郎创网站建设,教你如何做网络营销推广,wordpress clean options,做网站的技术体系在开发C程序时#xff0c;一般在吞吐量、并发、实时性上有较高的要求。设计C程序时#xff0c;总结起来可以从如下几点提高效率#xff1a; l 并发l 异步l 缓存下面将我平常工作中遇到一些问题例举一二#xff0c;其设计思想无非以上三点。 1任务队列 1.1 以生产者-消…在开发C程序时一般在吞吐量、并发、实时性上有较高的要求。设计C程序时总结起来可以从如下几点提高效率 l 并发l 异步l 缓存下面将我平常工作中遇到一些问题例举一二其设计思想无非以上三点。 1任务队列 1.1 以生产者-消费者模型设计任务队列 生产者-消费者模型是人们非常熟悉的模型比如在某个服务器程序中当User数据被逻辑模块修改后就产生一个更新数据库的任务produce投递给IO模块任务队列IO模块从任务队列中取出任务执行sql操作consume。 设计通用的任务队列示例代码如下 详细实现可参见 http://ffown.googlecode.com/svn/trunk/fflib/include/detail/task_queue_impl.h void task_queue_t::produce(const task_t task_) { lock_guard_t lock(m_mutex); if (m_tasklist-empty()){//! 条件满足唤醒等待线程 m_cond.signal(); } m_tasklist-push_back(task_); } int task_queue_t::comsume(task_t task_){ lock_guard_t lock(m_mutex); while (m_tasklist-empty())//! 当没有作业时就等待直到条件满足被唤醒{ if (false m_flag){ return -1; } m_cond.wait(); } task_ m_tasklist-front(); m_tasklist-pop_front(); return 0; } 1.2 任务队列使用技巧 1.2.1 IO 与 逻辑分离 比如网络游戏服务器程序中网络模块收到消息包投递给逻辑层后立即返回继续接受下一个消息包。逻辑线程在一个没有io操作的环境下运行以保障实时性。示例 void handle_xx_msg(long uid, const xx_msg_t msg){ logic_task_queue-post(boost::bind(servie_t::proces, uid, msg)); } 注意此模式下为单任务队列每个任务队列单线程。 1.2.2 并行流水线 上面的只是完成了io 和 cpu运算的并行而cpu中逻辑操作是串行的。在某些场合cpu逻辑运算部分也可实现并行如游戏中用户A种菜和B种菜两种操作是完全可以并行的因 为两个操作没有共享数据。最简单的方式是A、B相关的操作被分配到不同的任务队列中。示例如下 void handle_xx_msg(long uid, const xx_msg_t msg) { logic_task_queue_array[uid % sizeof(logic_task_queue_array)]-post( boost::bind(servie_t::proces, uid, msg)); } 注意此模式下为多任务队列每个任务队列单线程。 1.2.3 连接池与异步回调 比如逻辑Service模块需要数据库模块异步载入用户数据并做后续处理计算。而数据库模块拥有一个固定连接数的连接池当执行SQL的任务到来时选择一个空闲的连接执行SQL并把SQL 通过回调函数传递给逻辑层。其步骤如下 n 预先分配好线程池每个线程创建一个连接到数据库的连接n 为数据库模块创建一个任务队列所有线程都是这个任务队列的消费者n 逻辑层想数据库模块投递sql执行任务同时传递一个回调函数来接受sql执行结果 示例如下 void db_t:load(long uid_, boost::functionvoid (user_data_t) func_){ //! sql execute, construct user_data_t user func_(user) } void process_user_data_loaded(user_data_t){ //! todo something } db_task_queue-post(boost::bind(db_t:load, uid, func)); 注意此模式下为单任务队列每个任务队列多线程。 2. 日志 本文主要讲C多线程编程日志系统不是为了提高程序效率但是在程序调试、运行期排错上日志是无可替代的工具相信开发后台程序的朋友都会使用日志。常见的日志使用方式有如下几种 n 流式如logstream start servie time[%d] time(0) app name[%s] app_string.c_str() endl;n Printf 格式如logtrace(LOG_MODULE, start servie time[%d] app name[%s], time(0), app_string.c_str()); 二者各有优缺点流式是线程安全的printf格式格式化字符串会更直接但缺点是线程不安全如果把app_string.c_str() 换成app_string std::string编译被通过但是运行期会crash如果运气好每次都crash运气不好偶尔会crash。我个人钟爱printf风 格可以做如下改进 l 增加线程安全利用C模板的traits机制可以实现线程安全。示例 templatetypename ARG1 void logtrace(const char* module, const char* fmt, ARG1 arg1){ boost::format s(fmt); f % arg1; } 这样除了标准类型std::string 传入其他类型将编译不能通过。这里只列举了一个参数的例子可以重载该版本支持更多参数如果你愿意可以支持9个参数或更多。 l 为日志增加颜色在printf中加入控制字符可以再屏幕终端上显示颜色Linux下示例printf(\033[32;49;1m [DONE] \033[39;49;0m) 更多颜色方案参见 http://hi.baidu.com/jiemnij/blog/item/d95df8c28ac2815cb219a80e.html l 每个线程启动时都应该用日志打印该线程负责什么功能。这样程序跑起来的时候通过top –H – p pid 可以得知那个功能使用cpu的多少。实际上我的每行日志都会打印线程id此线程id非pthread_id而其实是线程对应的系统分配的进程id 号。3. 性能监控 尽管已经有很多工具可以分析c程序运行性能但是其大部分还是运行在程序debug阶段。我们需要一种手段在debug和release阶段都能监控程序一方面得知程序瓶颈之所在一方面尽早发现哪些组件在运行期出现了异常。 通常都是使用gettimeofday 来计算某个函数开销可以精确到微妙。可以利用C的确定性析构非常方便的实现获取函数开销的小工具,示例如下 struct profiler{ profiler(const char* func_name){ gettimeofday(tv, NULL); } ~profiler(){ struct timeval tv2; gettimeofday(tv2, NULL); long cost (tv.tv_sec - tv.tv_sec) * 1000000 (tv.tv_usec - tv.tv_usec); //! post to some manager } struct timeval tv; }; #define PROFILER() profiler(__FUNCTION__) Cost 应该被投递到性能统计管理器中该管理器定时讲性能统计数据输出到文件中。 4 Lambda 编程 使用foreach 代替迭代器 很多编程语言已经内建了foreach但是c还没有。所以建议自己在需要遍历容器的地方编写foreach函数。习惯函数式编程的人应该会非常钟情使用foreach使用foreach的好处多多少少有些如 http://www.cnblogs.com/chsword/archive/2007/09/28/910011.html 但主要是编程哲学上层面的。 示例 void user_mgr_t::foreach(boost::functionvoid (user_t) func_){ for (iterator it m_users.begin(); it ! m_users.end() it){ func_(it-second); } } 比如要实现dump 接口不需要重写关于迭代器的代码 void user_mgr_t:dump(){ struct lambda { static void print(user_t user){ //! print(tostring(user); } }; this-foreach(lambda::print); } 实际上上面的代码变通的生成了匿名函数如果是c 11 标准的编译器本可以写的更简洁一些 this-foreach([](user_t user) {} ); 但是我大部分时间编写的程序都要运行在centos 上你知道吗它的gcc版本是gcc 4.1.2 所以大部分时间我都是用变通的方式使用lambda函数。 Lambda 函数结合任务队列实现异步 常见的使用任务队列实现异步的代码如下 void service_t:async_update_user(long uid){ task_queue-post(boost::bind(service_t:sync_update_user_impl, this, uid)); } void service_t:sync_update_user_impl(long uid){ user_t user get_user(uid); user.update() } 这样做的缺点是一个接口要响应的写两遍函数如果一个函数的参数变了那么另一个参数也要跟着改动。并且代码也不是很美观。使用lambda可以让异步看起来更直观仿佛就是在接口函数中立刻完成一样。示例代码 void service_t:async_update_user(long uid){ struct lambda { static void update_user_impl(service_t* servie, long uid){ user_t user servie-get_user(uid); user.update(); } }; task_queue-post(boost::bind(lambda:update_user_impl, this, uid)); } 这样当要改动该接口时直接在该接口内修改代码非常直观。 5. 奇技淫巧 利用shared_ptr 实现map/reduce Map/reduce的语义是先将任务划分为多个任务投递到多个worker中并发执行其产生的结果经reduce汇总后生成最终的结果。 Shared_ptr的语义是什么呢当最后一个shared_ptr析构时将会调用托管对象的析构函数。语义和map/reduce过程非常相近。我 们只需自己实现讲请求划分多个任务即可。示例过程如下 l 定义请求托管对象加入我们需要在10个文件中搜索“oh nice”字符串出现的次数定义托管结构体如下 struct reducer{ void set_result(int index, long result) { m_result[index] result; } ~reducer(){ long total 0; for (int i 0; i sizeof(m_result); i){ total m_result[i]; } //! post total to somewhere } long m_result[10]; }; l 定义执行任务的 worker void worker_t:exe(int index_, shared_ptrreducer ret) { ret-set_result(index, 100); } l 将任务分割后投递给不同的worker shared_ptrreducer ret(new reducer()); for (int i 0; i 10; i) { task_queue[i]-post(boost::bind(worker_t:exe, i, ret)); } 转载于:https://www.cnblogs.com/lchb/articles/3465400.html
