实现一个线程池

一.线程最主要的三个同步机制

1.信号量

2.互斥锁

3.条件变量

二.对三个同步机制分别实现一个包装类

#ifdef LOCKER_H
#define LOCKER_H

#include <pthread.h>
#include <semaphore.h>

/*信号量的封装*/
class sem
{
public:
sem()
{
if( sem_init( &sem_like, 0, 0))
{
throw std::exception();
}
}

~sem()
{
sem_destroy( &sem_like);
}

bool wait()
{
return sem_wait( &sem_like)== 0;
}

bool post()
{
return sem_post( &sem_like)== 0;
}

private:
sem_t sem_like;
}

/*互斥锁的封装*/
class locker
{
public:
locker()
{
if( pthread_mutex_init( &mutex_like,NULL) !=0)
{
throw std::exception();
}
}

~locker()
{
pthread_mutex_destroy( &mutex_like);
}

bool lock()
{
return pthread_mutex_lock( &mutex_like)== 0;
}

bool unlock()
{
return pthread_mutex_unlock( &mutex_like);
}
private:
pthread_mutex_t mutex_like;
}

/*条件变量的封装*/
class cond
{
public:
cond()
{
if( pthread_mutex_init( &mutex_like,NULL)!= 0)
{
throw std::exception;
}

if( pthread_cond_init( &cond_like, NULL)!= 0)
{
//释放对应的互斥锁
pthread_mutex_destroy( &mutex_like);
throw std::exception;
}
}

~cond()
{
pthread_mutex_destroy( &mutex_like);
pthread_cond_destroy( &cond_like);
}

bool wait()
{
int flag= 0;
pthread_mutex_lock( &mutex_like);
flag= pthread_cond_wait( &cond_like, &mutex_like);
pthread_mutex_unlock( &mutex_like);
return flag== 0;

}

bool signal()
{
return pthread_cond_signal( &cond_like)== 0;
}

private:
pthread_mutex_t mutex_like;
pthread_cond_t cond_like;
}

#endif

三.实现线程池

     动态创建线程十分消耗时间，如果有一个线程池，用户请求到来时，从线程池取一个空闲的线程来处理用户的请求，请求处理完后，线程又变为空闲状态，等待下次被使用。

    

     核心数据结构有两个：线程容器 、请求队列

     1.线程容器

     这里用一个vector容器来存放线程池里面所有线程的id

     2.请求队列

     这里用list容器来存放所有请求，请求处理按fifo的顺序

#ifndef THREADPOOL_H
#define THREADPOOL_H

#include <list>
#include <cstdio>
#include <exception>
#include <pthread.h>
#include "locker.h"

template< typename T >
class threadpool
{
public:
threadpool( int thread_number = 8, int max_requests = 10000 );
~threadpool();
bool append( T* request );

private:
static void* worker( void* arg );
void run();

private:
int thread_number_like;//当前线程池中的线程个数
int max_requests_like;//最大请求数
//pthread_t* threads_like;
vector< pthread> threads_like;//线程容器
  std::list< T* > workqueue_like;//请求队列
locker queuelocker_like;//请求队列的访问互斥锁
sem queuestat_like;//用于请求队列与空闲线程同步的信号量
bool stop_like;//结束所有线程，线程池此时没有线程
};

template< typename T >
threadpool< T >::threadpool( int thread_number, int max_requests ) :
m_thread_number( thread_number ), m_max_requests( max_requests ), m_stop( false ), m_threads( NULL )
{
if( ( thread_number <= 0 ) || ( max_requests <= 0 ) )
{
throw std::exception();
}

 threads_like.resize( thread_number_like);
if( thread_number_like!= threads_like.size() )
{
throw std::exception();
}

for ( int i = 0; i < thread_number_like; ++i )
{
printf( "create the %dth thread\n", i );
if( pthread_create( &threads_like [i], NULL, worker, this ) != 0 )//创建线程
{
threads_like.resize(0);
throw std::exception();
}
if( pthread_detach( m_threads[i] ) )//设置为脱离线程
{
threads_like.resize(0);
throw std::exception();
}
}
}

template< typename T >
threadpool< T >::~threadpool()
{
stop_like = true;
}

template< typename T >
bool threadpool< T >::append( T* request )
{
queuelocker_like.lock();
if ( workqueue_like.size() > max_requests_like )
{
queuelocker_like.unlock();
return false;
}
workqueue_like.push_back( request );
queuelocker_like.unlock();
queuestat_like.post();
return true;
}

template< typename T >
void* threadpool< T >::worker( void* arg )
{
threadpool* pool = ( threadpool* )arg;//静态函数要调用动态成员run，必须通过参数arg得到
pool->run();//线程的执行体
return pool;
}

template< typename T >
void threadpool< T >::run()
{
while ( ! m_stop )
{
queuestat_like.wait();
queuelocker_like.lock();
if ( workqueue_like.empty() )
{
queuelocker_like.unlock();
continue;
}
T* request = workqueue_like.front();
workqueue_like.pop_front();
queuelocker_like.unlock();
if ( ! request )
{
continue;
}
request->process();//执行当前请求所对应的处理函数
}
}

#endif

注：1.这里的线程池模型中，每一个线程对应一个请求

        2.这种方式保证了用户请求的及时处理，对请求的处理函数性能要求更小，因为这种模型并不要求请求处理过程是非堵塞的，因为一个请求的处理时延不会影响到系统对其他请求的处理（当然线程数必须能动态增加）。

        3.这种方式对于高并发服务器并不是最优的，类似于nginx的一个进程对应多个用户请求的方式更有优势，nginx模型的优势主要有两个：一：进程数固定，不会因为同时有很多线程或者进程而占用过多的内存。二：nginx的工作进程数一般与cpu的核数一致，并可以把一个进程绑定到一个核上，这样就节省了进程切换或线程切换带来的系统开销