算法优化之c++多线程优化：思考与总结

最新推荐文章于 2025-03-04 09:33:22 发布

逐云者123

最新推荐文章于 2025-03-04 09:33:22 发布

阅读量9.5k

点赞数 17

分类专栏：算法优化 C/C++

本文链接：https://blog.csdn.net/gaussrieman123/article/details/80981144

版权

算法优化同时被 2 个专栏收录

6 篇文章

订阅专栏

C/C++

5 篇文章

订阅专栏

最近的项目中要用多线程来对代码进行优化，期间查阅了一些资料，主要是踩过一些坑，在此记录一下，给自己提个醒。

1.什么是多线程优化

首先我们要知道什么是线程，这点没有谁比维基百科说的更好了，直接点击查看：线程（英语：thread）是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。

正因为线程是调度的最小单位，控制好了线程，也就相当于控制好了计算资源。之所以叫计算资源，是因为我们不确定程序运行在什么类型的硬件设备上，多线程优化这个概念，更多的是强调资源的高利用率，而不是低使用率，即每份计算资源都能被充分的利用，这才是优化的本质，而并不是要强行减少资源的使用。多线程优化，就是利用多线程来并行处理多个任务，提高计算资源的利用率，从而提升系统效率。

2.为什么多线程能够提高利用率

刚才我们有了多线程优化的概念，里面提到关键一点是计算资源的高利用率，那么为什么多线程能够提高利用率呢？是不是只要加上多线程，程序就跑得快了呢？显然不是这样的，这里面还涉及到什么样的任务适合多线程，我们留到后面再说，现在只是说说多线程相较于单线程，优化了什么。现在的通用硬件设备大多都是单CPU多处理核心的架构，比如iPhone X的A11芯片的CPU部分为六核心设计，由2颗代号为“季风”（Monsoon）的高性能核心及4颗代号为“西北风”（Mistral）的节能核心。多核心意味着CPU能同时进行多个“最小单位”的调度和处理，这个最小单位就是我们前面提到的线程。换句话说，多核心使得多个线程能够同时运行，达到并行的效果。

举个例子，一个班40个同学春游，如果只有一辆双人车，那么不算司机一次只能运1人，一共需要40次才能运完，如果同时有4辆车同时运，那么只需要10次就能运完。类比到计算任务，运40个人就是总体任务，车就是线程，“双人”是线程的处理逻辑，如果单一线程，那么一共需要40次处理才能完成任务，而我们刚才反复说到线程是最小调度单元，也就是说，对于这个任务，单一线程意味着CPU每时每刻都只有一个核心在工作，其他核心都在睡觉，即使把这个核心累死，也就只能开一辆车，这样效率是不高的。如果有四辆车，也就是同时有4个核心在工作，显然系统的计算资源得到了更好的利用。

例子讲完了，肯定有人会问，为什么一辆车只能坐一个人呢，我为什么不找一辆7座的，一次运6个同学多好。这是一个很好的问题，问题的核心在于，提高单一线程的处理效率，这是在多线程优化之前就应该完成的任务，可以通过更好的逻辑设计以及单指令多数据（SIMD）来进行优化，提高单一线程的处理能力，根据实际情况，可以升级为4座甚至7座车，这点可以参考SIMD相关资料。那还有人会问，为什么我不多叫几辆车，叫40辆双人车，一次运完，岂不更省事？这个想法很直接很美好，但是往往我们找不到这么多车，经费不够！类比到计算设备上，就是CPU核心数不会太多，受限于材料、工艺和能耗，CPU的核心数会有限制，像我们提到的iPhone X，也就6个核心，所以40辆车是不可能了。那6辆车呢？不是6个核心吗，6辆车，不是刚好吗？这里的确存在一个问题，6核心运行6线程是否比6核心运行4线程好。这个答案是不确定的，与计算设备的状态有关，因为我们知道，计算设备不可能同时只处理一个任务，除了你安排的任务，还有其他人安排的任务，以及它为了维护自身正常运行所进行的任务，所以线程的数量并不是越多越好，要根据实际情况进行测试得到最优结果。

对于典型可分离的任务，如春游运同学，多线程能够使得CPU的多个核心同时处理任务，从而提高CPU的利用率，来提升性能。

3.什么任务适合多线程

下雨了，双人车不挡雨，同学都需要雨衣，否则没法出去，刚才提到的40个同学里面，只有39件雨衣，剩下一个倒霉蛋李明没有，但是，韩梅梅愿意和李明共享一件雨衣，解决出行难题，一共10里路，他们每走一段，就换一个人穿雨衣，剩下的那个就只能等。本来很快的一段行程，因为他们俩需要中途等雨衣，导致他们比其他同学迟到了一个小时。他们俩都说，下次如果再下雨，我就等你到了再出发，也比这样中途换雨衣方便。同样的任务，因为存在耦合以及数据竞争，导致任务执行的效率下降，例子中的雨衣就是两个任务都要访问的全局变量，如果俩人同时抢雨衣，那么雨衣很可能会被撕坏，系统会出现各种未定义的行为，主要以段错误和内存错误为主，但实际上是因为抢雨衣导致的。这种耦合任务，多线程执行效率可能比单线程只想两次还要低。

任务间耦合度高、独立性低的，不适合多线程。

那是不是说这种情况就没有办法优化了呢？也不是。李明和韩梅梅的雨衣比较高级，可以分成两半，而且还可以再接起来，再加上他俩感情深厚，于是决定每人只要一半，哪怕会淋点与，但是也无所谓，到了目的地再把雨衣拼成完好的一件，并不影响结果。在多线程里，如果一个全局变量被每条线程都访问，那么可以用局部变量来代替全部变量作为参数传入多线程中，在计算完成之后，统一恢复到全局变量中。

第二次春游，学校统一组织，400人，找了个很近的地方，双人车过去只要1分钟，还不如上下车换人的时间长，还是之前的车，还是之前的人。但是这次春游的组织却让大家都很头疼，因为时间全浪费在上下车换人上了，每个人在车上只坐一分钟，而上下车换人可能都不止这点时间，不停的在上下人，导致现场非常拥挤。

如果单次任务执行时间非常短，而循环次数又非常多，不适合多线程。

这个时候，可以从逻辑上将任务拆分，拆成几个独立的任务，再使用多线程。

4.多线程使用方法

前面讲了一些小故事，都是瞎扯淡，现在才是干货。

多线程的使用，请直接参考破晓的博客，以及程序员的自我修养系列。

5.线程池的使用

又是干货，请参考100行c11线程池，里面有例子，可以直接运行:

#include <iostream>
#include <vector>
#include <chrono>

#include "ThreadPool.h"

int main()
{
    
    ThreadPool pool(4);
    std::vector< std::future<int> > results;

    for(int i = 0; i < 8; ++i) {
        results.emplace_back(
            pool.enqueue([i] {
                std::cout << "hello " << i << std::endl;
                std::this_thread::sleep_for(std::chrono::seconds(1));
                std::cout << "world " << i << std::endl;
                return i*i;
            })
        );
    }

    for(auto && result: results)
        std::cout << result.get() << ' ';
    std::cout << std::endl;
    
    return 0;
}