2019独角兽企业重金招聘Python工程师标准>>> 
很多时候，线程不仅仅是执行一些耗时操作，可能我们还需要得到线程的返回值，一般的处理方法就是定义一个全局状态变量，不断轮训状态，就如我目前维护的一个项目，全局变量定义了N中状态，看的让人抓狂。该项目的大体逻辑是这样的，启动K个线程，当线程执行到某一个点时，进行轮训，判断是否所有线程都执行到该点，单独开启了一个线程用于轮训所有线程是否结束，待所有线程结束后会获取数据，生成一个文件，另外还有一个线程就在轮训文件是否生成，然后读取文件进行下一步操作。各种的轮训，显得非常的笨拙。利用boost库，我们来看看这么解决这些同步问题。
1、获取线程结果
boost::packaged_task 包装一个可调用的对象，并且允许异步获取该可调用对象产生的结果
unique_future 用于保存异步计算得到的结果
void GetFutures()
{
boost::packaged_task<int> pt(boost::bind(Fibonacci, 10));
boost::unique_future<int> uf = pt.get_future();
//启动线程，必须使用move，packaged_task是不可拷贝的
boost::thread th(boost::move(pt));
uf.wait();
int nVal = uf.get();
cout << "Fibonacci " << nVal << endl;
}uf.wait等待线程结束，当然future类也提供了很多种等待函数，如timed_wait等待一段时间。
当然，我们更多的时候是等待一组线程的结束，这是可以用wait_for_all等待所有future对象，wait_for_any 等待任意一个对象接收。
void GetFutures()
{
boost::packaged_task<int> pt1(boost::bind(Fibonacci, 10));
boost::packaged_task<int> pt2(boost::bind(Fibonacci, 20));
boost::unique_future<int> uf1 = pt1.get_future();
boost::unique_future<int> uf2 = pt2.get_future();
boost::thread(boost::move(pt1));
boost::thread(boost::move(pt2));
boost::wait_for_all(uf1, uf2);
cout << "Fibonacci " << uf1.get() << " ," << uf2.get() << endl;
}2、护栏barrier
护栏就是说要等待所有的线程到达同一个点，才继续往下执行。
boost::barrier br(3);
void BarrierFunc()
{
cout << "begin" << endl;
br.wait();
cout << "end " << endl;
}
void TestBarrier()
{
boost::thread_group grp;
grp.create_thread(BarrierFunc);
grp.create_thread(BarrierFunc);
grp.create_thread(BarrierFunc);
grp.join_all();
}
3、线程本地存储
程序中使用全局变量或局部静态变量，这是非常常见的，但这样的函数对多线程程序来说，很难保证程序的正确性，这时我们希望，这些全局变量和局部静态变量，是线程独立拥有的，多个线程之间不会造成干扰，那么使用thread_specific_ptr就能轻松解决。
int Add(int n)
{
static boost::thread_specific_ptr<int> sp; //该变量是线程独立拥有的
if (!sp.get())
{
sp.reset(new int(0));
}
*sp = n + *sp;
return *sp;
}
void Sum()
{
cout << Add(5) + Add(10) << endl; //得到的结果20
}
void ThreadSum()
{
boost::thread_group threads;
for (int i=0; i<5; ++i)
threads.create_thread(&Sum); //所有线程输出的结果是一样的
threads.join_all();
}