Linux——线程1

背景知识

堆区细粒堆划分

我们在申请堆空间时，我们只是设置了空间大小，并未设置空间从哪里结束。

堆区里面的详细信息，如某段空间从哪开始，从哪结束，由vm_area_struct负责记录，每申请一段空间就增加一个vm_area_struct，vm-area_struct是以双链表的形式进行连接，OS是可以做到让进程进行资源的细粒度划分。

磁盘到内存映射IO

可执行程序和物理内存都被化为4KB,即以4KB为单位。

当内存不足的时候，OS会把内存中不用的数据刷新到磁盘或刷新缓冲区，进行代码访问时，代码区的哪些数据经过映射可以访问到物理内存当中，如果某个区域未被映射，则需要从磁盘中加载数据到内存。

OS要管理物理内存的每个4KB，这种管理的数据结构叫struct_page,struct_page是内核级别的数据结构，该数据结构中有好多标记位，管理方式：先描述（通过标记位描述），再组织（通过数组的方式将所有的page管理起来，struct page mem[1-100w]）。

通过page知道物理内存的使用情况和属性。磁盘当中以4KB为单位的代码或数据即内容叫做页帧。而物理内存4KB大小叫页框。

IO的时候基本单位是4KB,IO的时候其实是把页帧装进页框里。从外设加载到内存时，是以4KB为单位，即使加载了1个字节，也是以4KB为单位。

当我们的代码运行起来后，页表一头和虚拟地址空间中的代码去对应起来，另一头会和磁盘的定位置对应起来。页表中还有一些字段，此时页表会发现我们当前对应的数据并未在内存当中，此时会让OS先申请一个page，再根据页表找到磁盘当中可执行程序的内容，再把内容通过文件系统加载到内存当中，然后把物理内存4KB对应的地址覆盖到页表中的磁盘地址，因此页表和磁盘也就没有了联系。这一套过程被称为“缺页中断”。用户对页表中断0感知

页表的划分

假设页表每个条目（页表的一行，上图的页表一行格子）为9字节，页表总共有2^32个条目，即4GB，而页表是需要保存在物理内存当中的，若要存页表大小就在9*4GB物理内存，而此时页表太大了，根本无法这样直接保存。

OS在虚拟地址（32位），把这32个比特位化为3个区，按照10，10，12划分

页表可看作是<k,v> k代表左边映射关系，v代表右边映射关系

页表是多个结构，一级页表被称作页目录，一级页表只对虚拟地址的前10个比特位进行索引，一级页表共2^10（1024）个条目，即1024对映射关系，假设每个条目大小为10字节，总共大小为10kb。一级页表的k是10个比特位，v是二级页表所在条目地址。

二级页表跟一节页表规则一样，二级页表的k是10个比特位，v(右侧)代表物理内存某一个页的起始地址（虚拟地址要映射的那个页）

由于2^12刚好是4KB，最后12个比特位，存的是当前在这个页内的偏移量，二级页表是起始地址，3级页表是偏移量，这个偏移量叫页内偏移

通过页的起始地址+页内偏移就可获得我们的数据在物理内存的哪个地址处。

这样会使页表的体积变小。

Linux线程概念

什么是线程

若我们已经创建好一个进程，此时再创建进程，此时就会有俩套task_struct,mm_struct,页表

我们想在一个进程的基础上，在创建一个进程，而且这个新的进程只创建PCB（task_struct），这个PCB指向父进程对应的地址空间。

我们想以上面这种方式创建多个进程，而且通过一定的技术手段，将当前进程的“资源”，以一定的方式划分给不同的task_struct（如多个进程执行不同的代码）。而且对于CPU来说，这么多PCB不会影响到CPU。

只要创建出来了这种形式的PCB，如果需要资源，它们只需向自己的父进程要即可。

我们将这里的每一个task_struct可以称之为对应的线程。

线程在进程内部执行（线程在进程的地址空间内运行），是OS调度的基本单位（CPU不关心执行流是进程还是线程，只关心PCB）。

上面这种线程的实现方案，是Linux特有的方案。Linux中没有专门为线程设计的数据结构（线程的很多工作和进程是重复的）。进程有地址空间，线程共享的是进程的地址空间。

进程再认识

进程（图中红色部分）就是对应的内核数据（可以存在多个PCB）结构加所对应的代码和数据，这个结论是站在用户视角所看到的。

内核视角：进程是承担分配系统资源的基本实体。

如何理解曾经我们所写的代码？

以前我们的代码只有一个TASK_STRUCT,这种进程叫做内部只有一个执行流的进程，而上面的是内部具有多个执行流的进程。进程地址空间内有多个执行流的时候，叫做单进程，多线程程序。task_struct是进程内部的执行流。

在CPU视角：CPU在调度的时候不受任何影响，因为运行队列全是task_struct，CPU其实不怎么关心当前是进程还是线程这样的概念，只认task_struct。CPU调度的基本单位“线程”。

在Linux下，PCB<=其它操作系统内的PCB的。即，量级更轻。当整个进程内部只有一个执行流的时候此时是等于。Linux下的进程可统一称之为轻量级进程。

Linux没有真正意义上的线程结构，因为没有为线程设计专用的数据结构，但是Linux是用进程PCB模拟的线程。

Linux并不能直接给我们提供线程相关的接口，只能提供轻量级进程的接口。 Linux在用户层实现了一套用户层多线程方案，以库的方式提供给用户进行使用，这个库是pthread线程库,这是Linux系统自带的。pthread线程库又叫原生线程库。这个库对应的创建线程是pthread_create

pthread_create

第一个参数是线程ID，第二个是线程属性，这个我们不用管，默认就可以。第三个参数是函数指针，返回值为void*，参数为void*，第四个参数是传递给函数指针的参数，当创建成功时，这个参数会被传递给前面的函数指针从而完成回调。

由于线程是用户层线程库，属于第三方（第一方语言，第二方OS接口），这个库不属于C/C++，属于OS，当我们编译代码直接使用该库就行，因为gcc,g++会帮我们找到相应的C/C++库，但由于这个库属于系统，我们在编译链接的时候要引入相应的选项来链接这个库。

若创建线程成功，返回0，否则返回错误码。

运行程序后，我们发现这里会报错，而且是链接时报错。

在makefile里加上-lpthread即可

我们可以看到我们是用了这个库的

稍微修改一下代码，然后运行

我们可以看到主线程和其它5个线程pid一样，因此说明了线程在进程内部运行

当程序运行的时候，我们进行执行流查看，我们发现只有一个进程。

我们用ps -aL查看到了六个执行流，而且这六个执行流PID都一样，LWP是轻量级进程对应的PID

第一个PID和LWP数字一样，说明第一个是主线程，当进行执行流调度的时候OS是根据LWP进行进行调度的，因为一个PID对应好多个执行流。

当我们杀掉这一个进程后，我们可以看到六个执行流全部退出

此时我们再查看执行流，我们发现已经没有执行流了

由于所有线程用的资源都来自进程，进程被干掉之后，进程的资源被回收，线程跟着退出。

线程如何看待进程的资源

进程的多个线程共享 同一地址空间,因此Text Segment、Data Segment都是共享的,如果定义一个函数,在各线程

中都可以调用,如果定义一个全局变量,在各线程中都可以访问到,除此之外,各线程还共享以下进程资源和环境:

1. 文件描述符表（一个线程打开一个文件分配的文件描述符是3，另一个线程打开文件分配的文件描述符是4）

2. 每种信号的处理方式(SIG_ IGN、SIG_ DFL或者自定义的信号处理函数)

3. 当前工作目录

4. 用户id和组id

5. 代码区也共享，堆区一般也是共享的，但是一般在使用的时候，每个线程申请的堆区认为是该线程私有的，因为只有一个线程能拿到该空间的地址，共享区也是共享的，栈区是私有的，但也可以设置为其它线程可见。

线程共享进程数据，但也拥有自己的一部分数据（b和c必须记住）:

1. 线程ID

2. 一组寄存器

3. 栈

4. errno信号屏蔽字

5. 调度优先级

进程和进程切换，进程和线程进行切换，线程切换的成本更低。

1. 地址空间不需要切换

2. 页表不需要切换

3. 因为CPU内部有硬件级别的缓存，L1~L3 cache，对内存的代码和数据，根据局部性原理（一条指令附近的代码有被使用的概率）预读到CPU内部。

如果进程切换由于进程具有独立性，CPU中对应的cache就立即失效，新进程需要重新缓存。