【Linux】信号量与生产消费模型
创始人
2024-11-19 05:05:09
0

我们已经实现过锁+条件变量的PC模型,
但是BlockingQueue并不能进行生产与消费的并发,原因在于我们使用的是STL提供的队列,进行了一个适配,底层的实现可能会修改到成员变量造成未知的错误。

而这次我们选择使用环形队列(底层vector),可以实现生产与消费的并发。

目录

  • POSIX信号量:
  • 生产消费模型:
    • 数据结构中的环形队列:
    • 理论:
    • 代码(单生产单消费):
    • 代码(多生产多消费):

POSIX信号量:

POSIX比System V版本的信号量更加简洁明了。
首先他们都是在在这里插入图片描述头文件下的

我们来简单的看一下接口:
关于信号量的一些详细概念可以看一次进程间通信。

信号量初始化:
在这里插入图片描述
第一个参数是你创建的sem对象地址,第二个参数由于我们是进程间的线程通信,设置为0即可,第三个是你信号量“计数器”个数。

关于第二个参数更详细的可以直接看参考文档。在这里插入图片描述
信号量销毁:
在这里插入图片描述
传入你的信号量对象地址即可。

P操作:
在这里插入图片描述
V操作:
在这里插入图片描述

生产消费模型:

数据结构中的环形队列:

环形队列在数据结构中有一个很讲究的点,那就是如何判断空与满。
在这里插入图片描述
当添加完一圈元素后,头与尾又指向了同一个位置
在这里插入图片描述
因此我们的解决方案通常是增加一个空节点进行判断或者增加一个计数。

但是利用信号量 + 环形队列实现PC即可解决这个判断问题,因为信号量本身就是一个计数器。

理论:

那我们该如何利用环形队列实现PC?

我们采用先单消费单生产进行,这样只需考虑生产者与消费者的关系。

在这里插入图片描述

代码(单生产单消费):

由于我们底层是使用vector模拟,因此在进行放数据或者拿数据时需要每次都进行%=一个N,防止超出vector范围。
RingQueue.hpp

#include  #include  #include  #include  #include   const int defaultnum = 5;  template  class RingQueue { private:     void P(sem_t &sem)     {         sem_wait(&sem);     }     void V(sem_t &sem)     {         sem_post(&sem);     } public:     RingQueue(int cap = defaultnum) : _cap(cap), _p_index(0), _c_index(0), _ringqueue(cap)     {         sem_init(&_sem_data, 0, _cap);         sem_init(&_sem_space, 0, _cap);     }     ~RingQueue()     {         sem_destroy(&_sem_data);         sem_destroy(&_sem_space);     }     void Push(const T &in)     {         P(_sem_space);         _ringqueue[_p_index++] = in;         _p_index %= _cap;         V(_sem_data);     }     void Pop(T* out)     {         P(_sem_data);         *out = _ringqueue[_c_index++];;         _p_index %= _cap;         V(_sem_space);     }  private:     std::vector _ringqueue;     int _cap;      int _p_index;     int _c_index;      sem_t _sem_data;     sem_t _sem_space; }; 

Main.cc

#include "RingQueue.hpp" #include   void *Consumer(void *args) {     while (true)     {         sleep(1);         RingQueue *rq = static_cast *>(args);         // 接收数据         int data = 0;         rq->Pop(&data);         // 处理数据         std::cout << "Consumer->" << data << std::endl;     } } void *Producer(void *args) {     while (true)     {         RingQueue *rq = static_cast *>(args);         // 生产数据         int data = rand() % 10 + 1;         rq->Push(data);         std::cout << "Producer->" << data << std::endl;     } } int main() {     srand(time(nullptr));     RingQueue rq;     pthread_t p, c;     pthread_create(&c, nullptr, Consumer, &rq);     pthread_create(&p, nullptr, Producer, &rq);      pthread_join(p, nullptr);     pthread_join(c, nullptr);      return 0; } 

注意,这里我们的数据依然可以传内置类型,自定义类型,或者可调用对象。

代码(多生产多消费):

多生产多消费势必带来生产与生产的关系,消费与消费的联系。

也就意味着我们要进行加锁保护,因为多个生产者线程同时访问vector与_c_index这些共享资源,因此需要加锁。

我们此时有两个加锁方案(在P之前,V之后加锁解锁或者P之后V之前)

    void Push(const T &in)     {         Lock(_p_mutex);         P(_sem_space);         _ringqueue[_p_index++] = in;         _p_index %= _cap;         V(_sem_data);         Unlock(_p_mutex);     }     void Pop(T *out)     {         Lock(_c_mutex);         P(_sem_data);         *out = _ringqueue[_c_index++];         _p_index %= _cap;         V(_sem_space);         Unlock(_c_mutex);     } 

我们怎么选择?
我们的PV操作本质是一种预定机制,放在加锁之前可以让所有的线程共同申请信号量,达到申请并发,所以我们选择P之后V之前加锁方案。

#include  #include  #include  #include  #include  #include   const int defaultnum = 5;  template  class RingQueue { private:     void P(sem_t &sem)     {         sem_wait(&sem);     }     void V(sem_t &sem)     {         sem_post(&sem);     }     void Lock(pthread_mutex_t &mtx)     {         pthread_mutex_lock(&mtx);     }     void Unlock(pthread_mutex_t &mtx)     {         pthread_mutex_unlock(&mtx);     }  public:     RingQueue(int cap = defaultnum) : _cap(cap), _p_index(0), _c_index(0), _ringqueue(cap)     {         sem_init(&_sem_data, 0, _cap);         sem_init(&_sem_space, 0, _cap);          pthread_mutex_init(&_p_mutex, nullptr);         pthread_mutex_init(&_c_mutex, nullptr);     }     ~RingQueue()     {         sem_destroy(&_sem_data);         sem_destroy(&_sem_space);          pthread_mutex_destroy(&_p_mutex);         pthread_mutex_destroy(&_c_mutex);     }     void Push(const T &in)     {         P(_sem_space);         Lock(_p_mutex);         _ringqueue[_p_index++] = in;         _p_index %= _cap;         Unlock(_p_mutex);         V(_sem_data);     }     void Pop(T *out)     {         P(_sem_data);         Lock(_c_mutex);         *out = _ringqueue[_c_index++];         _p_index %= _cap;         Unlock(_c_mutex);         V(_sem_space);     } private:     std::vector _ringqueue;     int _cap;      int _p_index;     int _c_index;      sem_t _sem_data;     sem_t _sem_space;     pthread_mutex_t _p_mutex;     pthread_mutex_t _c_mutex; }; 

完~

相关内容

热门资讯

玩家必看科普(德州wepowe... 玩家必看科普(德州wepower)本来真的有挂(透视辅助)外挂透明挂辅助app(2023已更新)(哔...
八分钟详细!来玩德州app苹果... 八分钟详细!来玩德州app苹果下载,(德州wpk)果真真的有挂,专业教程(有挂插件)-微博客户端1、...
七分钟晓得!德州之星app辅助... 七分钟晓得!德州之星app辅助(wepoke模拟器)的确是有挂的(2025已更新)(哔哩哔哩)1)德...
推荐一款(众合推扑克)就是真的... 推荐一款(众合推扑克)就是真的有挂(辅助挂)外挂透明挂辅助软件(2024已更新)(哔哩哔哩)1、全新...
五分钟教程!微扑克机制技巧,(... 五分钟教程!微扑克机制技巧,(德扑之星)就是真的有挂,力荐教程(有挂工具)-微博客户端1、下载好微扑...
9分钟知晓!wepoke ap... 9分钟知晓!wepoke app系统规律(aapoker透明挂)本来真的有挂(2021已更新)(哔哩...
今日头条(微扑克)一直真的有挂... 今日头条(微扑克)一直真的有挂(黑科技)外挂透明挂辅助黑科技(2020已更新)(哔哩哔哩)1、金币登...
7分钟晓得!德扑之星有规律(a... 7分钟晓得!德扑之星有规律(aapoker外挂)一直真的有挂(2022已更新)(哔哩哔哩)1、在德扑...
九分钟规律!GG扑克有多假,(... 九分钟规律!GG扑克有多假,(wepoke)的确真的有挂,详细教程(有挂插件)-百度知乎;一、GG扑...
实测交流(德州wepower)... 实测交流(德州wepower)一般真的有挂(透明黑科技)外挂透明挂辅助脚本(2025已更新)(哔哩哔...