博客
关于我
vins-mono使用的多线程代码解读
阅读量:519 次
发布时间:2019-03-07

本文共 1823 字,大约阅读时间需要 6 分钟。

lock_guard、unique_lock以及condition variable在多线程编程中各具特色,适用于不同的场景。掌握它们能够有效提升程序的性能和安全性。以下是对这三个概念的详细分析:

1. lock_guard

lock_guard是一种轻量级的锁管理器,主要用于在指定作用域内自动管理_mutex锁。其优点包括:

  • 自动获取锁:当lock_guard对象构造时,自动获取_mutex锁。
  • 自动释放锁:当对象离开作用域时,自动释放锁,确保锁的高效管理。
  • 无需调用unlock:简化了代码结构,减少了错误可能性。
  • 不可拷贝:对象不能被复制,防止多线程竞试问题。

其主要适用于不需要显式锁管理的场景,例如在函数或块级作用域内使用锁,可以确保代码执行时的互斥性,防止竞态条件和活锁。

2. unique_lock

unique_lock同样是一个锁管理器,但相比lock_guard,它具有更高的灵活性和功能性:

  • 显式锁管理:可以显式调用release方法来释放锁,增强对锁生命周期的控制。
  • 高级功能:支持多种锁策略(如递归锁)、特定时间等待(如try_lock_for、try_lock_until)以及与condition variable的结合使用。
  • 可拷贝:在某些情况下,可作为必须的一个管理方式。

在需要显式控制锁的线程同步或与其他机制结合使用(如条件变量)时,unique_lock提供了更大的灵活性。

3. condition variable

condition variable是一种用于线程间等待特定条件的机制,通常用于生产者和消费者问题。它的作用包括:

  • 通知机制:使用notify_one或notify_all方法通知一个或多个线程。
  • 条件等待:挂起当前线程,直到指定的条件满足。
  • 自动锁管理:当使用unique_lock时,条件变量会自动管理锁的获取与释放,确保在其它线程被通知时,当前线程能够重新获取锁。

调用示例

以下是一个简单的多线程程序示例,展示了如何使用lock_guard、unique_lock和condition_variable:

#include 
#include
#include
#include
using namespace std;std::condition_variable cv;std::mutex m;long balance = 0;void addMoney(int money) { unique_lock
ul(m); balance += money; cout << "Amount added: " << balance << endl; cv.notify_one(); this_thread::sleep_for(chrono::seconds(2));}void withdrawMoney(int money) { unique_lock
ul(m); cv.wait(ul, [&]{ return balance != 0; }); if (balance >= money) { balance -= money; cout << "Amount withdrawn: " << money << endl; }}int main() { thread t1(addMoney, 100); t1.join(); // 等待其完成 thread t2(withdrawMoney, 50); t2.join(); return 0;}

在这个示例中,addMoney函数在每隔两秒钟增加一次金额,并通知条件变量。withdrawMoney函数会等待直到有金额可以被提取,然后尝试进行提款。如果提款成功,执行相应的操作,否则保持等待状态,直到条件变量被再次通知。

总结

lock_guard适用于在特定范围内自动管理锁,而unique_lock则提供更高级别的功能和灵活性,尤其适用于结合条件变量的多线程问题。condition variable则为线程间的等待与通知提供了强有力的支持,使得多线程程序能够高效且安全地管理资源和数据。

转载地址:http://nvhjz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>