C++知識點：對於多執行緒的總結

在開發C++程式時，一般在吞吐量、併發、實時性上有較高的要求。設計C++程式時，總結起來可以從如下幾點提高效率：

● l 併發

● l 非同步

● l 快取

下面將我平常工作中遇到一些問題例舉一二，其設計思想無非以上三點。

1任務佇列

1.1 以生產者-消費者模型設計任務佇列

生產者-消費者模型是人們非常熟悉的模型，比如在某個伺服器程式中，當User資料被邏輯模組修改後，就產生一個更新資料庫的任務（produce），投遞給IO模組任務佇列，IO模組從任務佇列中取出任務執行sql操作（consume）。

設計通用的任務佇列，示例程式碼如下：

void task_queue_t::produce(const task_t& task_) {

lock_guard_t lock(m_mutex);

if (m_tasklist->empty()){//! 條件滿足喚醒等待執行緒

m_cond.signal();

}

m_tasklist->push_back(task_);

}

int task_queue_t::comsume(task_t& task_){

lock_guard_t lock(m_mutex);

while (m_tasklist->empty())//! 當沒有作業時，就等待直到條件滿足被喚醒{

if (false == m_flag){

return -1;

}

m_cond.wait();

}

task_ = m_tasklist->front();

m_tasklist->pop_front();

return 0;

}

1.2 任務佇列使用技巧

1.2.1 IO 與 邏輯分離

比如網路遊戲伺服器程式中，網路模組收到訊息包，投遞給邏輯層後立即返回，繼續接受下一個訊息包。邏輯執行緒在一個沒有io操作的環境下執行，以保障實時性。示例：

void handle_xx_msg(long uid, const xx_msg_t& msg){

logic_task_queue->post(boost::bind(&servie_t::proces, uid, msg));

}

注意，此模式下為單任務佇列，每個任務佇列單執行緒。

1.2.2 並行流水線

上面的只是完成了io 和 cpu運算的並行，而cpu中邏輯操作是序列的。在某些場合，cpu邏輯運算部分也可實現並行，如遊戲中使用者A種菜和B種菜兩種操作是完全可以並行的，因為兩個操作沒有共享資料。最簡單的方式是A、B相關的操作被分配到不同的任務佇列中。示例如下：

void handle_xx_msg(long uid, const xx_msg_t& msg) {

logic_task_queue_array[uid % sizeof(logic_task_queue_array)]->post(

boost::bind(&servie_t::proces, uid, msg));

}

注意，此模式下為多工佇列，每個任務佇列單執行緒。

1.2.3 連線池與非同步回撥

比如邏輯Service模組需要資料庫模組非同步載入使用者資料，並做後續處理計算。而資料庫模組擁有一個固定連線數的連線池，當執行SQL的任務到來時，選擇一個空閒的連線，執行SQL，並把SQL 通過回撥函式傳遞給邏輯層。其步驟如下：

●n 預先分配好執行緒池，每個執行緒建立一個連線到資料庫的連線

●n 為資料庫模組建立一個任務佇列，所有執行緒都是這個任務佇列的消費者

●n 邏輯層想資料庫模組投遞sql執行任務，同時傳遞一個回撥函式來接受sql執行結果

示例如下：

1void db_t:load(long uid_, boost::functionpost(boost::bind(&db_t:load, uid, func));

注意，此模式下為單任務佇列，每個任務佇列多執行緒。

2. 日誌

本文主要講C++多執行緒程式設計，日誌系統不是為了提高程式效率，但是在程式除錯、執行期排錯上，日誌是無可替代的工具，相信開發後臺程式的朋友都會使用日誌。常見的日誌使用方式有如下幾種：

●n 流式，如logstream << “start servie time[%d]” << time(0) << ” app name[%s]” << app_string.c_str() << endl;

●n Printf 格式如：logtrace(LOG_MODULE, “start servie time[%d] app name[%s]”, time(0), app_string.c_str());

二者各有優缺點，流式是執行緒安全的，printf格式格式化字串會更直接，但缺點是執行緒不安全，如果把app_string.c_str() 換成app_string （std::string），編譯被通過，但是執行期會crash（如果運氣好每次都crash，運氣不好偶爾會crash）。我個人鍾愛printf風格，可以做如下改進：

●l 增加執行緒安全，利用C++模板的traits機制，可以實現執行緒安全。示例：

template

void logtrace(const char* module, const char* fmt, ARG1 arg1){

boost::format s(fmt);

f % arg1;

}

這樣，除了標準型別+std::string 傳入其他型別將編譯不能通過。這裡只列舉了一個引數的例子，可以過載該版本支援更多引數，如果你願意，可以支援9個引數或更多。

●l 為日誌增加顏色，在printf中加入控制字元，可以再螢幕終端上顯示顏色，Linux下示例：printf(“33[32;49;1m [DONE] 33[39;49;0m”)

更多顏色方案參見：

http://hi.baidu.com/jiemnij/blog/item/d95df8c28ac2815cb219a80e.html

●l 每個執行緒啟動時，都應該用日誌列印該執行緒負責什麼功能。這樣，程式跑起來的時候通過top –H – p pid 可以得知那個功能使用cpu的多少。實際上，我的每行日誌都會列印執行緒id，此執行緒id非pthread_id，而其實是執行緒對應的系統分配的程式id號。

3. 效能監控

儘管已經有很多工具可以分析c++程式執行效能，但是其大部分還是執行在程式debug階段。我們需要一種手段在debug和release階段都能監控程式，一方面得知程式瓶頸之所在，一方面儘早發現哪些元件在執行期出現了異常。

通常都是使用gettimeofday 來計算某個函式開銷，可以精確到微妙。可以利用C++的確定性析構，非常方便的實現獲取函式開銷的小工具,示例如下：

struct profiler{

profiler(const char* func_name){

gettimeofday(&tv, NULL);

}

~profiler(){

struct timeval tv2;

gettimeofday(&tv2, NULL);

long cost = (tv.tv_sec - tv.tv_sec) * 1000000 + (tv.tv_usec - tv.tv_usec);

//! post to some manager

}

struct timeval tv;

};

#define PROFILER() profiler(__FUNCTION__)

Cost 應該被投遞到效能統計管理器中，該管理器定時講效能統計資料輸出到檔案中。

4 Lambda 程式設計

使用foreach 代替迭代器

很多程式語言已經內建了foreach，但是c++還沒有。所以建議自己在需要遍歷容器的地方編寫foreach函式。習慣函數語言程式設計的人應該會非常鍾情使用foreach，使用foreach的好處多多少少有些，如：

http://www.cnblogs.com/chsword/archive/2007/09/28/910011.html

但主要是程式設計哲學上層面的。

示例：

void user_mgr_t::foreach(boost::function func_){

for (iterator it = m_users.begin(); it != m_users.end() ++it){

func_(it->second);

}

}

比如要實現dump 介面，不需要重寫關於迭代器的程式碼

void user_mgr_t:dump(){

struct lambda {

static void print(user_t& user){

//! print(tostring(user);

}

};

this->foreach(lambda::print);

}

實際上，上面的程式碼變通的生成了匿名函式，如果是c++ 11 標準的編譯器，本可以寫的更簡潔一些：

C++

1this->foreach([](user_t& user) {} );

但是我大部分時間編寫的程式都要執行在centos 上，你知道嗎它的gcc版本是gcc 4.1.2， 所以大部分時間我都是用變通的方式使用lambda函式。

Lambda 函式結合任務佇列實現非同步

常見的使用任務佇列實現非同步的程式碼如下：

void service_t:async_update_user(long uid){

task_queue->post(boost::bind(&service_t:sync_update_user_impl, this, uid));

}

void service_t:sync_update_user_impl(long uid){

user_t& user = get_user(uid);

user.update()

}

這樣做的缺點是，一個介面要響應的寫兩遍函式，如果一個函式的引數變了，那麼另一個引數也要跟著改動。並且程式碼也不是很美觀。使用lambda可以讓非同步看起來更直觀，彷彿就是在介面函式中立刻完成一樣。示例程式碼：

void service_t:async_update_user(long uid){

struct lambda {

static void update_user_impl(service_t* servie, long uid){

user_t& user = servie->get_user(uid);

user.update();

}

};

task_queue->post(boost::bind(&lambda:update_user_impl, this, uid));

}

這樣當要改動該介面時，直接在該介面內修改程式碼，非常直觀。

5. 奇技淫巧

利用shared_ptr 實現map/reduce

Map/reduce的語義是先將任務劃分為多個任務，投遞到多個worker中併發執行，其產生的結果經reduce彙總後生成最終的結果。Shared_ptr的語義是什麼呢？當最後一個shared_ptr析構時，將會呼叫託管物件的解構函式。語義和map/reduce過程非常相近。我們只需自己實現講請求劃分多個任務即可。示例過程如下：

●l 定義請求託管物件，加入我們需要在10個檔案中搜尋“oh nice”字串出現的次數，定義託管結構體如下：

struct reducer{

void set_result(int index, long result) {

m_result[index] = result;

}

~reducer(){

long total = 0;

for (int i = 0; i < sizeof(m_result); ++i){

total += m_result[i];

}

//! post total to somewhere

}

long m_result[10];

};

●l 定義執行任務的 worker

void worker_t:exe(int index_, shared_ptr ret) {

ret->set_result(index, 100);

}

●l 將任務分割後，投遞給不同的worker

shared_ptr ret(new reducer());

for (int i = 0; i < 10; ++i) { task_queue[i]->post(boost::bind(&worker_t:exe, i, ret));

}

喜歡這篇文章的小夥伴可以收藏哦！對於c++知識有什麼不瞭解的可以進群：941636044進行交流