C++ 多线程同步之互斥锁(mutex)实战

C++ 多线程同步之互斥锁(mutex)实战

C++ 多线程同步之互斥锁(mutex)实战

在这里插入图片描述

💡 学习目标:掌握 C++ 标准库中互斥锁的基本用法,理解多线程同步的核心原理,能够解决多线程环境下的资源竞争问题。
💡 学习重点std::mutexstd::lock_guard 的使用、死锁的产生原因及规避方法、实际场景中的同步案例实现。

48.1 多线程同步的必要性

在多线程编程中,当多个线程同时访问共享资源时,会出现资源竞争问题。
例如两个线程同时对同一个变量进行读写操作,会导致最终结果与预期不符。
这种问题被称为线程安全问题,而解决该问题的核心就是线程同步

⚠️ 注意事项:线程不同步会引发数据竞争,造成程序运行结果不可预测,甚至导致程序崩溃。

举个简单的反例,两个线程同时对全局变量 count 进行自增操作:

#include<iostream>#include<thread>usingnamespace std;int count =0;voidincrement(){for(int i =0; i <100000;++i){ count++;// 非原子操作,存在数据竞争}}intmain(){ thread t1(increment); thread t2(increment); t1.join(); t2.join(); cout <<"最终 count 值:"<< count << endl;return0;}

运行该程序会发现,最终 count 的值大概率小于 200000
这就是因为 count++ 不是原子操作,被两个线程交替执行打乱了执行步骤。

48.2 C++ 标准库中的互斥锁

C++11 及以后的标准库提供了 <mutex> 头文件,封装了多种互斥锁相关的类。
最基础且常用的就是 std::mutex

48.2.1 std::mutex 的核心接口

  • lock():获取互斥锁。如果锁已被其他线程占用,当前线程会阻塞等待。
  • unlock():释放互斥锁。必须与 lock() 成对使用。
  • try_lock():尝试获取互斥锁。如果获取失败,不会阻塞,直接返回 false

48.2.2 std::lock_guard:自动管理锁的生命周期

直接使用 lock()unlock() 容易出现遗漏解锁的情况。
比如程序抛出异常时,unlock() 可能无法执行,导致死锁。
std::lock_guard 基于RAII 机制实现,可以自动在构造时加锁,析构时解锁。

核心结论:实际开发中优先使用 std::lock_guard,而非手动调用 lock()/unlock()

48.3 互斥锁实战:解决数据竞争问题

我们使用 std::mutexstd::lock_guard 改造 48.1 节的反例:

#include<iostream>#include<thread>#include<mutex>usingnamespace std;int count =0; mutex mtx;// 定义全局互斥锁voidincrement(){for(int i =0; i <100000;++i){ lock_guard<mutex>lock(mtx);// 自动加锁 count++;// 临界区代码,此时只有一个线程能执行}// lock_guard 析构,自动解锁}intmain(){ thread t1(increment); thread t2(increment); t1.join(); t2.join(); cout <<"最终 count 值:"<< count << endl;return0;}

运行该程序,最终 count 的值稳定等于 200000
这说明互斥锁成功保护了临界区代码,避免了数据竞争。

48.3.1 关键概念解释

  • 临界区:需要被保护的、不能被多个线程同时执行的代码段。
    上例中 count++ 就是临界区。
  • 互斥锁的作用:保证同一时刻只有一个线程能进入临界区。

48.4 死锁的产生与规避

💡 死锁:多个线程互相持有对方需要的锁,导致所有线程都无法继续执行的状态。

48.4.1 死锁的四个必要条件

  1. 互斥条件:资源只能被一个线程占用。
  2. 请求与保持条件:线程持有一个资源的同时,请求其他线程持有的资源。
  3. 不可剥夺条件:线程已持有的资源不能被其他线程强制夺走。
  4. 循环等待条件:多个线程形成首尾相接的循环等待资源关系。

48.4.2 死锁的示例

两个线程分别持有一个锁,同时请求对方的锁:

#include<iostream>#include<thread>#include<mutex>usingnamespace std; mutex mtx1, mtx2;voidthread1(){ mtx1.lock(); this_thread::sleep_for(chrono::milliseconds(100));// 确保 thread2 先拿到 mtx2 mtx2.lock();// 等待 mtx2,此时 thread2 持有 mtx2 并等待 mtx1 cout <<"thread1 执行完毕"<< endl; mtx2.unlock(); mtx1.unlock();}voidthread2(){ mtx2.lock(); this_thread::sleep_for(chrono::milliseconds(100));// 确保 thread1 先拿到 mtx1 mtx1.lock();// 等待 mtx1,此时 thread1 持有 mtx1 并等待 mtx2 cout <<"thread2 执行完毕"<< endl; mtx1.unlock(); mtx2.unlock();}intmain(){ thread t1(thread1); thread t2(thread2); t1.join(); t2.join();return0;}

运行该程序,两个线程会互相等待,陷入死锁状态,无法输出任何内容。

48.4.3 规避死锁的常用方法

  1. 固定锁的获取顺序:所有线程按照相同的顺序获取锁。
    比如上例中,让两个线程都先获取 mtx1,再获取 mtx2
  2. 使用 std::lock 同时获取多个锁std::lock 可以一次性获取多个互斥锁,避免循环等待。
  3. 使用带超时的锁尝试:通过 try_lock()std::timed_mutex,在超时后放弃获取锁,避免永久阻塞。

48.5 实战案例:多线程售票系统

模拟一个售票系统,多个窗口同时售票,使用互斥锁保证票数不会出现负数或重复售票的情况。

#include<iostream>#include<thread>#include<mutex>#include<vector>usingnamespace std;int tickets =100;// 总票数 mutex mtx;// 售票函数voidsell_tickets(int window_id){while(true){ lock_guard<mutex>lock(mtx);if(tickets >0){ cout <<"窗口"<< window_id <<"售出第"<< tickets <<"张票"<< endl; tickets--; this_thread::sleep_for(chrono::milliseconds(50));// 模拟售票耗时}else{break;}} cout <<"窗口"<< window_id <<"售票结束"<< endl;}intmain(){ vector<thread> windows;// 创建 5 个售票窗口for(int i =1; i <=5;++i){ windows.emplace_back(sell_tickets, i);}// 等待所有窗口售票结束for(auto& t : windows){ t.join();} cout <<"所有票已售罄"<< endl;return0;}

运行效果:5 个窗口有序售票,最终票数从 100 递减到 0,不会出现重复售票或票数为负的情况。

48.6 本章小结

  1. 多线程访问共享资源时必须进行同步,否则会出现数据竞争问题。
  2. std::mutex 是 C++ 最基础的互斥锁,搭配 std::lock_guard 可以安全地管理锁的生命周期。
  3. 死锁由四个必要条件引发,通过固定锁顺序、使用 std::lock 等方法可以有效规避。
  4. 互斥锁的核心是保护临界区,确保同一时刻只有一个线程能执行临界区代码。

Read more

Python纪念币预约自动化工具:快速上手配置指南

Python纪念币预约自动化工具:快速上手配置指南 【免费下载链接】auto_commemorative_coin_booking 项目地址: https://gitcode.com/gh_mirrors/au/auto_commemorative_coin_booking 还在为纪念币预约手忙脚乱而烦恼?这款基于Python的纪念币预约自动化工具,能够帮助你轻松应对繁琐的预约流程,大幅提升预约成功率。无论是个人收藏还是批量预约,都能让你事半功倍。 工具核心优势对比 与传统手动预约方式相比,Python自动化工具在多个方面展现出明显优势: 功能维度传统方式自动化工具操作效率依赖手速程序自动执行验证码识别人工判断AI智能识别信息填写逐个输入批量自动处理成功率表现随机性高稳定可靠 快速配置实战步骤 环境准备阶段 首先确保你的电脑已安装Python 3.6或更高版本。打开命令行工具,执行以下命令安装必要依赖: pip install selenium pytesseract pymysql opencv-python pillow 项目获取与部署 在命令行

By Ne0inhk
机器学习:数据清洗与预处理 | Python

机器学习:数据清洗与预处理 | Python

个人主页-爱因斯晨 文章专栏-Python学习 文章目录 * 个人主页-爱因斯晨 * 文章专栏-Python学习 * 前言 * 了解数据清洗 * 数据清洗的步骤 * 1. 环境准备与库导入 * 2. 数据加载 * 3. 数据初探与理解 * 4. 缺失值处理 * 5. 重复值处理 * 6. 异常值处理 * 7. 数据类型转换 * 8. 数据标准化 / 归一化(预处理) * 实例实践 * 总结 前言 我们不论在学习机器学习还是数据分析中,都会涉及很多数据。但原数据不可避免有很多杂志,为了确保结果的准确性,我们需要首先进行数据清洗和预处理。 了解数据清洗 数据清洗就像是一场数据的“大扫除”。它是从原始数据中找出并修正那些错误、不完整、重复或不一致的数据。通过数据清洗,能显著提升数据质量,为后续数据分析、挖掘和建模等工作提供准确、可靠、干净的数据基础,从而让基于数据得出的结论更具可信度和价值。 数据清洗的步骤 1. 环境准备与库导入

By Ne0inhk

DaVinci Resolve Studio (达芬奇)脚本 API 说明文档(翻译版)python版

在本安装包中,您将找到 DaVinci Resolve Studio 脚本 API(应用程序编程接口)的简要介绍。除本 README.txt 文件外,该安装包还包含多个文件夹,其中包含用于脚本访问的基础导入模块(如 DaVinciResolve.py)以及部分代表性示例脚本。 从 v16.2.0 版本开始,SetLUT() 和 SetCDL() 函数接收的 nodeIndex(节点索引)参数由 “0 基索引” 改为 “1 基索引”,即参数取值范围为 1 ≤ nodeIndex ≤ 总节点数。 一、概述 与 Blackmagic Fusion 脚本相同,DaVinci Resolve Studio 支持用户使用

By Ne0inhk
Python 多线程日志错乱:logging.Handler 的并发问题

Python 多线程日志错乱:logging.Handler 的并发问题

Python 多线程日志错乱:logging.Handler 的并发问题 🌟 Hello,我是摘星! 🌈 在彩虹般绚烂的技术栈中,我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵,每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察,每一次重构都是我的化学实验。 🎵 在编程的交响乐中,我既是指挥家也是演奏者。让我们一起,在技术的音乐厅里,奏响属于程序员的华美乐章。 目录 Python 多线程日志错乱:logging.Handler 的并发问题 摘要 1. 问题现象与复现 1.1 典型的日志错乱场景 2. logging模块的线程安全机制分析 2.1 Handler级别的线程安全 2.2 锁竞争的性能影响分析 3. 深入源码:竞态条件的根本原因 3.1 Handler.emit()方法的竞态分析 3.2 I/O操作的原子性问题

By Ne0inhk