【QA】在GCD中控制并发数

首先感谢下热心观众,回复了若干个问题,没办法一一解答(有的我也不知道额- -)请见谅。


今天回复下@陈作君同学的提问:

dispatch_concurrent_queue怎么像nsoperationqueue一样控制其中任务的并发数


没理解错的话,应该指 NSOperationQueue 中的

maxConcurrentOperationCount 属性,它可以控制最大并发的 operation 数,但 GCD 的并行队列里貌似没有 API 来控制它。


随后我去翻了下,暂时也没找到某个直接的 API 能干这个事,但可以通过信号量的方式实现这个需求。


我们用global queue这个并发的queue做测试,假设有下面的代码:




运行的结果是这样的:



由于GCD内置的最大并发数(也就是它的线程池容量)在64个的样子,所以小于这个数的并发请求都是能同时start的。而且,我们不应该(貌似也不能)去更改GCD对自己线程池的维护方式。所以,若我们想实现并发数为3,可以在block进入queue之前就“拦一下”



上面的代码简单的利用了信号量将通过这个方法执行的block并发数维持在3个,刚才的测试代码换成这个函数后:




运行结果:



在同一时刻就最多有3个线程在干活儿了。希望题主是这个意思- -


刚才这个dispatch_async_limit_3只是测试用,真的要用在工程里的时候还是要注意,dispatch_semaphore_wait 方法在等待信号量时是会卡住当前线程的,谁也不想调用它的时候很可能被卡住(尤其是主线程),所以更好的方案是将信号量等待的操作放在另一个串行线程中:



大概就是这样了

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像据进行疾病诊断,或者利用机器学习算法分析基因据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通据优化交通流量,或者利用机器学习算法分析传感器据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值