从我最近发布的C++11线程教学文章里，我们已经知道C++11线程写法与POSIX的pthreads写法相比，更为简洁。只需很少几个简单概念，我们就能搭建相当复杂的处理图片程序，但是我们回避了线程同步的议题。在接下来的部分，我们将进入C++11多线程编程的同步领域，看看如何来同步一组并行的线程。
我们快速回顾一下如何利用c++11创建线程组。上次教学当中，我们用传统c数组保存线程，也完全可以用标准库的向量容器，这样做更有c++11的气象，同时又能避免使用new和delete来动态分配内存所带来的隐患。
#include
#include
#include
//This function will be called from a thread线程将调用此函数
void func(int tid) {
std::cout << "Launched by thread " << tid << std::endl;
}
int main() {
std::vectorth;
int nr_threads = 10;
//Launch a group of threads 启动一组线程
for (int i = 0; i < nr_threads; ++i) {
th.push_back(std::thread(func,i));
}
//Join the threads with the main thread 与主线程协同运转
for(auto &t : th){
t.join();
}
return 0;
}
在Mac OSX Lion上用clang++或gcc-4.7编译上述程序：
clang++ -Wall -std=c++0x -stdlib=libc++ file_name.cpp
g++-4.7 -Wall -std=c++11 file_name.cpp
现代Linux系统上，使用gcc-4.6.x编译代码：
g++ -std=c++0x -pthread file_name.cpp
某些活生生的现实问题，其棘手的地方就在于它们天然就是并行方式，上面开头部分写的代码当中，已用很简化的语法实现了这种方式。举一个典型的并行问题：引入两个数组，一个数组与乘数相乘，生成孟得伯特集合。
线程之间还有同步层次的问题。以向量点乘为例来说，两个等长（维度）向量，他们的元素两两对应相乘，然后乘积相加得到一个标量结果。初略的并行编码方式如下：
#include
#include
#include
...
void dot_product(const std::vector&v1, const std::vector&v2, int &result,
int L, int R){
for(int i = L; i < R; ++i){
result += v1[i] * v2[i];
}
}
int main(){
int nr_elements = 100000;
int nr_threads = 2;
int result = 0;
std::vectorthreads;
//Fill two vectors with some constant values for a quick verification
// v1={1,1,1,1,...,1}以常量值填充两个向量，便于检验
// v2={2,2,2,2,...,2}
// The result of the dot_product should be 200000 for this particular case
//当前例子的点乘结果应为200000
std::vectorv1(nr_elements,1), v2(nr_elements,2);
//Split nr_elements into nr_threads parts 把nr_elements份计算任务划分为 nr_threads 个部分
std::vectorlimits = bounds(nr_threads, nr_elements);
//Launch nr_threads threads: 启动 nr_threads 条线程
for (int i = 0; i < nr_threads; ++i) {
threads.push_back(std::thread(dot_product, std::ref(v1), std::ref(v2),
std::ref(result), limits[i], limits[i+1]));
}
//Join the threads with the main thread 协同 线程组与主线程
for(auto &t : threads){
t.join();
}
//Print the result打印结果
std::cout<<result<<std::endl;
return 0;
}
上述代码的结果显然应该是200000，但是运行几次出来的结果都有轻微的差异：
sol $g++-4.7 -Wall -std=c++11 cpp11_threads_01.cpp
sol $./a.out
138832
sol $./a.out
138598
sol $./a.out
138032
sol $./a.out
140690
sol $
怎么回事？仔细看第九行代码，变量result累加v1[i],v2[i]之和。该行是典型的竞争条件，这段代码在两个异步线程中并行运作，变量result可以被任意一方抢先访问而被改变。
通过规定该变量应同步地由线程来访问，我们可以避免出问题，我们可以采用一个mutex（互斥）来达成目的，mutex是一种特别用途的变量，行为如同一个barrier，同步化访问那段修改result变量的代码：
#include
#include
#include
#include
static std::mutex barrier;
...
void dot_product(const std::vector&v1, const std::vector&v2, int &result, int L, int R){
int partial_sum = 0;
for(int i = L; i < R; ++i){
partial_sum += v1[i] * v2[i];
}
std::lock_guardblock_threads_until_finish_this_job(barrier);
result += partial_sum;
}
...
第6行创建一个全局mutex变量barrier，第15行强制线程在完成for循环之后才同步存取result。注意，这一次我们采用了新的变量partial sum，声明为线程局部变量。其他代码部分保持原貌。
针对这个特定的例子，我们还可以找到更简洁优美的方案，我们可以采用原子类型，这是一种特定的变量类型，能达成安全的同时读写，在底层基本上解决了同步问题。额外注明一下，我们可以使用的原子类型只能用在原子操作上，这些操作都定义在atomic 头文件里面：
#include
#include
#include
#include
void dot_product(const std::vector&v1, const std::vector&v2, std::atomic&result, int L, int R){
int partial_sum = 0;
for(int i = L; i < R; ++i){
partial_sum += v1[i] * v2[i];
}
result += partial_sum;
}
int main(){
int nr_elements = 100000;
int nr_threads = 2;
std::atomicresult(0);
std::vectorthreads;
...
return 0;
}
苹果机的clang++当前还不支持原子类型和原子操作，有两个办法可以达到目标，编译最新clang++源码，要么使用最新的gcc-4.7，也需要编译源码。
想学习c++11新语法，我推荐阅读《Professional C++》第二版，《C++ Primer Plus》也可以。