【Linux】线程的概念

前言

从本章开始，我们进入Linux系统编程最后一节多线程的学习，本章我们先来简单的认识一下线程。

---

1. 线程的引入

在我们之前的Linux学习中，学习了进程的相关概念，操作系统内核中的task_struct描述进程，CPU在运行时，会根据时间片轮询调度进程，让每个进程得以推进。

在之前进程地址空间的学习中，我们知道，每个进程的PCB都可以看到一整个进程地址空间，我们以前学的进程是一个PCB对应一个进程地址空间。

而线程我们可以理解为轻量级进程，每一个进程都可以创建多个线程，并行执行不同的代码。

线程 : 进程 = n : 1

创建的这三个PCB有了属于它们自己的一小份代码和数据。那么我们把这里的其中一个task_ struct对应的占有这个的进程的一小份代码，一小份数据，使用它局部的一部分页表的，这样的执行流task_struct在Linux中叫做线程。

• 不再独立分配独立的地址空间。
• 不再分配独立页表，而是所有PCB指向同一个地址空间，甚至将来访问同一张页表。

CPU看待进程和线程是一样的，调度的时候都是以task_struct为单位来调度的。

• TCB(Thread Control Block)
• PCB(Process Control Block)

Windows中：

• 真线程的操作系统当中，pcb和tcb非常复杂。
• 在真正的线程操作系统中，TCB (Thread Control Block)和PCB(Process Control Block)是分开实现的。

Linux中：

• 进程和线程在概念上没有区分，只有一个叫做执行流！
• 进程有优先级，线程也有优先级，都要切换，都要上下文保护， 也要找到对应的代码和数据。
• 无非是，进程的代码和数据多一些，线程的代码和数据少一些，进程做的工作更多，线程少。

Linux的线程是用进程模拟的PCB模拟的，Linux下也有tcb只不过没有为线程单独设计，用的照样是task_struct。

Linux没有提供纯纯的创建线程接口，因为底层没有用真线程，用的是进程作为载体去模拟线程。

进程具有独立性是，有自己的资源，地址空间，页表还有该进程加载到内存中的代码和数据。

以前创建进程是创建独立进程，PCB、地址空间和页表是私有的。

创建线程只创建PCB，CPU调度时，只看PCB。

小结：

1. 在进程内部运行的执行流。
2. 线程比进程粒度更细，调度成本更低。
3. 线程是CPU调度的基本单位。

1.1 执行流：

进程和线程在执行流层面是不一样的。

在Linux中，执行流（Execution Flow）是指程序的执行过程中的控制流动。它描述了程序中指令的顺序执行路径，决定了程序的执行顺序。

• 单执行流进程：单执行流进程是指在计算机系统中，每个进程只有一个执行线程，即同一时间只能执行一个指令或一个操作。
• 多执行流进程：多执行流进程是指在计算机系统中，一个进程可以同时拥有多个执行线程，即能够同时执行多个指令或多个操作。

fork之后，父子是共享代码的可以通过if else判断，让父子进程执行不同的代码块不同的执行流，可以做到进行对特定资源的划分。

• 进程：向系统申请资源的基本单位（系统分配）
• 线程：系统调度的基本单位

进程（Process）和线程（Thread）在执行流层面上是不一样的：

• 进程（Process）：
• • 进程是操作系统中的一个独立执行单位，它具有独立的内存空间、程序代码和执行环境。
• • 每个进程都有自己的执行流，包括程序计数器（Program Counter）和栈，用于存储指令的地址和局部变量等信息。
• • 进程之间相互独立，并且可以通过进程间通信机制进行数据交换。
• 线程（Thread）：
• • 线程是进程内的一个执行单元，一个进程可以包含多个线程。
• • 与进程不同，线程共享同一个进程的地址空间和资源，在同一个进程中的线程之间可以直接访问共享的内存区域和变量，而无需使用进程间通信的机制。
• • 线程之间可以并发执行，共享进程的执行环境，包括打开的文件、信号处理函数、信号屏蔽字等。

本来串行执行的代码，现在在CPU上可以并发或者并行去执行，让代码在一个时间段或者一个时间点同时得以推进，这种解决方案就叫做线程。

再看进程：

• 进程 = 内核数据结构 + 进程对应的代码和数据。
• 进程 = 内核视角：承担分配系统资源的基本实体（进程的基座属性）

再说进程就是PCB就不准确了。包括地址空间，页表，包括构建的映射关系，包括在内存中申请的各种代码和数据对应的内存，包括对应的PCB合起来这一堆才叫进程。

进程的最大意义不是被执行而是：向系统申请资源的基本单位！

• 内部只有一个执行流的进程 —— 单执行流进程
• 内部有多个执行流的进程 —— 多执行流进程

以前学的都是单执行流，执行流PCB本身也属于进程内部的资源。
线程是调度的基本单位。

进程切换的成本非常的高，但是进程和线程在CPU中看到的是一样的。
进程切换，地址空间，页表，包括曾经的数据基本都要切换。

内部的执行流就可以称之为一个线程，也就是说一个进程内部可以有一个或者多个线程，CPU调度时, 看到的基本单位全部都叫做线程。

1.2 线程的创建：

Linux中没有原生创建线程的接口，但是Linux有原生线程库，由应用级程序员帮我们开发出了一批接口， 叫做pthread_create。

不是操作系统的接口，叫做原生线程库：

• 第一个参数： 是一个输出型参数，在成功创建线程后，这个变量会被用来保留新线程的ID，供后面的操作使用。
• 第二个参数： 用来设置线程属性的，可以传递一个nullptr指针，表示使用默认线程属性，也可以通过pthread_attr_t类型的变量来设置自定义的属性。
• 第三个参数： 是一个函数指针，是指向线程运行函数的指针，函数的返回值和参数必须符合线程函数的要求。
• 第四个参数： 就是第三个参数，函数指针指向的函数的参数。它是一个void类型的指针，可以传递任意类型的数据给线程函数。

注意：

• 在现在所有主流的Linux版本中，都默认带这个库，是原生的，在操作系统中就存在的。
• 不是所谓的系统调用接口，是库函数。

创建线程的时候，本质就是让线程执行进程代码的一部分，有一个进程里面有十几个函数，把某一个函数当做该线程的入口函数，让该线程去调度。

• CPU看到的所有的task_struct都是一个进程。
• CPU看到的所有的task_struct都是一个执行流（线程）

线程是属于某一个进程的，所以不需要创建新的mm_struct和页表映射，但是创建的效率高于创建子进程。创建新线程后（创建新的PCB）只要将task_struct指向所属进程的mm_struct即可。

在进程中，我们谈父子线程，在线程中，我们谈主新线程。

1.3 线程的等待：

pthread_ join等待线程的理由：

1. 释放线程资源，前提是线程退出了。
2. 获取线程对应的退出码。

线程退出的时候，一般必须要进行join，如果不进行join：

• 就会造成类似于进程那样的内存泄漏的问题（没有僵尸线程这样的说法）
• 线程对应的退出结果暂时不获取

返回值：

pthread_join第二个参数的理解：

• 是一个输出型参数，获取新线程退出时的退出码。
• 进程退出的三种情况：
• • 代码跑完，结果正确。
• • 代码跑完，结果不正确。
• • 异常。
• 线程也是一样，执行流的退出情况也是上述三种情况。

pthread_join第二个参数为什么是二级指针：

• 因为是一个输出型参数，要改变指针，就要传指针的地址。

主线程为何没有获取新线程退出时的信号？

• 线程异常了的话，那么整个进程也就直接退出了。
• 线程异常 == 进程异常
• 所以也就是说，一个线程会影响其他线程的运行。
• 线程的健壮性不如进程。

线程出异常了，不再是线程的问题了，而是进程的问题了。所以pthread_join不需要退出信号。

所以以后考虑线程终止，只考虑正常终止。

---

2. 查看线程

我们来创建两个线程，来分别查看一下进程和线程：

#include 
#include 
#include 
// #include 
#include  // C++11的线程库

using namespace std;

void* callback1(void* args)
{
    string name = (char*)args;
    while (true)
    {
        cout << name << ": " << ::getpid() << endl;
        sleep(1);
    }
}

void* callback2(void* args)
{
    string name = (char*)args;
    while (true)
    {
        cout << name << ": " << ::getpid() << endl;
        sleep(1);
    }
}

int main()
{
    // std::thread t([](){
    //     while(true)
    //     {
    //         cout << "线程运行起来啦" << endl;
    //         sleep(1);
    //     }
    // });

    // 等待就可以了
    // t.join();

    pthread_t tid1;
    pthread_t tid2;

    pthread_create(&tid1, nullptr, callback1, (void*)"thread 1");
    pthread_create(&tid2, nullptr, callback2, (void*)"thread 2");

    while (true)
    {
        cout << "我是主线程...: " << ::getpid() << endl;
        sleep(1);
    }

    pthread_join(tid1, nullptr);
    pthread_join(tid2, nullptr);

    return 0;
}

2.1 链接线程库：

创建线程后，像之前那样编译源文件是不行的，因为要链接线程库：

查看链接的库：

链接动态库不明白的小伙伴看过来：动静态库

• pthread库是和Linux强相关的库，原生线程库，在用户层实现的线程实现的一种线程实现接口。

2.2 ps -aL：

首先我们来查看一下进程：

只看到了一个进程，但是我们有三个执行流在跑，怎么只是看到了一个？

• 这是因为，三个执行流是三个线程（线程1，线程2，主线程），同属于一个进程。
• ps axj选项是查进程的所以只能查一个。

查看线程：

• 在Linux中，LWP的缩写代表Lightweight Process，它意味着轻量级进程。
• 如果LWP和PID是相等的，那么就是主线程，俗称进程。
• 三个执行流的PID是一样的，说明是在同一个进程内的三个执行流。

多个线程谁先运行也不确定，完全是调度器自己决定。
C++11里的多线程和操作系统底层的原生线程库是封装关系。

---

3. 页表的认识

字符常量不可被修改曾经是怎么加载到内存中的呢？

• 字符常量不可被修改，修改的话，编译不会报错，但是运行时报错了。
• 是因为当尝试着去修改时候，页表里有对应的条目，会限制进行读写。

如果不可被修改，那么曾经是怎样加载到内存里的呢？

• 内存在任何时候都可以被读取的，只不过是能不能读取的问题。
• 所以在语言上，经过虚拟地址到物理地址转化的时候，会有个读取权限，如果是正常数据是RW，如果是字符串是R(只读的)。
• 所以在尝试写入时，直接在页表那一层拦截这个进程。
• 那么MMU也叫做内存管理单元，这个硬件结合页表中读取的数据，就会发生异常。
• 操作系统发现并识别这个异常，解释称信号，发送给目标进程，直接终止掉进程了。

语言层有些字符串是常量的，代码是只读属性是如何保证的，根本原因是因为在转化过程中拦截了。

从用户空间到内核空间的映射是由页表来完成的：

• 页表分为用户级页表和内核级页表。
• 页表结构都是一样的，所有进程用的都是一套内存管理机制。
• 用UK来确认当前指向的内容是内核代码还是用户代码。
• UK用来区分进程用的是内核级页表还是用户级页表。
• 每一个虚拟地址都要对应一个物理地址。

页表有多大：

• 假设页表只有一张，请问有多少条目？
• • 一共有2^32个条目。
• 保守计算一个条目8Byte，那么整个页表有多大？
• • 2 ^ 32 * 8 Byte = 32 GB。
• 要是真的这样的话，内存早就被页表占满了。

3.1 二级页表：

操作系统通常使用多级页表（Multilevel Page Table）以实现虚拟内存管理：

• 32位系统中用的是两级页表。

• CPU根据指令内部的地址，进行寻址再访问物理内存的时候，CPU里出来的地址是虚拟地址。
• 虚拟地址在被转化的过程中，不是直接转化的，而是被划分成了10+10+12 。

文件系统和物理内存进行IO的时候，IO的基本单位默认是4KB。

• 物理内存通常被划分成大小相等的页框（Page Frame）。
• 页框是物理内存中的最小单位，用于存储数据和指令。
• 每个页框的大小由系统设计决定，常见的大小包括 4KB、8KB、16KB 等。

以4GB物理内存为例，每个页框4KB，那么一共有，4GB / 4KB = 1024 * 1024 = 2^20 个页框。

操作系统要将页框管理起来：

• 一定是先描述，再组织。
• 在struct page的结构体中描述页框。
• 在struct page mem[1024 * 1024]中管理。

虚拟地址编译，也划分好了4KB：

• 数据加载到内存，实际上是程序按照4KB为单位可以整体加载。
• 当然也可以把程序的一部分以4KB为单位加载到内存当中。

页表中的page起始地址，只记录了某个page，不关心页内细节：

• 是否命中是以页为单位的
• 在用虚拟地址找一级页表和二级页表的时候
• 其中先找的是page，说明在计算机中找内存是以页为单位找的
• 找到后根据最后12位，找到在页内的偏移量是什么位置

物理内存一般4GB，一个页框是4KB，那么内存一共被划分成了2^20个页框。

虚拟地址后12位：

• 虚拟地址的后12位，一共有2^12次方个地址。
• 而一个页框是4KB = 2^12B，所以虚拟地址后12位将一整个页框所有地址全部覆盖了。

页表中的Page帧地址是用于标识物理内存中每个Page框的编号的。

页表只需要映射到page就不需要映射了，拿虚拟地址后12位做偏移量的：

• 之前讲的映射是有问题的，我们将虚拟地址到物理地址转化是按照字节为单位映射的。
• 其实只需要找到page这一目就不要再映射了。
• 最后再拿虚拟地址后12位找偏移量就好了。

用虚拟地址找page，再根据虚拟地址找页内偏移量来找到的。

page命中：

• 有没有命中，即要访间的空间是否在物理内存里面。
• 如果没有命中，那么进程就暂时不被调度了。
• MMU会报错，会触发缺页中断的东西。

所以CPU就找到了对应的数据，然后就读取里面的数据，此时这里的数据就会被CPU再次拿到，CPU做计算等操作，如果还有寻址指令，那就再回过头，再重复刚刚的过程。

这样做的优点：

• 进程虚拟地址管理和内存管理，通过页表 + page进行解耦
• 分页机制 + 按需创建页表 = 节省空间
• 此时页表就被分离了，就可以实现按需创建

3.2 页表的实际大小：

• 假设一个条目有20Byte，页表最大也就：20B * (2 ^ 32 / 2 ^ 12) = 20B * 2 ^ 20 = 20B * 1M = 20MB

表映射是通过MMU（内存管理单元）来实现的，软（表）硬件（MMU）结合的方式。

---

4. 再看线程

4.1 线程总结：

• 使用计算机的时候，所有的行为都会成为进程，人和计算机交互的时候，全都是以进程为载体完成所有的任务的。
• 进程是承担分配资源的基本实体。
• 以前讲的进程是：内核数据结构 + 进程的代码和数据。
• 内核数据结构，包括把代码和数据加载到内存里，本质是申请内存空间。是在做资源准备，真正去执行的是内部的线程。
• 线程是在进程的地址空间内去运行的，地址空间是进程看待它自己资源的一个统一的视角，进程看待内存等资源是以统一地址空间的方式去看待的。
• 线程的执行力度比进程更细，调度成本更低,执行的是进程的一部分，访问的是进程的一部分资源，使用的是进程一部分的数据。
• 调度成本更低，因为在线程切换时，不需要切换页表地址空间，还有CPU中不可显示的寄存器值，只需要将线程需要切换的上下文数据切换就可以，其他的切换成本就很低了。
• 线程是CPU调度的基本单位。

4.2 线程的优点：

• 创建一个新线程的代价要比创建一个新进程小得多。
• 与进程之间的切换相比，线程之间的切换需要操作系统做的工作要少很多。
• 线程占用的资源要比进程少很多。
• 能充分利用多处理器的可并行数量。
• 在等待慢速I/O操作结束的同时，程序可执行其他的计算任务。
• 计算密集型应用，为了能在多处理器系统上运行，将计算分解到多个线程中实现。
• I/O密集型应用，为了提高性能，将I/O操作重叠。线程可以同时等待不同的I/O操作。

4.3 线程的缺点：

性能损失、健壮性降低、缺乏访问控制、编程难度提高。