C++11 多线程：数据保护

在编写多线程程序时，多个线程同时访问某个共享资源，会导致同步的问题，这篇文章中我们将介绍 C++11 多线程编程中的数据保护。

数据丢失

让我们从一个简单的例子开始，请看如下代码：

01	#include <iostream>

02	#include <string>

03	#include <thread>

04	#include <vector>

05

06	using std::thread;

07	using std::vector;

08	using std::cout;

09	using std::endl;

10

11	class Incrementer

12

{

13

private:

14	int counter;

15

16

public:

17	Incrementer() : counter{0} { };

18

19	void operator()()

20

{

21	for(int i = 0; i < 100000; i++)

22

{

23	this->counter++;

24

}

25

}

26

27	int getCounter() const

28

{

29	return this->counter;

30

}

31

};

32

33	int main()

34

{

35	// Create the threads which will each do some counting

36	vector<thread> threads;

37

38	Incrementer counter;

39

40	threads.push_back(thread(std::ref(counter)));

41	threads.push_back(thread(std::ref(counter)));

42	threads.push_back(thread(std::ref(counter)));

43

44	for(auto &t : threads)

45

{

46

t.join();

47

}

48

49	cout << counter.getCounter() << endl;

50

51

return 0;

52

}

这个程序的目的就是数数，数到30万，某些傻叉程序员想要优化数数的过程，因此创建了三个线程，使用一个共享变量 counter，每个线程负责给这个变量增加10万计数。

这段代码创建了一个名为 Incrementer 的类，该类包含一个私有变量 counter，其构造器非常简单，只是将 counter 设置为 0.

紧接着是一个操作符重载，这意味着这个类的每个实例都是被当作一个简单函数来调用的。一般我们调用类的某个方法时会这样 object.fooMethod()，但现在你实际上是直接调用了对象，如 object(). 因为我们是在操作符重载函数中将整个对象传递给了线程类。最后是一个 getCounter 方法，返回 counter 变量的值。

再下来是程序的入口函数 main()，我们创建了三个线程，不过只创建了一个 Incrementer 类的实例，然后将这个实例传递给三个线程，注意这里使用了 std::ref ，这相当于是传递了实例的引用对象，而不是对象的拷贝。

现在让我们来看看程序执行的结果，如果这位傻叉程序员还够聪明的话，他会使用 GCC 4.7 或者更新版本，或者是 Clang 3.1 来进行编译，编译方法：

1	g++ -std=c++11 -lpthread -o threading_example main.cpp

运行结果：

01	[lucas@lucas-desktop src]$ ./threading_example

02

218141

03	[lucas@lucas-desktop src]$ ./threading_example

04

208079

05	[lucas@lucas-desktop src]$ ./threading_example

06

100000

07	[lucas@lucas-desktop src]$ ./threading_example

08

202426

09	[lucas@lucas-desktop src]$ ./threading_example

10

172209

但等等，不对啊，程序并没有数数到30万，有一次居然只数到10万，为什么会这样呢？好吧，加1操作对应实际的处理器指令其实包括：

1	movl    counter(%rip), %eax

2	addl    $1, %eax

3	movl    %eax, counter(%rip)

首个指令将装载 counter 的值到 %eax 寄存器，紧接着寄存器的值增1，然后将寄存器的值移给内存中 counter 所在的地址。

我听到你在嘀咕：这不错，可为什么会导致数数错误的问题呢？嗯，还记得我们以前说过线程会共享处理器，因为只有单核。因此在某些点上，一个线程会依照指令执行完成，但在很多情况下，操作系统会对线程说：时间结束了，到后面排队再来，然后另外一个线程开始执行，当下一个线程开始执行时，它会从被暂停的那个位置开始执行。所以你猜会发生什么事，当前线程正准备执行寄存器加1操作时，系统把处理器交给另外一个线程？

我真的不知道会发生什么事，可能我们在准备加1时，另外一个线程进来了，重新将 counter 值加载到寄存器等多种情况的产生。谁也不知道到底发生了什么。

正确的做法

解决方案就是要求同一个时间内只允许一个线程访问共享变量。这个可通过 std::mutex 类来解决。当线程进入时，加锁、执行操作，然后释放锁。其他线程想要访问这个共享资源必须等待锁释放。

互斥(mutex) 是操作系统确保锁和解锁操作是不可分割的。这意味着线程在对互斥量进行锁和解锁的操作是不会被中断的。当线程对互斥量进行锁或者解锁时，该操作会在操作系统切换线程前完成。

而最好的事情是，当你试图对互斥量进行加锁操作时，其他的线程已经锁住了该互斥量，那你就必须等待直到其释放。操作系统会跟踪哪个线程正在等待哪个互斥量，被堵塞的线程会进入 "blocked onm" 状态，意味着操作系统不会给这个堵塞的线程任何处理器时间，直到互斥量解锁，因此也不会浪费 CPU 的循环。如果有多个线程处于等待状态，哪个线程最先获得资源取决于操作系统本身，一般像 Windows 和 Linux 系统使用的是 FIFO 策略，在实时操作系统中则是基于优先级的。

现在让我们对上面的代码进行改进：

01	#include <iostream>

02	#include <string>

03	#include <thread>

04	#include <vector>

05	#include <mutex>

06

07	using std::thread;

08	using std::vector;

09	using std::cout;

10	using std::endl;

11	using std::mutex;

12

13	class Incrementer

14

{

15

private:

16	int counter;

17

mutex m;

18

19

public:

20	Incrementer() : counter{0} { };

21

22	void operator()()

23

{

24	for(int i = 0; i < 100000; i++)

25

{

26	this->m.lock();

27	this->counter++;

28	this->m.unlock();

29

}

30

}

31

32	int getCounter() const

33

{

34	return this->counter;

35

}

36

};

37

38	int main()

39

{

40	// Create the threads which will each do some counting

41	vector<thread> threads;

42

43	Incrementer counter;

44

45	threads.push_back(thread(std::ref(counter)));

46	threads.push_back(thread(std::ref(counter)));

47	threads.push_back(thread(std::ref(counter)));

48

49	for(auto &t : threads)

50

{

51

t.join();

52

}

53

54	cout << counter.getCounter() << endl;

55

56

return 0;

57

}

注意代码上的变化：我们引入了 mutex 头文件，增加了一个 m 的成员，类型是 mutex，在operator()() 中我们锁住互斥量 m 然后对 counter 进行加1操作，然后释放互斥量。

再次执行上述程序，结果如下：

1	[lucas@lucas-desktop src]$ ./threading_example

2

300000

3	[lucas@lucas-desktop src]$ ./threading_example

4

300000

这下数对了。不过在计算机科学中，没有免费的午餐，使用互斥量会降低程序的性能，但这总比一个错误的程序要强吧。

防范异常

当对变量进行加1操作时，是可能会发生异常的，当然在我们这个例子中发生异常的机会微乎其微，但是在一些复杂系统中是极有可能的。上面的代码并不是异常安全的，当异常发生时，程序已经结束了，可是互斥量还是处于锁的状态。

为了确保互斥量在异常发生的情况下也能被解锁，我们需要使用如下代码：

01	for(int i = 0; i < 100000; i++)

02

{

03	this->m.lock();

04

try

05

{

06	this->counter++;

07	this->m.unlock();

08

}

09	catch(...)

10

{

11	this->m.unlock();

12

throw;

13

}

14

}

但是，这代码太多了，而只是为了对互斥量进行加锁和解锁。没关系，我知道你很懒，因此推荐个更简单的单行代码解决方法，就是使用 std::lock_guard 类。这个类在创建时就锁定了 mutex 对象，然后在结束时释放。

继续修改代码：

01	void operator()()

02

{

03	for(int i = 0; i < 100000; i++)

04

{

05	lock_guard<mutex> lock(this->m);

06

07	// The lock has been created now, and immediatly locks the mutex

08	this->counter++;

09

10	// This is the end of the for-loop scope, and the lock will be

11	// destroyed, and in the destructor of the lock, it will

12	// unlock the mutex

13

}

14

}

上面代码已然是异常安全了，因为当异常发生时，将会调用 lock 对象的析构函数，然后自动进行互斥量的解锁。

记住，请使用放下代码模板来编写：

view source

print ?

01	void long_function()

02

{

03	// some long code

04

05	// Just a pair of curly braces

06

{

07	// Temp scope, create lock

08	lock_guard<mutex> lock(this->m);

09

10	// do some stuff

11

12	// Close the scope, so the guard will unlock the mutex

13

}

14

}