C++11实用技术(三)std::future、std::promise、std::packaged_task、async_std::future、promise、package_task、async-程序员宅基地

技术标签: jvm  c++  java  C++进阶  

C++进阶系列目录

C++ operator关键字的使用(重载运算符、仿函数、类型转换操作符)

C++11实用技术(一)auto与decltype的使用

C++11实用技术(二)std::function和bind绑定器

C++11实用技术(三)std::future、std::promise、std::packaged_task、async

简介

C++的多线程指令是thread。例如

#include <iostream>
#include <thread>

// 线程函数,打印一条消息
void printMessage(const std::string& message) {
    
    std::cout << "Message: " << message << std::endl;
}
int main() {
    
    // 创建线程对象,并指定线程函数及其参数
    std::thread t(printMessage, "Hello, world!");
    // 等待线程执行完毕
    t.join();
    return 0;
}

我们可以通过thread创建多线程。并把执行任务函数以回调函数的形式传入多线程中去执行。但是通过thread有个问题:

我们没有获取任务函数的接口,也就是我们很难在主线程中拿到我们任务函数的返回值或者内部参数值。(可以通过全局变量来获取,但是有一定的并发风险,并且不优雅)。

而std::future、std::promise就是可以处理这类场景。

std::future&std::async

要想在thread中获得std::future对象还要结合std::promise使用,下面会讲到。
而C++11可以通过std::async来更方便地异步创建执行task,也就是多线程执行task(和thread功能一样)。并且async返回的结果可以用std::future接收。
例如:

#include <iostream>
#include <future>
int calculateSum(int a, int b) {
    
    return a + b;
}
int main() {
    
    std::future<int> result = std::async(calculateSum, 2, 3);
    // 执行其他操作...
    // 获取异步任务的结果
    int sum = result.get();
    // 输出结果
    std::cout << "Sum: " << sum << std::endl;
    return 0;
}

可以看到我们的async创建的异步task可以用std::future接收,并且可以在主线程使用.get()来获取返回值。
注意:
result.get()这里是阻塞的,会等到task执行完成才会拿到返回值。(拿到返回值后async就会被回收,不像thread还需要使用join())。


包含.get()在内,获取future结果有3种应用不同场景的方式(有兴趣可以多了解一下):

  • get:阻塞等待异步操作结束并返回结果。
  • wait:只是等待异步操作完成,没有返回值。
  • wait_for:轮询定时查询future状态,知道任务完成。

std::async还有两种线程的创建策略:

  • std::launch::async:在调用async时就开始创建线程,默认的就是这种。
  • std::launch::deferred:延迟加载方式创建线程。调用async时不创建线程,知道调用了future的get或者wait时才创建线程。

使用示例:

std::future<int> result = std::async(std::launch::async, calculateSum, 2, 3);
std::future<int> result = std::async(std::launch::deferred, calculateSum, 2, 3);

future注意点:
用.get()获取任务返回值,只能获取一次。多次获取会报错。

#include <iostream>
#include <future>
int calculateSum(int a, int b) {
    
	return a + b;
}
int main() {
    
	std::future<int> result = std::async(calculateSum, 2, 3);
	// 执行其他操作...
	// 获取异步任务的结果
	int sum = result.get();
	// 输出结果
	std::cout << "Sum: " << sum << std::endl;

	int sum1 = result.get();//这里第二次使用get会报错
	return 0;
}

上述int sum = result.get();和int sum1 = result.get();第二次使用会报错。
在这里插入图片描述

如果想多次获取异步任务的返回结果可以使用std::shared_future;

shared_future

future可以通过.share()来拿到shared_future对象。

#include <iostream>
#include <future>

// 异步任务函数,返回一个结果
int asyncTask() {
    
	// 模拟耗时操作
	std::this_thread::sleep_for(std::chrono::seconds(5));
	return 42;
}

int main() {
    
	// 创建异步任务,并获取 std::future 对象
	std::future<int> fut = std::async(std::launch::async, asyncTask);

	// 创建共享的 std::shared_future 对象
	std::shared_future<int> sharedFut = fut.share();

	// 在多个线程中获取共享的异步任务结果
	std::thread t1([&sharedFut]() {
    
		int result = sharedFut.get();
		std::cout << "Thread 1 Result: " << result << std::endl;
		});

	std::thread t2([&sharedFut]() {
    
		int result = sharedFut.get();
		std::cout << "Thread 2 Result: " << result << std::endl;
		});

	t1.join();
	t2.join();

	return 0;
}

上述使用 fut 创建了一个共享的 std::shared_future 对象 sharedFut,并将其传递给两个线程。这两个线程分别调用 sharedFut.get() 来获取共享的异步任务结果。

注意,std::shared_future 可以在多个线程中同时访问结果,而不会阻塞等待。这使得多个线程可以并发地获取异步任务的结果。

std::promise

上述future可以获取我们的异步task返回结果,而promise可以获取我们异步task的中间值。用于在一个线程中产生一个值,并在另一个线程中获取该值。它允许你在一个线程中设置一个值,并将其与一个 std::future 关联起来,以便在另一个线程中获取该值。
例如在主线程获取异步线程task任务中的局部函数sum值:

#include <iostream>
#include <future>

void calculateSum(std::promise<int>& promise, int a, int b) {
    
    int sum = a + b;
    // 设置值
    promise.set_value(sum);
}
int main() {
    
    std::promise<int> promise;
    std::future<int> result = promise.get_future();
    // 启动异步任务
    std::thread thread(calculateSum, std::ref(promise), 2, 3);//这里用std::async也是一样的,但这里我们不需要获取task的返回值,所以就使用thread。
    // 执行其他操作...
    // 获取异步任务的结果
    int sum = result.get();
    // 输出结果
    std::cout << "Sum: " << sum << std::endl;
    // 等待线程结束
    thread.join();
    return 0;
}

上述创建了一个 std::promise 对象 promise,并通过调用 promise.get_future() 获取与之关联的 std::future 对象 result。然后启动一个新线程,将 calculateSum 函数作为参数传递给它,并传递 promise 对象和两个整数参数。

在执行其他操作后,我们通过调用 result.get() 来获取异步任务的结果。这会阻塞当前线程,直到task任务内promise.set_value(sum)执行完成。

std::packaged_task

std::packaged_task 是一个类模板,用于包装可调用对象(如函数、函数对象或lambda表达式),并将其与 std::future 关联起来,以便在另一个线程中获取该可调用对象的结果。

例如:

#include <iostream>
#include <future>
int calculateSum(int a, int b) {
    
    return a + b;
}
int main() {
    
    std::packaged_task<int(int, int)> task(calculateSum);
    std::future<int> result = task.get_future();
    // 启动异步任务
    std::thread thread(std::move(task), 2, 3);
    // 执行其他操作...
    // 获取异步任务的结果
    int sum = result.get();
    // 输出结果
    std::cout << "Sum: " << sum << std::endl;
    // 等待线程结束
    thread.join();
    return 0;
}

使用 std::packaged_task 类模板创建了一个 task 对象,将 calculateSum 函数作为参数传递给它。然后,我们通过调用 task.get_future() 获取与之关联的 std::future 对象 result。

上面看起来packaged_task和promise有点像,promise是保存一个值,而packaged_task保存了一个函数。

std::promise、std::packaged_task和std::future的关系

上述可以看出promise和packaged_task都可以使用.get_future()获取对象,是因为它们内部都有future,以便访问操作结果。
promise是保存一个值,而packaged_task保存了一个函数。如果想获取某个值,就是用promise,如果想获取返回值,就使用packaged_task(获取返回值也可以使用async,上面有讲到)。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_44477424/article/details/132135734

智能推荐

解决win10/win8/8.1 64位操作系统MT65xx preloader线刷驱动无法安装_mt65驱动-程序员宅基地

文章浏览阅读1.3w次。转载自 http://www.miui.com/thread-2003672-1-1.html 当手机在刷错包或者误修改删除系统文件后会出现无法开机或者是移动定制(联通合约机)版想刷标准版,这时就会用到线刷,首先就是安装线刷驱动。 在XP和win7上线刷是比较方便的,用那个驱动自动安装版,直接就可以安装好,完成线刷。不过现在也有好多机友换成了win8/8.1系统,再使用这个_mt65驱动

SonarQube简介及客户端集成_sonar的客户端区别-程序员宅基地

文章浏览阅读1k次。SonarQube是一个代码质量管理平台,可以扫描监测代码并给出质量评价及修改建议,通过插件机制支持25+中开发语言,可以很容易与gradle\maven\jenkins等工具进行集成,是非常流行的代码质量管控平台。通CheckStyle、findbugs等工具定位不同,SonarQube定位于平台,有完善的管理机制及强大的管理页面,并通过插件支持checkstyle及findbugs等既有的流..._sonar的客户端区别

元学习系列(六):神经图灵机详细分析_神经图灵机方法改进-程序员宅基地

文章浏览阅读3.4k次,点赞2次,收藏27次。神经图灵机是LSTM、GRU的改进版本,本质上依然包含一个外部记忆结构、可对记忆进行读写操作,主要针对读写操作进行了改进,或者说提出了一种新的读写操作思路。神经图灵机之所以叫这个名字是因为它通过深度学习模型模拟了图灵机,但是我觉得如果先去介绍图灵机的概念,就会搞得很混乱,所以这里主要从神经图灵机改进了LSTM的哪些方面入手进行讲解,同时,由于模型的结构比较复杂,为了让思路更清晰,这次也会分开几..._神经图灵机方法改进

【机器学习】机器学习模型迭代方法(Python)-程序员宅基地

文章浏览阅读2.8k次。一、模型迭代方法机器学习模型在实际应用的场景,通常要根据新增的数据下进行模型的迭代,常见的模型迭代方法有以下几种:1、全量数据重新训练一个模型,直接合并历史训练数据与新增的数据,模型直接离线学习全量数据,学习得到一个全新的模型。优缺点:这也是实际最为常见的模型迭代方式,通常模型效果也是最好的,但这样模型迭代比较耗时,资源耗费比较多,实时性较差,特别是在大数据场景更为困难;2、模型融合的方法,将旧模..._模型迭代

base64图片打成Zip包上传,以及服务端解压的简单实现_base64可以装换zip吗-程序员宅基地

文章浏览阅读2.3k次。1、前言上传图片一般采用异步上传的方式,但是异步上传带来不好的地方,就如果图片有改变或者删除,图片服务器端就会造成浪费。所以有时候就会和参数同步提交。笔者喜欢base64图片一起上传,但是图片过多时就会出现数据丢失等异常。因为tomcat的post请求默认是2M的长度限制。2、解决办法有两种:① 修改tomcat的servel.xml的配置文件,设置 maxPostSize=..._base64可以装换zip吗

Opencv自然场景文本识别系统(源码&教程)_opencv自然场景实时识别文字-程序员宅基地

文章浏览阅读1k次,点赞17次,收藏22次。Opencv自然场景文本识别系统(源码&教程)_opencv自然场景实时识别文字

随便推点

ESXi 快速复制虚拟机脚本_exsi6.7快速克隆centos-程序员宅基地

文章浏览阅读1.3k次。拷贝虚拟机文件时间比较长,因为虚拟机 flat 文件很大,所以要等。脚本完成后,以复制虚拟机文件夹。将以下脚本内容写入文件。_exsi6.7快速克隆centos

好友推荐—基于关系的java和spark代码实现_本关任务:使用 spark core 知识完成 " 好友推荐 " 的程序。-程序员宅基地

文章浏览阅读2k次。本文主要实现基于二度好友的推荐。数学公式参考于:http://blog.csdn.net/qq_14950717/article/details/52197565测试数据为自己随手画的关系图把图片整理成文本信息如下:a b c d e f yb c a f gc a b dd c a e h q re f h d af e a b gg h f bh e g i di j m n ..._本关任务:使用 spark core 知识完成 " 好友推荐 " 的程序。

南京大学-高级程序设计复习总结_南京大学高级程序设计-程序员宅基地

文章浏览阅读367次。南京大学高级程序设计期末复习总结,c++面向对象编程_南京大学高级程序设计

4.朴素贝叶斯分类器实现-matlab_朴素贝叶斯 matlab训练和测试输出-程序员宅基地

文章浏览阅读3.1k次,点赞2次,收藏12次。实现朴素贝叶斯分类器,并且根据李航《统计机器学习》第四章提供的数据训练与测试,结果与书中一致分别实现了朴素贝叶斯以及带有laplace平滑的朴素贝叶斯%书中例题实现朴素贝叶斯%特征1的取值集合A1=[1;2;3];%特征2的取值集合A2=[4;5;6];%S M LAValues={A1;A2};%Y的取值集合YValue=[-1;1];%数据集和T=[ 1,4,-1;..._朴素贝叶斯 matlab训练和测试输出

Markdown 文本换行_markdowntext 换行-程序员宅基地

文章浏览阅读1.6k次。Markdown 文本换行_markdowntext 换行

错误:0xC0000022 在运行 Microsoft Windows 非核心版本的计算机上,运行”slui.exe 0x2a 0xC0000022″以显示错误文本_错误: 0xc0000022 在运行 microsoft windows 非核心版本的计算机上,运行-程序员宅基地

文章浏览阅读6.7w次,点赞2次,收藏37次。win10 2016长期服务版激活错误解决方法:打开“注册表编辑器”;(Windows + R然后输入Regedit)修改SkipRearm的值为1:(在HKEY_LOCAL_MACHINE–》SOFTWARE–》Microsoft–》Windows NT–》CurrentVersion–》SoftwareProtectionPlatform里面,将SkipRearm的值修改为1)重..._错误: 0xc0000022 在运行 microsoft windows 非核心版本的计算机上,运行“slui.ex