在现代软件开发中,高效地管理和利用计算资源是一项关键任务。线程池(Thread Pool)是一种非常有效的并发编程技术,它允许我们管理和重用一组线程,从而避免频繁创建和销毁线程带来的性能开销。
1. 线程池的基本概念
线程池是一组预先创建的线程,这些线程等待并执行任务。当任务到达时,它们从任务队列中获取并执行。线程池的主要优点包括:
- 减少线程创建和销毁的开销:线程的创建和销毁是昂贵的操作,通过重用线程,可以显著减少这种开销。
- 提高响应速度:任务可以立即由线程池中的线程执行,而无需等待新线程的创建。
- 控制并发量:线程池可以限制并发执行的任务数量,从而避免系统资源的过度使用。
2. 线程池的基本组成
一个典型的线程池主要包含以下几个部分:
- 任务队列:存储待执行的任务。
- 工作线程:实际执行任务的线程。
- 任务调度:从任务队列中取出任务并分配给工作线程。
3. 线程池的实现
下面我们将一步步实现一个简单的线程池。
3.1 包含的头文件
首先,我们需要包含一些必要的头文件:
#include <iostream>
#include <vector>
#include <thread>
#include <queue>
#include <mutex>
#include <condition_variable>
#include <functional>
#include <future>
3.2 任务队列
我们使用一个线程安全的任务队列来存储待执行的任务:
class ThreadPool {
public:
using Task = std::function<void()>;
ThreadPool(size_t numThreads);
~ThreadPool();
template <class F, class... Args>
auto enqueue(F&& f, Args&&... args) -> std::future<typename std::result_of<F(Args...)>::type>;
private:
// Worker threads
std::vector<std::thread> workers;
// Task queue
std::queue<Task> tasks;
// Synchronization
std::mutex queueMutex;
std::condition_variable condition;
bool stop;
};
// Constructor
ThreadPool::ThreadPool(size_t numThreads) : stop(false) {
for (size_t i = 0; i < numThreads; ++i) {
workers.emplace_back([this] {
while(true) {
Task task;
{
std::unique_lock<std::mutex> lock(this->queueMutex);
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();
}
});
}
}
// Destructor
ThreadPool::~ThreadPool() {
{
std::unique_lock<std::mutex> lock(queueMutex);
stop = true;
}
condition.notify_all();
for (std::thread& worker : workers) {
worker.join();
}
}
3.3 添加任务到队列
我们需要一个方法来向线程池中添加任务。这个方法将返回一个 std::future
对象,允许我们获取任务的执行结果:
template <class F, class... Args>
auto ThreadPool::enqueue(F&& f, Args&&... args) -> std::future<typename std::result_of<F(Args...)>::type> {
using returnType = typename std::result_of<F(Args...)>::type;
auto task = std::make_shared<std::packaged_task<returnType()>>(std::bind(std::forward<F>(f), std::forward<Args>(args)...));
std::future<returnType> result = task->get_future();
{
std::unique_lock<std::mutex> lock(queueMutex);
if (stop) throw std::runtime_error("enqueue on stopped ThreadPool");
tasks.emplace([task]() { (*task)(); });
}
condition.notify_one();
return result;
}
3.4 完整代码
将以上各部分代码整合在一起,形成一个完整的线程池实现:
#include <iostream>
#include <vector>
#include <thread>
#include <queue>
#include <mutex>
#include <condition_variable>
#include <functional>
#include <future>
class ThreadPool {
public:
using Task = std::function<void()>;
ThreadPool(size_t numThreads);
~ThreadPool();
template <class F, class... Args>
auto enqueue(F&& f, Args&&... args) -> std::future<typename std::result_of<F(Args...)>::type>;
private:
// Worker threads
std::vector<std::thread> workers;
// Task queue
std::queue<Task> tasks;
// Synchronization
std::mutex queueMutex;
std::condition_variable condition;
bool stop;
};
// Constructor
ThreadPool::ThreadPool(size_t numThreads) : stop(false) {
for (size_t i = 0; i < numThreads; ++i) {
workers.emplace_back([this] {
for (;;) {
Task task;
{
std::unique_lock<std::mutex> lock(this->queueMutex);
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();
}
});
}
}
// Destructor
ThreadPool::~ThreadPool() {
{
std::unique_lock<std::mutex> lock(queueMutex);
stop = true;
}
condition.notify_all();
for (std::thread& worker : workers) {
worker.join();
}
}
template <class F, class... Args>
auto ThreadPool::enqueue(F&& f, Args&&... args) -> std::future<typename std::result_of<F(Args...)>::type> {
using returnType = typename std::result_of<F(Args...)>::type;
auto task = std::make_shared<std::packaged_task<returnType()>>(std::bind(std::forward<F>(f), std::forward<Args>(args)...));
std::future<returnType> result = task->get_future();
{
std::unique_lock<std::mutex> lock(queueMutex);
if (stop) throw std::runtime_error("enqueue on stopped ThreadPool");
tasks.emplace([task]() { (*task)(); });
}
condition.notify_one();
return result;
}
3.5 测试线程池
下面是一个简单的测试代码,展示如何使用这个线程池:
int main() {
ThreadPool pool(4);
auto result1 = pool.enqueue([](int answer) { return answer; }, 42);
auto result2 = pool.enqueue([](int x, int y) { return x + y; }, 5, 3);
std::cout << "Result1: " << result1.get() << std::endl;
std::cout << "Result2: " << result2.get() << std::endl;
return 0;
}
4. 结论
通过使用线程池,我们可以有效地管理并发任务,提高系统的性能和响应速度。
标签:std,task,lock,C++,ThreadPool,详解,线程,include From: https://blog.csdn.net/m0_74091159/article/details/139418221