当前位置:首页 > 文章列表 > 文章 > linux > 解决Linux环境下多线程和共享内存并发访问的问题

解决Linux环境下多线程和共享内存并发访问的问题

来源:亿速云 2024-03-27 17:33:30 0浏览 收藏

最近发现不少小伙伴都对文章很感兴趣,所以今天继续给大家介绍文章相关的知识,本文《解决Linux环境下多线程和共享内存并发访问的问题》主要内容涉及到等等知识点,希望能帮到你!当然如果阅读本文时存在不同想法,可以在评论中表达,但是请勿使用过激的措辞~

为什么需要多线程?

  • 并行实体共享同一个地址空间和所有可用数据 的这种能力是多进程锁无法表达的,因为多进程具有不同的地址空间;

  • 线程比进程更加轻量级,更加快速;

  • 需要大量IO处理和计算时,拥有多线程,能够很明显地提升性能;

  • 在多CPU系统中,多线程是有益的,在这样的系统中,能够真正实现物理上的多线程并行运行;

多线程的优点

  • 加快程序响应速度;

  • 当前无需要处理的任务时,可将处理器时间让给其他任务;

  • 占用大量处理时间的任务可以定期将处理器时间让给其他任务;

  • 可以随时停止任务;

  • 可以分别设置各个任务的优先级以优化性能;

最佳应用场景

  • 耗时或大量占用处理器的任务阻塞用户界面操作;

  • 各个任务必须等待外部资源;(如远程连接或INternet连接)

多线程的缺点

  • 等候使用共享资源时会使得程序的运行速度变慢,这些共享资源主要是独占性资源,如打印机;

  • 对线程进行管理需要额外的CPU开销;

  • 线程的死锁,即较长时间等待或资源竞争,

  • 对公有变量的同时读或写往往会产生无法预知的错误

验证思路

对同一个全局变量(初始值为0),使用五个线程函数进行++操作,每个线程函数++1000次,因此,我们5个线程就应该++5000次,最后该全局变量的值应该为5000。

Linux多线程及多线程并发访问同一块内存的问题怎么解决

然而不同次的尝试执行,却发现最终wg的值有时候是5000,有时候又是4997,4998。 

原因是:

我们对wg++,并不是原子操作,转换为指令,有多条指令构成,计算机执行的二进制的指令对变量的自增这一操作分了很多步骤,比如有两条线程对wg++

但是++不是一下子可以完成,先将val读过来,再++,再读回去,这个操作还没结束,另外一个线程也把wg读过来,++,再读回去。有可能两个线程对wg=1;进行加加,最后值却为2。

我们不能仅仅停留在代码层面考虑问题,我们还需要考虑代码运行的环境,观察我们虚拟机的设置发现:有4个处理器,至少有两个处理器有处理其他线程,存在一个线程放在2个处理器上的情况,同时访问,出现小于5000的概率比较高,这也是因为并行执行引起的。

Linux多线程及多线程并发访问同一块内存的问题怎么解决

调成1个处理器,此时的5个线程,只有1个线程执行,其余4个肯定没有执行,不出现同时执行两个线程的情况。

出现小于5000的概率很小(这个原因是,把val值1读过来,还没来得及++回去,这个时候时间片到了,发生了切换,换到其余线程,读过来还是1,加加,现场恢复,还是1进行加加,这种场景出现的概率非常小)1个处理器不能并行的。

以上就是《解决Linux环境下多线程和共享内存并发访问的问题》的详细内容,更多关于Linux的资料请关注golang学习网公众号!

版本声明
本文转载于:亿速云 如有侵犯,请联系study_golang@163.com删除
在Linux系统中如何设置网络负载均衡在Linux系统中如何设置网络负载均衡
上一篇
在Linux系统中如何设置网络负载均衡
全面了解 Java 缓存技术:从数据缓存到页面缓存
下一篇
全面了解 Java 缓存技术:从数据缓存到页面缓存
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    292次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    344次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    349次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    313次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    133次使用