多线程简介&应用

​
我们来先看一下冯诺依曼计算机硬件结构：

在早期的简单批处理操作系统中，存储设备I/O相对于处理器速度太慢，导致处理器经常空闲。如下所示：

执行任务内容	耗时(us)
CPU等待I/O	15
CPU运行	2
总计	17
$CPU利用率$	$2/17=0.1176=11.76\%$

从上述表格中各个环节的表现结果，可以提出两种方案：

• 方案一：提高存储器的I/O速度。

  如果把存储设备的速度再提高，就可以提高CPU的利用率了。确实，在计算机发展的历史中，也在不断地提高存储设备的I/O速率。将计算机的存储设备，分级提高速率，并努力的靠近CPU，如下图所示：
  

  但是，尽管这样，仍然无法使得我们的存储设备I/O与CPU的速度媲美。如若未来，将大容量的存储设备与CPU在同一个芯片中，且存储设备的I/O速率能达到与CPU计算速率匹配，将把计算效率推向一个新的高度。

• 方案二：多任务使用CPU，避免等待，提高CPU使用效率。

  其实，方案一，将存储设备I/O速率提升至与CPU计算速率媲美，所需要付出的代价很高。

  那多个任务使用CPU是否会提高CPU的利用率呢？
  假设两个完全相同的任务类型，那么执行效果如下：
  

  执行任务内容	耗时(us)
  CPU等待I/O	30
  CPU运行	4
  总计	34
  $CPU利用率$	$4/34=0.1176=11.76\%$

  多个任务就是简单的串行处理任务，效率并没有提升。

  ① 那是否可以让正在等待存储器中数据的任务释放CPU的使用权，让其他任务获取CPU使用权，以此来提高CPU的使用效率？——可以
  ② 等待存储器数据的任务，释放了CPU的使用权，又让谁来完成数据的搬移呢？—— DMA

DMA(Direct Memory Access)

DMA（Direct Memory Access）即直接存储器存取，是一种快速传送数据的机制。想了解更多DMA知识，参见知乎-Linux的彻底搞懂零拷贝技术( DMA、PageCache)一文。

从上图可以看出，CPU发起I/O请求后，后续的数据搬移工作，都交由DMA完成，等到数据都搬移完毕后，DMA向CPU发起程序中断请求，告知数据搬移完毕。在整个从外部设备读写过程中，CPU仅参与控制，大大减少了CPU的开销。

多任务

有了DMA的助力，DMA搬移数据的过程中，CPU资源可以被释放出来，执行其他任务。

执行任务内容	耗时(us)
CPU等待I/O	13
CPU运行	4
总计	17
$CPU利用率$	$4/17=0.2353=23.53\%$

从上述结果可以看出，两个任务情况下，CPU的利用率是原来的2倍。如果有16个相同的任务执行，那么运行结果如下表所示：

执行任务内容	耗时(us)
CPU等待I/O	0
CPU运行	32
总计	32
$CPU利用率$	$32/32=1=100\%$

在多任务调度的情况下，能充分利用CPU，提高任务处理的及时性。处理效率对比如下：

任务处理方式(16个相同任务)	耗时(us)
单任务串行执行	$16\ast 17=272$
多任务调度执行	$16\ast 2=32$
效率提升	$272/32=8.5$倍

多任务，可以是多个进程，也可以是单进程中的多个线程。当前我们重点介绍的是多线程，因此多线程也是能够提高任务的处理效率。

在本节的最后，给读者提一个问题：

单核CPU是否支持多线程？多线程任务一定可以提高效率吗？

解析 1. 单核CPU是支持多线程。操作系统中，每个任务会被分配不同的调度时间片，一旦调度时间到达，即便任务未完成，也会被切换到其他任务上执行。由于调度时间周期比较短，在用户层面感知不到，只能感受到是多个任务同时在执行。
2. 多线程任务不一定可以提高效率。这需要区分I/O密集型，还是计算密集型。如果是I/O密集型，是可以提高效率的。计算密集型，单核CPU会一直参与计算，多个线程任务将等效于串行执行。另外，多个线程任务之间的切换还会带来一定的开销，计算密集型多线程时比单线程任务效率低。

​