_init(&_mutex, nullptr); pthread_cond_init(&_cond, nullptr); } threadPool(const threadPool<T>& th)=delete; threadPool<T>& operator=(const threadPool<T>& th)=delete; static threadPool<T>* _sta_obj; }; template<class T> threadPool<T>* threadPool<T>::_sta_obj=nullptr;
其中注意点：
在加锁时为了高效我们是用了双重if条件判断。
注意将构造函数搞成了私有，拷贝构造和拷贝赋值都删掉了。
5 STL中的容器以及智能指针的线程安全问题
STL中的容器是否是线程安全的?
不是。原因是, STL 的设计初衷是将性能挖掘到极致, 而一旦涉及到加锁保证线程安全, 会对性能造成巨大的影响.而且对于不同的容器, 加锁方式的不同, 性能可能也不同(例如hash表的锁表和锁桶).因此 STL 默认不是线程安全. 如果需要在多线程环境下使用, 往往需要调用者自行保证线程安全。
智能指针是否是线程安全的?
对于 unique_ptr, 由于只是在当前代码块范围内生效, 因此不涉及线程安全问题。
对于 shared_ptr, 多个对象需要共用一个引用计数变量, 所以会存在线程安全问题. 但是标准库实现的时候考虑到了这个问题, 基于原子操作(CAS)的方式保证 shared_ptr 能够高效, 原子的操作引用计数。
6 其他常见的各种锁
悲观锁：在每次取数据时，总是担心数据会被其他线程修改，所以会在取数据前先加锁（读锁，写锁，行锁等），当其他线程想要访问数据时，被阻塞挂起。
乐观锁：每次取数据时候，总是乐观的认为数据不会被其他线程修改，因此不上锁。但是在更新数据前，会判断其他数据在更新前有没有对数据进行修改。主要采用两种方式：版本号机制和CAS操作。CAS操作：当需要更新数据时，判断当前内存值和之前取得的值是否相等。如果相等则用新值更新。若不等则失败，失败则重试，一般是一个自旋的过程，即不断重试。
自旋锁，公平锁，非公平锁。
7 读者写者问题(了解)
读写锁:
在编写多线程的时候，有一种情况是十分常见的。那就是，有些公共数据修改的机会比较少。相比较改写，它们读的机会反而高的多。通常而言，在读的过程中，往往伴随着查找的操作，中间耗时很长。给这种代码段加锁，会极大地降低我们程序的效率。那么有没有一种方法，可以专门处理这种多读少写的情况呢？ 有，那就是读写锁。
读写锁的行为：
| 当前锁的状态 | 读锁请求 | 写锁请求 |
| 无锁 | 可以 | 可以 |
| 读锁 | 可以 | 阻塞 |
| 写锁 | 阻塞 | 阻塞 |
- 注意：写独占，读共享，读锁优先级高
