C++ 多線程編程總結
在開發(fā)C++程序時，一般在吞吐量、并發(fā)、實時性上有較高的要求。設計C++程序時，總結起來可以從如下幾點提高效率：
● l 并發(fā)
● l 異步
● l 緩存
下面將我平常工作中遇到一些問題例舉一二，其設計思想無非以上三點。
1任務隊列
1.1 以生產(chǎn)者-消費者模型設計任務隊列
生產(chǎn)者-消費者模型是人們非常熟悉的模型，比如在某個服務器程序中，當User數(shù)據(jù)被邏輯模塊修改后，就產(chǎn)生一個更新數(shù)據(jù)庫的任務（produce），投遞給IO模塊任務隊列，IO模塊從任務隊列中取出任務執(zhí)行sql操作（consume）。
設計通用的任務隊列，示例代碼如下：
詳細實現(xiàn)可參見：
http://ffown.googlecode.com/svn/trunk/fflib/include/detail/task_queue_impl.h
- void task_queue_t::produce(const task_t& task_) {
- lock_guard_t lock(m_mutex);
- if (m_tasklist->empty()){//! 條件滿足喚醒等待線程
- m_cond.signal();
- }
- m_tasklist->push_back(task_);
- }
- int task_queue_t::comsume(task_t& task_){
- lock_guard_t lock(m_mutex);
- while (m_tasklist->empty())//! 當沒有作業(yè)時，就等待直到條件滿足被喚醒{
- if (false == m_flag){
- return -1;
- }
- m_cond.wait();
- }
- task_ = m_tasklist->front();
- m_tasklist->pop_front();
- return 0;
- }
1.2 任務隊列使用技巧
1.2.1 IO 與 邏輯分離
比如網(wǎng)絡游戲服務器程序中，網(wǎng)絡模塊收到消息包，投遞給邏輯層后立即返回，繼續(xù)接受下一個消息包。邏輯線程在一個沒有io操作的環(huán)境下運行，以保障實時性。示例：
- void handle_xx_msg(long uid, const xx_msg_t& msg){
- logic_task_queue->post(boost::bind(&servie_t::proces, uid, msg));
- }
注意，此模式下為單任務隊列，每個任務隊列單線程。
1.2.2 并行流水線
上面的只是完成了io 和 cpu運算的并行，而cpu中邏輯操作是串行的。在某些場合，cpu邏輯運算部分也可實現(xiàn)并行，如游戲中用戶A種菜和B種菜兩種操作是完全可以并行的，因為兩個操作沒有共享數(shù)據(jù)。最簡單的方式是A、B相關的操作被分配到不同的任務隊列中。示例如下：
- void handle_xx_msg(long uid, const xx_msg_t& msg) {
- logic_task_queue_array[uid % sizeof(logic_task_queue_array)]->post(
- boost::bind(&servie_t::proces, uid, msg));
- }
注意，此模式下為多任務隊列，每個任務隊列單線程。
1.2.3 連接池與異步回調(diào)
比如邏輯Service模塊需要數(shù)據(jù)庫模塊異步載入用戶數(shù)據(jù)，并做后續(xù)處理計算。而數(shù)據(jù)庫模塊擁有一個固定連接數(shù)的連接池，當執(zhí)行SQL的任務到來時，選擇一個空閑的連接，執(zhí)行SQL，并把SQL 通過回調(diào)函數(shù)傳遞給邏輯層。其步驟如下：
●n 預先分配好線程池，每個線程創(chuàng)建一個連接到數(shù)據(jù)庫的連接
●n 為數(shù)據(jù)庫模塊創(chuàng)建一個任務隊列，所有線程都是這個任務隊列的消費者
●n 邏輯層想數(shù)據(jù)庫模塊投遞sql執(zhí)行任務，同時傳遞一個回調(diào)函數(shù)來接受sql執(zhí)行結果
示例如下：
- void db_t:load(long uid_, boost::functionpost(boost::bind(&db_t:load, uid, func));
注意，此模式下為單任務隊列，每個任務隊列多線程。
2. 日志
本文主要講C++多線程編程，日志系統(tǒng)不是為了提高程序效率，但是在程序調(diào)試、運行期排錯上，日志是無可替代的工具，相信開發(fā)后臺程序的朋友都會使用日志。常見的日志使用方式有如下幾種：
●n 流式，如logstream << “start servie time[%d]” << time(0) << ” app name[%s]” << app_string.c_str() << endl;
●n Printf 格式如：logtrace(LOG_MODULE, “start servie time[%d] app name[%s]“, time(0), app_string.c_str());
二者各有優(yōu)缺點，流式是線程安全的，printf格式格式化字符串會更直接，但缺點是線程不安全，如果把app_string.c_str() 換成app_string （std::string），編譯被通過，但是運行期會crash（如果運氣好每次都crash，運氣不好偶爾會crash）。我個人鐘愛printf風格，可以做如下改進：
●l 增加線程安全，利用C++模板的traits機制，可以實現(xiàn)線程安全。示例：
- template
- void logtrace(const char* module, const char* fmt, ARG1 arg1){
- boost::format s(fmt);
- f % arg1;
- }
這樣，除了標準類型+std::string 傳入其他類型將編譯不能通過。這里只列舉了一個參數(shù)的例子，可以重載該版本支持更多參數(shù)，如果你愿意，可以支持9個參數(shù)或更多。
●l 為日志增加顏色，在printf中加入控制字符，可以再屏幕終端上顯示顏色，Linux下示例：printf(“\033[32;49;1m [DONE] \033[39;49;0m")
更多顏色方案參見：
http://hi.baidu.com/jiemnij/blog/item/d95df8c28ac2815cb219a80e.html
●l 每個線程啟動時，都應該用日志打印該線程負責什么功能。這樣，程序跑起來的時候通過top –H – p pid 可以得知那個功能使用cpu的多少。實際上，我的每行日志都會打印線程id，此線程id非pthread_id，而其實是線程對應的系統(tǒng)分配的進程id號。
3. 性能監(jiān)控
盡管已經(jīng)有很多工具可以分析c++程序運行性能，但是其大部分還是運行在程序debug階段。我們需要一種手段在debug和release階段都能監(jiān)控程序，一方面得知程序瓶頸之所在，一方面盡早發(fā)現(xiàn)哪些組件在運行期出現(xiàn)了異常。
通常都是使用gettimeofday 來計算某個函數(shù)開銷，可以精確到微妙。可以利用C++的確定性析構，非常方便的實現(xiàn)獲取函數(shù)開銷的小工具,示例如下：
- struct profiler{
- profiler(const char* func_name){
- gettimeofday(&tv, NULL);
- }
- ~profiler(){
- struct timeval tv2;
- gettimeofday(&tv2, NULL);
- long cost = (tv.tv_sec - tv.tv_sec) * 1000000 + (tv.tv_usec - tv.tv_usec);
- //! post to some manager
- }
- struct timeval tv;
- };
- #define PROFILER() profiler(__FUNCTION__)
Cost 應該被投遞到性能統(tǒng)計管理器中，該管理器定時講性能統(tǒng)計數(shù)據(jù)輸出到文件中。
4 Lambda 編程
使用foreach 代替迭代器
很多編程語言已經(jīng)內(nèi)建了foreach，但是c++還沒有。所以建議自己在需要遍歷容器的地方編寫foreach函數(shù)。習慣函數(shù)式編程的人應該會非常鐘情使用foreach，使用foreach的好處多多少少有些，如：
http://www.cnblogs.com/chsword/archive/2007/09/28/910011.html
但主要是編程哲學上層面的。
示例：
- void user_mgr_t::foreach(boost::function func_){
- for (iterator it = m_users.begin(); it != m_users.end() ++it){
- func_(it->second);
- }
- }
比如要實現(xiàn)dump 接口，不需要重寫關于迭代器的代碼
- void user_mgr_t:dump(){
- struct lambda {
- static void print(user_t& user){
- //! print(tostring(user);
- }
- };
- this->foreach(lambda::print);
- }
實際上，上面的代碼變通的生成了匿名函數(shù)，如果是c++ 11 標準的編譯器，本可以寫的更簡潔一些：
- this->foreach([](user_t& user) {} );
但是我大部分時間編寫的程序都要運行在centos 上，你知道嗎它的gcc版本是gcc 4.1.2， 所以大部分時間我都是用變通的方式使用lambda函數(shù)。
Lambda 函數(shù)結合任務隊列實現(xiàn)異步
常見的使用任務隊列實現(xiàn)異步的代碼如下：
- void service_t:async_update_user(long uid){
- task_queue->post(boost::bind(&service_t:sync_update_user_impl, this, uid));
- }
- void service_t:sync_update_user_impl(long uid){
- user_t& user = get_user(uid);
- user.update()
- }
這樣做的缺點是，一個接口要響應的寫兩遍函數(shù)，如果一個函數(shù)的參數(shù)變了，那么另一個參數(shù)也要跟著改動。并且代碼也不是很美觀。使用lambda可以讓異步看起來更直觀，仿佛就是在接口函數(shù)中立刻完成一樣。示例代碼：
- void service_t:async_update_user(long uid){
- struct lambda {
- static void update_user_impl(service_t* servie, long uid){
- user_t& user = servie->get_user(uid);
- user.update();
- }
- };
- task_queue->post(boost::bind(&lambda:update_user_impl, this, uid));
- }
這樣當要改動該接口時，直接在該接口內(nèi)修改代碼，非常直觀。
5. 奇技淫巧
利用shared_ptr 實現(xiàn)map/reduce
Map/reduce的語義是先將任務劃分為多個任務，投遞到多個worker中并發(fā)執(zhí)行，其產(chǎn)生的結果經(jīng)reduce匯總后生成最終的結果。Shared_ptr的語義是什么呢？當***一個shared_ptr析構時，將會調(diào)用托管對象的析構函數(shù)。語義和map/reduce過程非常相近。我們只需自己實現(xiàn)講請求劃分多個任務即可。示例過程如下：
●l 定義請求托管對象，加入我們需要在10個文件中搜索“oh nice”字符串出現(xiàn)的次數(shù)，定義托管結構體如下：
- struct reducer{
- void set_result(int index, long result) {
- m_result[index] = result;
- }
- ~reducer(){
- long total = 0;
- for (int i = 0; i < sizeof(m_result); ++i){
- total += m_result[i];
- }
- //! post total to somewhere
- }
- long m_result[10];
- };
●l 定義執(zhí)行任務的 worker
- void worker_t:exe(int index_, shared_ptr ret) {
- ret->set_result(index, 100);
- }
●l 將任務分割后，投遞給不同的worker
- shared_ptr ret(new reducer());
- for (int i = 0; i < 10; ++i) { task_queue[i]->post(boost::bind(&worker_t:exe, i, ret));
- }
原文鏈接：http://www.cnblogs.com/zhiranok/archive/2012/05/13/cpp_multi_thread.html
【編輯推薦】
