C++ 并发编程(三):条件变量(Condition Variable)
ztj100 2025-01-21 23:12 37 浏览 0 评论
条件变量(Condition Variable)的一般用法是:线程 A 等待某个条件并挂起,直到线程 B 设置了这个条件,并通知条件变量,然后线程 A 被唤醒。经典的「生产者-消费者」问题就可以用条件变量来解决。
这里等待的线程可以是多个,通知线程可以选择一次通知一个(notify_one)或一次通知所有(notify_all)。
示例修改自:http://en.cppreference.com/w/cpp/thread/condition_variable
首先是头文件:
#include <iostream>
#include <string>
#include <thread>
#include <mutex>
#include <condition_variable>
然后是两个线程共享的全局变量:
std::mutex mutex;
std::condition_variable cv;
std::string data;
bool ready = false; // 条件
bool processed = false; // 条件
工作线程:
void Worker() {
std::unique_lock<std::mutex> lock(mutex);
// 等待主线程发送数据。
cv.wait(lock, [] { return ready; });
// 等待后,继续拥有锁。
std::cout << "工作线程正在处理数据..." << std::endl;
// 睡眠一秒以模拟数据处理。
std::this_thread::sleep_for(std::chrono::seconds(1));
data += " 已处理";
// 把数据发回主线程。
processed = true;
std::cout << "工作线程通知数据已经处理完毕。" << std::endl;
// 通知前,手动解锁以防正在等待的线程被唤醒后又立即被阻塞。
lock.unlock();
cv.notify_one();
}
主线程:
int main() {
std::thread worker(Worker);
// 把数据发送给工作线程。
{
std::lock_guard<std::mutex> lock(mutex);
std::cout << "主线程正在准备数据..." << std::endl;
// 睡眠一秒以模拟数据准备。
std::this_thread::sleep_for(std::chrono::seconds(1));
data = "样本数据";
ready = true;
std::cout << "主线程通知数据已经准备完毕。" << std::endl;
}
cv.notify_one();
// 等待工作线程处理数据。
{
std::unique_lock<std::mutex> lock(mutex);
cv.wait(lock, [] { return processed; });
}
std::cout << "回到主线程,数据 = " << data << std::endl;
worker.join();
return 0;
}
输出:
主线程正在准备数据...
主线程通知数据已经准备完毕。
工作线程正在处理数据...
工作线程通知数据已经处理完毕。
回到主线程,数据 = 样本数据 已处理
下面是一些说明。
与条件变量搭配使用的「锁」,必须是 unique_lock,不能用 lock_guard。这个前面文章中已有说明。
等待前先加锁。等待时,如果条件不满足,wait 会原子性地解锁并把线程挂起。
条件变量被通知后,挂起的线程就被唤醒,但是唤醒也有可能是假唤醒,或者是因为超时等异常情况,所以被唤醒的线程仍要检查条件是否满足,所以 wait 是放在条件循环里面。cv.wait(lock, [] { return ready; }); 相当于:while (!ready) { cv.wait(lock); }。
相关推荐
- 再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)
-
在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...
- python创建分类器小结(pytorch分类数据集创建)
-
简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...
- matplotlib——绘制散点图(matplotlib散点图颜色和图例)
-
绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...
- python实现实时绘制数据(python如何绘制)
-
方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...
- 简单学Python——matplotlib库3——绘制散点图
-
前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...
- 数据分析-相关性分析可视化(相关性分析数据处理)
-
前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...
- 免费Python机器学习课程一:线性回归算法
-
学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...
- 用Python进行机器学习(2)之逻辑回归
-
前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...
- 【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂
-
一、拟合和回归的区别拟合...
- 推荐2个十分好用的pandas数据探索分析神器
-
作者:俊欣来源:关于数据分析与可视化...
- 向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- 用Python进行机器学习(11)-主成分分析PCA
-
我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...
- 神经网络基础深度解析:从感知机到反向传播
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- Python实现基于机器学习的RFM模型
-
CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)