【C++进阶】实现C++线程池

1. thread_pool.h

#pragma once
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 

class ThreadPool
{
public:
    ThreadPool(size_t);
    template <class F, class... Args>
    auto enqueue(F &&f, Args &&...args)
        -> std::future<typename std::result_of<F(Args...)>::type>;
    ~ThreadPool();

private:
    // 线程池中的工作线程
    std::vector<std::thread> workers;
    // 任务队列
    std::queue<std::function<void()>> tasks;

    // 同步相关
    std::mutex queue_mutex;
    std::condition_variable condition;
    bool stop;
};
// 构造函数，创建线程并将其放入工作线程中
ThreadPool::ThreadPool(size_t threads)
    : stop(false)
{
    for (size_t i = 0; i < threads; ++i)
        workers.emplace_back(
            [this]
            {
                for (;;)
                {
                    std::function<void()> task;
                    {
                        std::unique_lock<std::mutex> lock(this->queue_mutex);
                        this->condition.wait(lock,
                                             [this]
                                             { return this->stop || !this->tasks.empty(); });
                        if (this->stop && this->tasks.empty())
                            return;
                        task = std::move(this->tasks.front());
                        this->tasks.pop();
                    }
                    task();
                }
            });
}
template <class F, class... Args>
auto ThreadPool::enqueue(F &&f, Args &&...args)
    -> std::future<typename std::result_of<F(Args...)>::type>
{
    using return_type = typename std::result_of<F(Args...)>::type;

    auto task = std::make_shared<std::packaged_task<return_type()>>(
        std::bind(std::forward<F>(f), std::forward<Args>(args)...));

    std::future<return_type> res = task->get_future();
    {
        std::unique_lock<std::mutex> lock(queue_mutex);
        if (stop)
            throw std::runtime_error("enqueue on stopped ThreadPool");
        tasks.emplace([task]()
                      { (*task)(); });
    }
    condition.notify_one();
    return res;
}
// 线程池析构函数，设置停止标志，并等待所有线程完成任务
ThreadPool::~ThreadPool()
{
    {
        std::unique_lock<std::mutex> lock(queue_mutex);
        stop = true;
    }
    condition.notify_all();
    for (std::thread &worker : workers)
        worker.join();
}

• 定义了一个名为ThreadPool的类，它包含以下成员：
  • workers：一个std::vector，用于存储线程池中的工作线程
  • tasks：一个std::queue，用于存储待执行的任务
  • queue_mutex：一个互斥锁，用于同步任务队列的访问
  • condition：一个条件变量，用于在添加新任务时唤醒工作线程
  • stop：一个布尔值，表示线程池是否应停止接受新任务并等待所有线程完成后终止。
• ThreadPool类的构造函数接受一个size_t类型的参数，表示线程池中工作线程的数量。在构造函数中，创建指定数量的工作线程，并在这些线程中执行一个匿名函数，该匿名函数用于从任务队列中获取任务并执行。
• enqueue成员函数模板用于向线程池添加新任务。它接受一个可调用对象f和其参数args，并将任务添加到任务队列中。enqueue函数返回一个std::future对象，表示任务的异步结果。
• ThreadPool类的析构函数设置stop标志为true，通知所有工作线程停止接受新任务，并在所有任务完成后终止。然后，调用condition.notify_all()唤醒所有等待的工作线程，最后使用join()等待所有工作线程完成。

2. main.cpp

#include 
#include 
#include 
#include 
#include "thread_pool.h"

// 矩阵相乘的函数
void multiply(const std::vector<std::vector<int>> &A, const std::vector<std::vector<int>> &B, std::vector<std::vector<int>> &C, size_t row)
{
    size_t num_columns = B[0].size();
    size_t num_inner = A[0].size();

    for (size_t col = 0; col < num_columns; ++col)
    {
        C[row][col] = 0;
        for (size_t inner = 0; inner < num_inner; ++inner)
        {
            C[row][col] += A[row][inner] * B[inner][col];
        }
    }
}

int main()
{
    const size_t matrix_size = 1000;
    std::vector<std::vector<int>> A(matrix_size, std::vector<int>(matrix_size));
    std::vector<std::vector<int>> B(matrix_size, std::vector<int>(matrix_size));
    std::vector<std::vector<int>> C(matrix_size, std::vector<int>(matrix_size));

    // 随机填充矩阵 A 和 B
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_int_distribution<> dis(1, 10);

    for (size_t i = 0; i < matrix_size; ++i)
    {
        for (size_t j = 0; j < matrix_size; ++j)
        {
            A[i][j] = dis(gen);
            B[i][j] = dis(gen);
        }
    }

    // 使用线程池进行矩阵相乘
    ThreadPool pool(20); // 根据自己处理器支持的线程数设定，越大耗时越短
    auto start = std::chrono::high_resolution_clock::now();
    std::vector<std::future<void>> results;
    for (size_t i = 0; i < matrix_size; ++i)
    {
        results.emplace_back(pool.enqueue(multiply, std::cref(A), std::cref(B), std::ref(C), i));
    }

    for (auto &&result : results)
    {
        result.get();
    }

    auto end = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> elapsed = end - start;

    std::cout << "Time elapsed: " << elapsed.count() << " seconds" << std::endl;

    return 0;
}

• 定义了一个名为multiply的函数，用于计算矩阵相乘。这个函数接受两个输入矩阵A和B，一个输出矩阵C以及一个行索引。在这个示例中，每个线程将负责计算矩阵C中的一行。
• main函数中，首先定义了矩阵的大小（matrix_size），并创建了大小为matrix_size的二维矩阵A、B和C。
• 使用随机数生成器填充矩阵A和B的元素。
• 创建一个包含4个工作线程的线程池pool。
• 记录开始时间，然后将每行矩阵相乘的任务添加到线程池中。这里使用了std::cref和std::ref来传递矩阵的引用，以避免不必要的拷贝。
• 使用results向量存储每个任务返回的std::future对象。
• 遍历results向量，并调用每个std::future对象的get()方法，以确保所有任务都已完成。
• 记录结束时间，计算并输出所用时间。