【Linux初阶】多线程4 | POSIX信号量，基于环形队列的生产消费模型，线程池，线程安全的单例模式，STL-智能指针和线程安全

---

☀️一、POSIX信号量

1.引入

• 回顾我们之前学习的线程知识，我们知道一个线程访问临界资源时，是需要满足生产消费条件的。
• 因此我们对公共资源的访问逻辑一般为：加锁、检测、操作（等待或执行）、解锁。
• 那么我们有没有一种办法，可以让我们提前得知检测条件是否满足呢？这就要涉及到我们今天要学习的知识 - 信号量了。

2.信号量的概念

• 什么是信号量

  • 信号量本质上就是一把计数器。

  • 是一把衡量衡量临界资源中资源多少的计数器。

  • 我们对临界资源进行整体加锁，就默认了，我们对这个资源是整体使用的。但是实际情况可能是，只有一份公共资源，但是允许访问资源不同区域的情况。

  • 申请信号量的本质：对临界资源中特定小块资源进行 预定 的机制（类似于网上预定电影票）。

  • 通过先申请信号量（计数器），再执行的方式，就可以实现在未来某个线程占有一部分临界资源，与其他线程占用同一临界资源的其他部分不冲突。

• 信号量底层原理

  • 设 sem_t sem = 10，sem_t是计数器的类型，sem = 10表示这块临界资源可以分为10块小资源。

  • sem–，申请资源，必须保证操作的原子性，我们用 P代表这个操作。

  • sem++，归还资源，必须保证操作的原子性，我们用 V代表这个操作。

  • 信号量核心操作：PV原语。

3.信号量函数

POSIX信号量和SystemV信号量作用相同，都是用于同步操作，达到无冲突的访问共享资源目的。 但POSIX可以用于线程间同步。

• 初始化信号量

#include 
int sem_init(sem_t *sem, int pshared, unsigned int value);
参数：
	pshared:0表示线程间共享，非零表示进程间共享
	value：信号量初始值

• 销毁信号量

int sem_destroy(sem_t *sem);

• 等待信号量

功能：等待信号量，会将信号量的值减1
int sem_wait(sem_t *sem); //P()

• 发布信号量

功能：发布信号量，表示资源使用完毕，可以归还资源了。将信号量值加1。
int sem_post(sem_t *sem);//V()

---

☀️二、基于环形队列的生产消费模型

1.理解环形队列

• 环形队列采用数组模拟，用模运算来模拟环状特性

数组有num格空间，当 i指向 num格的位置的时候，%（模）上 num，就可以回到起始位置。

• 生产和消费什么时候能访问同一个位置

  1. 队列空的时候。
  2. 队列满的时候。
  3. 其他情况，生产者和消费者，根本上访问的区域是不同的。

• 环形队列的生产消费问题需要 遵守的规则/完成的核心工作

  1. 生产者不能超过消费者。
  2. 消费者不能将生产者套一个圈及以上。
  3. 生产者消费者指向统一资源的情况：a.队列全空（生产者需要先执行）；b.队列全满（消费者需要先执行）。

在环形队列当中，大部分情况下，即满足上述规则，单生产和单消费是可以并发执行的。

• 信号量是用来衡量临界资源中的资源数量的
  1. 对于生产者而言看重什么？队列中的剩余空间 – 空间资源定义一个信号量。
  2. 对于消费者而言看重什么？放入队列中的数据 – 数据资源定义一个信号量。

我们给生产者和消费者各设定一个计数器，就可以很简单的进行多线程间的同步过程。

• 双信号量运行原理（伪代码）

  对生产者而言：
      prodocter_sem = 10	//申请信号量，成功则向下运行，失败则阻塞
      comsumer_sem = 0;
      
      P(prodocter_sem);	//prodocter_sem--
  
  	//从事生产活动 -- 把数据放到队列中
  
  	V(comsumer_sem)；	//comsumer_sem++
          
  对消费者而言：
      P(comsumer_sem);	//comsumer_sem--
  
  	//从事消费活动 -- 把数据从队列中拿出
  
  	V(prodocter_sem)；	//prodocter_sem++
  

​ 当我们的生产信号量减到0时，再申请空间资源就申请不到了，因此就可以满足生产消费的三个条件。

2.代码案例

• 我们现在有信号量这个计数器，就可以很简单的进行多线程间的同步过程。
• 下面的代码例子是两个线程分别同时进行生产消费。

#include 
#include 
#include 
#include 
#include 

#define NUM 16

class RingQueue{
private:
	std::vector<int> q;
	int cap;
	sem_t data_sem;
	sem_t space_sem;
	int consume_step;
	int product_step;

public:
	RingQueue(int _cap = NUM) :q(_cap), cap(_cap)
	{
		sem_init(&data_sem, 0, 0);
		sem_init(&space_sem, 0, cap);
		consume_step = 0;
		product_step = 0;
	}
	void PutData(const int& data)
	{
		sem_wait(&space_sem); // P
		q[consume_step] = data;
		consume_step++;
		consume_step %= cap;
		sem_post(&data_sem); //V
	}
	void GetData(int& data)
	{
		sem_wait(&data_sem);
		data = q[product_step];
		product_step++;
		product_step %= cap;
		sem_post(&space_sem);
	}
	~RingQueue()
	{
		sem_destroy(&data_sem);
		sem_destroy(&space_sem);
	}
};

void* consumer(void* arg)
{
	RingQueue* rqp = (RingQueue*)arg;
	int data;
	for (; ; ) {
		rqp->GetData(data);
		std::cout << "Consume data done : " << data << std::endl;
		sleep(1);
	}
}

//more faster
void* producter(void* arg)
{
	RingQueue* rqp = (RingQueue*)arg;
	srand((unsigned long)time(NULL));
	for (; ; ) {
		int data = rand() % 1024;
		rqp->PutData(data);
		std::cout << "Prodoct data done: " << data << std::endl;
		// sleep(1);
	}
}

int main()
{
	RingQueue rq;
	pthread_t c, p;

	pthread_create(&c, NULL, consumer, (void*)&rq);
	pthread_create(&p, NULL, producter, (void*)&rq);

	pthread_join(c, NULL);
	pthread_join(p, NULL);
}

---

☀️三、线程池

/*threadpool.h*/
/* 线程池:
*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：
*	1. 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。
*	2. 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。
*	3. 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.

* 线程池的种类：
* 线程池示例：
*	1. 创建固定数量线程池，循环从任务队列中获取任务对象，
*	2. 获取到任务对象后，执行任务对象中的任务接口
*/

/*threadpool.hpp*/
#ifndef __M_TP_H__
#define __M_TP_H__
#include 
#include 
#include 

#define MAX_THREAD 5
typedef bool (*handler_t)(int);

class ThreadTask
{
private:
	int _data;
	handler_t _handler;
public:
	ThreadTask() :_data(-1), _handler(NULL) {}
	ThreadTask(int data, handler_t handler) {
		_data = data;
		_handler = handler;
	}
	void SetTask(int data, handler_t handler) {
		_data = data;
		_handler = handler;
	}
	void Run() {
		_handler(_data);
	}
};

class ThreadPool
{
private:
	int _thread_max;
	int _thread_cur;
	bool _tp_quit;
	std::queue<ThreadTask*> _task_queue;
	pthread_mutex_t _lock;
	pthread_cond_t _cond;
private:
	void LockQueue() {
		pthread_mutex_lock(&_lock);
	}
	void UnLockQueue() {
		pthread_mutex_unlock(&_lock);
	}
	void WakeUpOne() {
		pthread_cond_signal(&_cond);
	}
	void WakeUpAll() {
		pthread_cond_broadcast(&_cond);
	}
	void ThreadQuit() {
		_thread_cur--;
		UnLockQueue();
		pthread_exit(NULL);
	}
	void ThreadWait() {
		if (_tp_quit) {
			ThreadQuit();
		}
		pthread_cond_wait(&_cond, &_lock);
	}
	bool IsEmpty() {
		return _task_queue.empty();
	}
	static void* thr_start(void* arg) {
		ThreadPool* tp = (ThreadPool*)arg;
		while (1) {
			tp->LockQueue();
			while (tp->IsEmpty()) {
				tp->ThreadWait();
			}
			ThreadTask* tt;
			tp->PopTask(&tt);
			tp->UnLockQueue();
			tt->Run();
			delete tt;
		}
		return NULL;
	}

public:
	ThreadPool(int max = MAX_THREAD) :_thread_max(max), _thread_cur(max),
		_tp_quit(false) {
		pthread_mutex_init(&_lock, NULL);
		pthread_cond_init(&_cond, NULL);
	}
	~ThreadPool() {
		pthread_mutex_destroy(&_lock);
		pthread_cond_destroy(&_cond);
	}
	bool PoolInit() {
		pthread_t tid;
		for (int i = 0; i < _thread_max; i++) {
			int ret = pthread_create(&tid, NULL, thr_start, this);
			if (ret != 0) {
				std::cout << "create pool thread error\n";
				return false;
			}
		}
		return true;
	}
	bool PushTask(ThreadTask* tt) {
		LockQueue();
		if (_tp_quit) {
			UnLockQueue();
			return false;
		}
		_task_queue.push(tt);
		WakeUpOne();
		UnLockQueue();
		return true;
	}
	bool PopTask(ThreadTask** tt) {
		*tt = _task_queue.front();
		_task_queue.pop();
		return true;
	}
	bool PoolQuit() {
		LockQueue();
		_tp_quit = true;
		UnLockQueue();
		while (_thread_cur > 0) {
			WakeUpAll();
			usleep(1000);
		}
		return true;
	}
};
#endif

/*main.cpp*/
bool handler(int data)
{
	srand(time(NULL));
	int n = rand() % 5;
	printf("Thread: %p Run Tast: %d--sleep %d sec\n", pthread_self(), data, n);
	sleep(n);
	return true;
}
int main()
{
	int i;
	ThreadPool pool;
	pool.PoolInit();
	for (i = 0; i < 10; i++) {
		ThreadTask* tt = new ThreadTask(i, handler);
		pool.PushTask(tt);
	}
	pool.PoolQuit();
	return 0;
}

g++ -std=c++0x test.cpp -o test -pthread -lrt

---

☀️四、线程安全的单例模式

1.单例模式与设计模式

• 什么是单例模式

单例模式是一种 “经典的, 常用的, 常考的” 设计模式。

• 什么是设计模式

IT行业这么火，涌入的人很多，俗话说林子大了啥鸟都有。大佬和菜鸡们两极分化的越来越严重，为了让菜鸡们不太拖大佬的后腿，于是大佬们针对一些经典的常见的场景，给定了一些对应的解决方案，这个就是 设计模式。

• 单例模式的特点

某些类, 只应该具有一个对象(实例), 就称之为单例.

例如一个男人只能有一个媳妇.

在很多服务器开发场景中, 经常需要让服务器加载很多的数据 (上百G) 到内存中. 此时往往要用一个单例的类来管理这些数据.

2.饿汉实现方式和懒汉实现方式

[洗碗的例子]

吃完饭, 立刻洗碗, 这种就是饿汉方式. 因为下一顿吃的时候可以立刻拿着碗就能吃饭.
吃完饭, 先把碗放下, 然后下一顿饭用到这个碗了再洗碗, 就是懒汉方式.

懒汉方式最核心的思想是 “延时加载”. 从而能够优化服务器的启动速度.

• 饿汉方式实现单例模式

template <typename T>
class Singleton {
	static T data;
public:
	static T* GetInstance() 
	{
		return &data;
	}
};

只要通过 Singleton 这个包装类来使用 T 对象, 则一个进程中只有一个 T 对象的实例.

• 懒汉方式实现单例模式

template <typename T>
class Singleton {
	static T* inst;
public:
	static T* GetInstance() 
    {
		if (inst == NULL) 
    	{
			inst = new T();
		}
        return inst;
	}
};

上述代码存在一个严重的问题, 线程不安全.

第一次调用 GetInstance 的时候, 如果两个线程同时调用, 可能会创建出两份 T 对象的实例.

但是后续再次调用, 就没有问题了.

• 懒汉方式实现单例模式(线程安全版本)

// 懒汉模式, 线程安全
template <typename T>
class Singleton {
	volatile static T* inst; // 需要设置 volatile 关键字, 否则可能被编译器优化.
	static std::mutex lock;
public:
	static T* GetInstance() {
		if (inst == NULL) { // 双重判定空指针, 降低锁冲突的概率, 提高性能.
			lock.lock(); // 使用互斥锁, 保证多线程情况下也只调用一次 new.
			if (inst == NULL) {
				inst = new T();
			}
			lock.unlock();
		}
		return inst;
	}
};

注意事项:

1. 加锁解锁的位置
2. 双重 if 判定, 避免不必要的锁竞争
3. volatile关键字防止过度优化

---

☀️五、STL,智能指针和线程安全

• 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.

---

☀️六、其他常见的各种锁（了解）

• 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…

---

多线4 的知识大概就讲到这里啦，博主后续会继续更新更多C++ 和 Linux的相关知识，干货满满，如果觉得博主写的还不错的话，希望各位小伙伴不要吝啬手中的三连哦！你们的支持是博主坚持创作的动力！