• Qt之可重入与线程安全


    简述

    本篇文章中,术语“可重入性”和“线程安全”被用来标记类与函数,以表明它们如何被应用在多线程应用程序中。

    • 一个线程安全的函数可以同时被多个线程调用,甚至调用者会使用共享数据也没有问题,因为对共享数据的访问是串行的。

    • 一个可重入函数也可以同时被多个线程调用,但是每个调用者只能使用自己的数据。

    因此,一个线程安全的函数总是可重入的,但一个可重入的函数并不一定是线程安全的。

    扩展开来,一个可重入的类,指的是它的成员函数可以被多个线程安全地调用,只要每个线程使用这个类的不同的对象。而一个线程安全的类,指的是它的成员函数能够被多线程安全地调用,即使所有的线程都使用该类的同一个实例也没有关系。

    注意: Qt的一些类被设计为线程安全的,如果它们的目的是多线程。如果一个函数没有被标记为线程安全的或可重入的,它就不应该被不同的线程使用。如果一个类没有被标记为线程安全的或可重入的,该类的实例就不应该被多个线程访问。

    可重入性

    C++的类往往是可重入的,这只是因为它们只能访问自己的数据。任何线程都能访问一个可重入类实例的一个成员函数,只要同一时间没有其它线程调用该实例的成员函数。例如,下面的Counter类就是可重入的:

    class Counter
    {
    public:
        Counter() { n = 0; }
    
        void increment() { ++n; }
        void decrement() { --n; }
        int value() const { return n; }
    
    private:
        int n;
    };

    该类不是线程安全的,因为如果多个线程试图修改数据成员n,则结果是不确定的。这是因为++和–操作都不总是原子性的。事实上,它们一般被展开为3条机器指令:

    1. 将变量值装入寄存器
    2. 增加或减少寄存器中的值
    3. 将寄存器中的值写回内存

    如果线程A和线程B同时将变量的旧值装入寄存器,增加寄存器中的值,再写回内存,它们最终会互相覆盖,导致变量值仅增加了一次!

    线程安全

    显然,访问应该是串行的: 线程A必须在无中断的情况下执行完1.2.3.三个步骤(原子性),然后线程B才能开始执行,反之亦然。一个使类是线程安全的简单方法就是用一个QMutex来保护数据成员的所有访问。

    class Counter
    {
    public:
        Counter() { n = 0; }
    
        void increment() { QMutexLocker locker(&mutex); ++n; }
        void decrement() { QMutexLocker locker(&mutex); --n; }
        int value() const { QMutexLocker locker(&mutex); return n; }
    
    private:
        mutable QMutex mutex;
        int n;
    };

    QMutexLocker类在其构造函数中自动锁定mutex,并且当析构函数被调用时解锁。锁定mutex保证了其它线程的访问都将是串行化的。mutex数据成员被声明为mutable的,这是因为value()是一个const函数,我们需要在其中lock和unlock该mutex。

    Qt类的注意事项

    许多Qt的类都是可重入的,但不是线程安全的,因为线程安全意味着为锁定与解锁一个QMutex增加额外的开销。例如:QString是可重入的,但不是线程安全的。你能够同时从多个线程访问不同的QString的实例,但不能同时从多个线程访问QString的同一个实例(除非用QMutex保护访问)。

    有些Qt的类和函数是线程安全的。它们主要是线程相关类(例如:QMutex)和一些基本函数(例如: QCoreApplication::postEvent())。

    注意: 多线程领域中的术语并不是完全标准化的。POSIX使用的可重入和线程安全的定义有些不用于它的C API。当Qt和其它面向对象的C++类库一起使用时,确保定义的理解。

  • 相关阅读:
    58 回调函数callbacks——eat_tensorflow2_in_30_days
    57 优化器optimizers——eat_tensorflow2_in_30_days
    62训练模型的3种方法——eat_tensorflow2_in_30_days
    63 使用单GPU训练模型——eat_tensorflow2_in_30_days
    61构建模型的3种方法——eat_tensorflow2_in_30_days
    56 评估指标metrics——eat_tensorflow2_in_30_days
    64 使用多GPU训练模型——eat_tensorflow2_in_30_days
    66 使用tensorflowserving部署模型——eat_tensorflow2_in_30_days
    65使用tensorflowserving部署模型——eat_tensorflow2_in_30_days
    一、计算机硬件基础
  • 原文地址:https://www.cnblogs.com/itrena/p/5938242.html
Copyright © 2020-2023  润新知