百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

C++ std::atomic 原子操作

ztj100 2025-01-21 23:12 71 浏览 0 评论

01


引言

在C++中,std::atomic 是标准库中的一个模板类,用于提供原子操作。原子操作是指在多线程环境下,当多个线程尝试同时访问和修改共享数据时,能够保证数据的完整性和一致性的单个操作。std::atomic 通过确保操作的原子性,来避免竞态条件和数据竞争。

02


重要性

在多线程程序中,如果多个线程同时读写同一内存位置,可能会导致数据不一致的问题。

std::atomic 提供了一系列原子类型,如 std::atomic<int>、std::atomic<long>、std::atomic<bool> 等,以及对它们的原子操作,如加载(load)、存储(store)、交换(exchange)、增加(fetch_add)等。

03


基本用法

原子操作类型:

  • 加载(Load):load() 方法原子地读取变量的值。
  • 存储(Store):store() 方法原子地将一个值写入变量。
  • 交换(Exchange):exchange() 方法原子地交换变量的值。
  • 增加(Fetch Add):fetch_add() 方法原子地增加变量的值,并返回增加前的值。
  • 减少(Fetch Sub):fetch_sub() 方法原子地减少变量的值,并返回减少前的值。
  • 比较并交换(Compare and Exchange):compare_exchange_weak() 或 compare_exchange_strong() 方法原子地进行比较并交换操作。
#include <atomic> // 头文件


std::atomic<int> atomicVar(0); // 初始化原子变量


// 原子地增加 atomicVar 的值
atomicVar.fetch_add(1);


// 原子地读取 atomicVar 的值
int value = atomicVar.load();


// =============================


std::atomic<int> data(100);


int current_value = data.load();  // 原子地加载 data 的值到 current_value
data.store(200);                  // 原子地将 200 存储到 data

04


示例

#include <iostream>
#include <atomic>
#include <thread>


std::atomic<int> counter(0); // 使用原子变量来计数


void incrementCounter() {
    for (int i = 0; i < 1000; ++i) {
        counter.fetch_add(1, std::memory_order_relaxed); // 原子增加
    }
}


int main() {
    std::thread t1(incrementCounter);
    std::thread t2(incrementCounter);


    t1.join();
    t2.join();


    std::cout << "Final counter value: " << counter.load() << std::endl; // 输出计数结果
    return 0;
}

在这个示例中,我们创建了一个原子计数器 counter,并启动了两个线程,每个线程对计数器执行1000次增加操作。由于使用了原子操作,最终的计数结果是准确的。

05


小结

std::atomic 是C++11及以后版本中多线程编程的重要特性,使用 std::atomic 的关键步骤包括包含相关的头文件、声明和初始化原子变量、执行原子操作以及选择适当的内存顺序。通过使用适当的成员函数和操作符,可以实现原子操作,并确保操作的完整性和一致性。同时,需要根据需求选择适当的内存顺序来控制操作的顺序和可见性。

std::atomic 的操作通常需要指定内存顺序memory order,如 std::memory_order_relaxed/std::memory_order_acquire/std::memory_order_release 等,以确保操作的原子性和内存一致性。

原子操作的性能开销通常比非原子操作高,需谨慎使用。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: