C++ 多线程同步之条件变量(condition_variable)实战

C++ 多线程同步之条件变量(condition_variable)实战

C++ 多线程同步之条件变量(condition_variable)实战

在这里插入图片描述

💡 学习目标:掌握 C++ 标准库中条件变量的使用方法,理解条件变量与互斥锁的协同工作机制,能够解决多线程间的等待-通知问题。
💡 学习重点std::condition_variable 的核心接口、wait()notify_one()/notify_all() 的配合使用、生产者-消费者模型的实现。

49.1 条件变量的引入场景

在多线程编程中,我们经常会遇到线程需要等待某个条件满足后再执行的场景。
比如生产者线程生产数据后,消费者线程才能消费;队列不为空时,消费者才能从中取数据。
如果仅用互斥锁实现,消费者线程只能不断轮询检查条件,这会造成 CPU 资源的浪费。

⚠️ 注意事项:单纯的轮询会导致 CPU 空转,降低程序运行效率,条件变量就是为解决这类问题而生的。

举个简单的轮询反例,消费者不断检查队列是否有数据:

#include<iostream>#include<thread>#include<mutex>#include<queue>usingnamespace std; queue<int> data_queue; mutex mtx;// 生产者voidproducer(){for(int i =1; i <=5;++i){ lock_guard<mutex>lock(mtx); data_queue.push(i); cout <<"生产者生产数据:"<< i << endl;}}// 消费者(轮询方式)voidconsumer(){while(true){ lock_guard<mutex>lock(mtx);if(!data_queue.empty()){int data = data_queue.front(); data_queue.pop(); cout <<"消费者消费数据:"<< data << endl;if(data ==5)break;}// 没有数据时,依然会不断循环检查,浪费CPU}}intmain(){ thread t_producer(producer); thread t_consumer(consumer); t_producer.join(); t_consumer.join();return0;}

运行该程序,消费者线程在队列空的时候会一直循环检查,造成不必要的 CPU 开销。

49.2 C++ 标准库中的条件变量

C++11 标准库在 <condition_variable> 头文件中提供了 std::condition_variable 类,它需要与 std::mutex 配合使用,实现线程间的高效等待与通知。

49.2.1 std::condition_variable 的核心接口

  1. wait(unique_lock& lck)
    • 调用该函数的线程会释放持有的互斥锁,并进入阻塞状态。
    • 直到被其他线程的 notify_one()notify_all() 唤醒。
    • 唤醒后,线程会重新获取互斥锁,然后继续执行。
  2. wait(unique_lock& lck, Predicate pred)
    • 带条件的等待,只有当 pred 条件为 false 时才会阻塞。
    • 被唤醒后会先检查条件,条件满足才会继续执行,否则再次阻塞。
    • 该重载可以避免虚假唤醒问题。
  3. notify_one()
    • 唤醒一个正在等待该条件变量的线程。
    • 如果有多个线程等待,随机唤醒其中一个。
  4. notify_all()
    • 唤醒所有正在等待该条件变量的线程。

49.2.2 搭配 std::unique_lock 的原因

std::condition_variablewait() 函数要求传入 std::unique_lock,而不是 std::lock_guard
这是因为 wait() 过程中需要临时释放锁,而 std::unique_lock 支持手动解锁和加锁,std::lock_guard 仅支持构造加锁、析构解锁,无法满足需求。

核心结论:条件变量必须与 std::unique_lock 配合使用,才能实现等待时释放锁、唤醒后重新加锁的逻辑。

49.3 条件变量实战:解决等待-通知问题

我们使用 std::condition_variable 改造 49.1 节的轮询反例,实现高效的生产者-消费者模型:

#include<iostream>#include<thread>#include<mutex>#include<queue>#include<condition_variable>usingnamespace std; queue<int> data_queue; mutex mtx; condition_variable cv;bool is_produced =false;// 生产完成标志// 生产者voidproducer(){for(int i =1; i <=5;++i){ lock_guard<mutex>lock(mtx); data_queue.push(i); cout <<"生产者生产数据:"<< i << endl;} is_produced =true; cv.notify_all();// 生产完成,唤醒所有等待的消费者}// 消费者(条件变量方式)voidconsumer(){ unique_lock<mutex>lock(mtx);// 等待条件:队列不为空 或 生产已完成 cv.wait(lock,[](){return!data_queue.empty()|| is_produced;});while(!data_queue.empty()){int data = data_queue.front(); data_queue.pop(); cout <<"消费者消费数据:"<< data << endl;}}intmain(){ thread t_producer(producer); thread t_consumer(consumer); t_producer.join(); t_consumer.join();return0;}

运行该程序,消费者线程在没有数据时会进入等待状态,不会浪费 CPU 资源。
生产者生产完成后唤醒消费者,消费者再进行数据消费。

49.3.1 解决虚假唤醒问题

虚假唤醒指的是线程在没有被 notify_one()/notify_all() 唤醒的情况下,也可能从 wait() 中返回。
为了避免这种情况,我们必须使用带条件的 wait() 重载版本,通过判断条件是否满足来决定是否继续执行。

例如,在消费者线程中,我们用 cv.wait(lock, [](){ return !data_queue.empty() || is_produced; }) 替代无参的 wait(),确保只有在队列有数据或生产完成时,线程才会被唤醒并继续执行。

49.4 实战案例:多生产者-多消费者模型

我们实现一个支持多个生产者和多个消费者的模型,使用条件变量保证线程间的同步协作:

#include<iostream>#include<thread>#include<mutex>#include<queue>#include<condition_variable>#include<vector>usingnamespace std;constint MAX_QUEUE_SIZE =5;// 队列最大容量 queue<int> data_queue; mutex mtx; condition_variable cv_producer;// 生产者条件变量 condition_variable cv_consumer;// 消费者条件变量bool stop_flag =false;// 停止标志// 生产者函数voidproducer_func(int id){for(int i =1; i <=3;++i){ unique_lock<mutex>lock(mtx);// 等待队列有空位 cv_producer.wait(lock,[](){return data_queue.size()< MAX_QUEUE_SIZE || stop_flag;});if(stop_flag)break;int data = id *10+ i; data_queue.push(data); cout <<"生产者"<< id <<"生产数据:"<< data <<",队列大小:"<< data_queue.size()<< endl; cv_consumer.notify_one();// 唤醒一个消费者}}// 消费者函数voidconsumer_func(int id){while(true){ unique_lock<mutex>lock(mtx);// 等待队列有数据 cv_consumer.wait(lock,[](){return!data_queue.empty()|| stop_flag;});if(stop_flag && data_queue.empty())break;int data = data_queue.front(); data_queue.pop(); cout <<"消费者"<< id <<"消费数据:"<< data <<",队列大小:"<< data_queue.size()<< endl; cv_producer.notify_one();// 唤醒一个生产者}}intmain(){// 创建 2 个生产者线程和 3 个消费者线程 vector<thread> producers; vector<thread> consumers;for(int i =1; i <=2;++i){ producers.emplace_back(producer_func, i);}for(int i =1; i <=3;++i){ consumers.emplace_back(consumer_func, i);}// 等待所有生产者完成for(auto& t : producers){ t.join();}// 设置停止标志,唤醒所有消费者 stop_flag =true; cv_consumer.notify_all();// 等待所有消费者完成for(auto& t : consumers){ t.join();} cout <<"所有生产和消费任务完成"<< endl;return0;}

运行效果

  1. 生产者线程会在队列满时等待,队列有空位时继续生产。
  2. 消费者线程会在队列空时等待,队列有数据时继续消费。
  3. 生产完成后设置停止标志,唤醒所有消费者线程并退出,避免线程阻塞。

49.5 条件变量与互斥锁的协同要点

  1. 条件变量必须搭配互斥锁使用wait() 函数需要先获取互斥锁,才能保证条件判断的线程安全。
  2. 优先使用带条件的 wait():可以有效避免虚假唤醒,确保线程在正确的条件下被唤醒。
  3. notify_one()notify_all() 的选择
    • 当只需要唤醒一个等待线程时,使用 notify_one(),效率更高。
    • 当需要唤醒所有等待线程时,使用 notify_all(),比如生产完成后通知所有消费者。

49.6 本章小结

  1. 条件变量用于解决多线程间的等待-通知问题,避免了轮询造成的 CPU 资源浪费。
  2. std::condition_variable 必须与 std::unique_lock 配合使用,核心接口是 wait()notify_one()notify_all()
  3. 带条件的 wait() 重载版本可以解决虚假唤醒问题,是实际开发中的首选。
  4. 生产者-消费者模型是条件变量的典型应用场景,通过合理设计条件可以实现高效的线程协作。

Read more

安装openclaw时出现npm error code ENOENT npm error syscall spawn git报错的解决方案

安装openclaw时出现npm error code ENOENT npm error syscall spawn git报错的解决方案

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为ZEEKLOG博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳,不仅形成深入且独到的理解,而且能够帮助新手快速入门。 本文主要介绍了安装openclaw时出现npm error code ENOENT npm error syscall spawn git报错的解决方案,希望能对使用openclaw的同学们有所帮助。 文章目录 * 1. 问题描述 * 2. 解决方案 1. 问题描述 今天在使用命令安装openclaw时,却出现了npm error code ENOENT和npm error syscall spawn git的错误提示,具体报错信息如下图所示: 在经过了亲身的实践后,终于找到了解决问题的方案,最终将逐步的操作过程总结如下。希望能对遇到同样bug的同学们有所帮助。

By Ne0inhk
最新版 GLM-5 全栈实战全教程:从本地开源部署到 API 接入(多 Agent 架构 + 全栈编程 + 就业级项目实战)

最新版 GLM-5 全栈实战全教程:从本地开源部署到 API 接入(多 Agent 架构 + 全栈编程 + 就业级项目实战)

一、背景与技术概述 随着开源大模型技术的快速迭代,GLM-5 系列凭借优秀的指令遵循能力、长上下文支持、轻量化部署适配性与商用友好的开源协议,成为企业级AI落地与个人开发者技术进阶的核心选型之一。 本文以问题驱动为核心,完整覆盖从本地开源部署到工程化API封装、多Agent架构设计、全栈项目实战的全流程,解决开发者在大模型落地过程中面临的部署门槛高、工程化能力不足、Agent架构落地难、全栈项目缺乏可复用方案等核心痛点。本文所有实操步骤均经过生产环境验证,代码可直接复用,适配就业级项目的技术要求与企业落地标准。 1.1 GLM-5 核心技术特性 * 开源协议:Apache 2.0 协议,支持商用二次开发,无额外授权门槛 * 核心能力:支持128K超长上下文窗口,原生支持函数调用、多模态理解、结构化输出,指令遵循准确率较前代提升42% * 部署适配:原生支持FP8/INT4/AWQ/GPTQ多精度量化,最低可在16G显存环境完成流畅推理,适配消费级显卡与企业级GPU集群 * 性能优化:基于稀疏注意力架构与PagedAttention机制,推理吞吐量较同参数量模型提升3倍,

By Ne0inhk
爆肝 2 天,用 GLM5 开发了 OpenClaw 接入微信 bot,已开源!

爆肝 2 天,用 GLM5 开发了 OpenClaw 接入微信 bot,已开源!

这是苍何的第 493 篇原创! 大家好,我是苍何。 OpenClaw,这个 GitHub 上 18 万 Star 的怪物级开源项目,你们应该都听过了吧? 飞书能接、钉钉能接、企业微信能接、QQ 能接、Discord 能接…… 但偏偏最多人用的「微信个人号」,它不支持。 我翻遍了 GitHub、掘金、知乎,找到的方案要么是企业微信绕一圈,要么是用微信 Web 协议搞,动不动就封号。 说实话,这谁顶得住? 天天在微信上跟朋友聊天、在群里吹水,结果想接个 OpenClaw 都这么费劲? 麻了。 于是我决定自己干。 「爆肝 2 天,我把 OpenClaw 接入了微信个人号,并且已经开源了。」 地址:

By Ne0inhk
【AI绘画】Midjourney进阶:色相详解

【AI绘画】Midjourney进阶:色相详解

博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]本文专栏: AI绘画 | Midjourney 文章目录 * 💯前言 * 💯Midjourney中的色彩控制 * 为什么要控制色彩? * 为什么要在Midjourney中控制色彩? * 💯色相 * 红 * 橙 * 黄 * 绿 * 蓝 * 紫 * 黑与白 * 💯小结 💯前言 在设计领域中,色相作为色彩的重要维度,直接决定了作品的视觉基调与情感表达。通过对色相的深入理解与灵活运用,设计师可以在作品中精准传递信息,激发观众的情感共鸣。Midjourney 作为一款强大的AI绘画工具,为设计师提供了高效探索色相表现的创作平台,使复杂的色彩控制变得直观且富有创意。 本篇文章将以色相为核心,从色彩心理学与实际应用出发,结合 Midjourney 的提示词设置,详细解析不同色相在设计中的作用与特点。无论是自然主题的绿、蓝,还是富有情感张力的红、紫,每一种色相都在设计中扮演着不可替代的角色。 Midjourney官方使用手册 💯Midjourney中的色彩控制 在 Mi

By Ne0inhk