本文主要对比Muduo多线程模型方案8 和方案9 。
方案8：reactor + thread pool ，有一个线程来充当reactor 接受连接分发事件，将要处理的事件分配给thread pool中的线程，由thread pool 来完成事件处理。实例代码见：examples/sudoku/server_threadpool.cc
这里截取关键部分代码进行说明。
class SudokuServer
{
public :
SudokuServer(EventLoop* loop, const InetAddress& listenAddr, int numThreads)
: loop_(loop),
server_(loop, listenAddr, "SudokuServer"),
numThreads_(numThreads),
startTime_(Timestamp::now())
{
server_.setConnectionCallback(
boost::bind(&SudokuServer::onConnection, this, _1));
server_.setMessageCallback(
boost::bind(&SudokuServer::onMessage, this, _1, _2, _3));
}
void start()
{
LOG_INFO << "starting " << numThreads_ << " threads.";
threadPool_.start(numThreads_); // 注意这里，threadPool 的类型是： ThreadPool，且位置在start 里面
server_.start();
}
private :
void onConnection(const TcpConnectionPtr& conn)
{
LOG_TRACE << conn->peerAddress().toIpPort() << " -> "
<< conn->localAddress().toIpPort() << " is "
<< (conn->connected() ? "UP" : "DOWN");
}
void onMessage(const TcpConnectionPtr& conn, Buffer* buf, Timestamp)
{
...
if (!processRequest(conn, request)) // 封装计算任务执行方法
{
conn->send( "Bad Request!
");
conn->shutdown();
break;
}
}
...
}
}
bool processRequest(const TcpConnectionPtr& conn, const string& request)
{
...
if (puzzle.size() == implicit_cast<size_t>(kCells))
{
threadPool_.run(boost::bind(&solve, conn, puzzle, id));// 将计算任务转移到 threadPool 线程
}
else
{
goodRequest = false;
}
return goodRequest;
}
static void solve(const TcpConnectionPtr& conn,
const string& puzzle,
const string& id)
{
LOG_DEBUG << conn->name();
string result = solveSudoku(puzzle); // solveSudou 是一个pure function, 是可重入的
if (id.empty())
{
conn->send(result+ "
");
}
else
{
conn->send(id+ ":"+result+ "
");
}
}
EventLoop* loop_;
TcpServer server_;
ThreadPool threadPool_; // 注意类型，方案8， reactor + threadpool
int numThreads_;
Timestamp startTime_;
};
void ThreadPool::start( int numThreads) // 创建 thread pool，具体thread 调度这里暂时不分析
{
assert(threads_.empty());
running_ = true;
threads_.reserve(numThreads);
for (int i = 0; i < numThreads; ++i)
{
char id[32];
snprintf(id, sizeof id, "%d", i);
threads_.push_back( new muduo::Thread(
boost::bind(&ThreadPool::runInThread, this), name_+id));
threads_[i].start();
}
}
方案9：main-reactor + subreactors, one loop per thread， 有一个主线程来扮演main-reactor 专门语句 accept 连接，其它线程负责读写文件描述符（socket）
class SudokuServer
{
public :
SudokuServer(EventLoop* loop, const InetAddress& listenAddr, int numThreads)
: loop_(loop),
server_(loop, listenAddr, "SudokuServer"),
numThreads_(numThreads),
startTime_(Timestamp::now())
{
server_.setConnectionCallback(
boost::bind(&SudokuServer::onConnection, this, _1));
server_.setMessageCallback(
boost::bind(&SudokuServer::onMessage, this, _1, _2, _3));
server_.setThreadNum(numThreads); // 设置 EventLoopThreadPool里面的thread数量
}
void start()
{
LOG_INFO << "starting " << numThreads_ << " threads.";
server_.start();
}
private :
void onConnection(const TcpConnectionPtr& conn)
{
LOG_TRACE << conn->peerAddress().toIpPort() << " -> "
<< conn->localAddress().toIpPort() << " is "
<< (conn->connected() ? "UP" : "DOWN");
}
void onMessage(const TcpConnectionPtr& conn, Buffer* buf, Timestamp)
{
...
if (!processRequest(conn, request)) //准备计算
{
conn->send( "Bad Request!
");
conn->shutdown();
break;
}
...
}
}
bool processRequest(const TcpConnectionPtr& conn, const string& request)
{
...
if (puzzle.size() == implicit_cast<size_t>(kCells))
{
LOG_DEBUG << conn->name();
string result = solveSudoku(puzzle); // 计算在当前线程完成
if (id.empty())
{
conn->send(result+ "
");
}
...
}
// 注意这里没有类型为ThreadPool的 threadPool_成员，整个类使用Muduo默认线程模型的EventLoopThreadPool，TcpServer 聚合了EventLoopThreadPool
EventLoop* loop_;
TcpServer server_;
int numThreads_;
Timestamp startTime_;
};
void TcpServer::setThreadNum( int numThreads)
{
assert(0 <= numThreads);
threadPool_->setThreadNum(numThreads); // 设置了 EventLoopThreadPool 里面的线程个数，为后面的threadPool_->start()服务
}
void TcpServer::start()
{
if (!started_)
{
started_ = true;
threadPool_->start(threadInitCallback_); // TcpServer 中的 threadPool 类型是 EventLoopThreadPool
}
if (!acceptor_->listenning())
{
loop_->runInLoop(
boost::bind(&Acceptor::listen, get_pointer(acceptor_)));
}
}
void EventLoopThreadPool::start( const ThreadInitCallback& cb) // 开启线程的方式是使用EventLoopThread，这个类将EventLoop 和 Thread 封装在一起实现 one loop per thread
{
assert(!started_);
baseLoop_->assertInLoopThread();
started_ = true;
for (int i = 0; i < numThreads_; ++i)
{
EventLoopThread* t = new EventLoopThread(cb); // 设置线程的 callback
threads_.push_back(t);
loops_.push_back(t->startLoop()); // 保存loop方便管理和分配任务，任务分配其实是通过EventLoop::runInLoop() 来进行的
}
if (numThreads_ == 0 && cb)
{
cb(baseLoop_);
}
}
总结一下，这里所谓的Reactor就是持有Poller的结构（稍微有点狭隘，这里先就这样理解），Poller负责事件监听和分发。持有EventLoop的结构就持有Poller。
对于方案8只有一个类持有EventLoop，也就是只创建了一个EventLoop，这个Loop就是reactor，其它的Thread 是通过ThreadPool来实现的，因此只有reactor所在的线程来完成I/O，其它线程用于完成计算任务，所以说这个模型适合于计算密集型而不是I/O密集型。
对于方案9，存在多个Reactor，其中main reactor 持有Acceptor，专门用于监听三个半事件中的连接建立，消息到达和连接断开以及消息发送事件都让sub reactor来完成。由于main reactor 只关心连接建立事件，能够适应高并发的IO请求，多个subreactor的存在也能兼顾I/O与计算，因此被认为是一个比较好的方案。
后面还会深入学习Muduo网络库相关的内容，包括Reactor结构的简化，线程池的实现，现代C++的编写方式，使用C++11进行重写等。现在看来C++11 thread library 提供的接口基本可以替换 posix thread library，虽然底层也许是通过posix thread实现的，毕竟Linux内核针对NPTL进行过修改。C++11 提供了 thread_local 来描述 线程局部存储，但是没有pthread_key_create() 提供 destructor那样的功能，或者遇到需要使用TLS的地方转过来使用posix 提供的接口。
Muduo 多线程 线程池 reactor