
在C++11中,std::atomic 提供了一种线程安全的方式来操作共享变量,避免数据竞争。它常用于多线程环境中对基本类型(如 int、bool、指针等)的原子读写、递增、比较交换等操作,无需使用互斥锁(mutex),从而提升性能。
1. std::atomic 的基本用法声明一个原子变量非常简单,比如定义一个原子整数:
#include <atomic> #include <iostream> std::atomic<int> counter(0); // 原子计数器,初始值为0
你可以安全地在多个线程中对其进行自增操作:
void increment() {
for (int i = 0; i < 1000; ++i) {
counter.fetch_add(1); // 原子加1
}
}
2. 结合 std::thread 实现多线程原子操作
下面是一个完整示例,多个线程同时对同一个 std::atomic<int> 变量进行递增,最终结果是准确的:
#include <atomic>
#include <thread>
#include <iostream>
#include <vector>
std::atomic<int> total(0);
void worker(int iterations) {
for (int i = 0; i < iterations; ++i) {
total.fetch_add(1);
}
}
int main() {
std::vector<std::thread> threads;
const int num_threads = 10;
const int per_thread = 1000;
// 启动10个线程
for (int i = 0; i < num_threads; ++i) {
threads.emplace_back(worker, per_thread);
}
// 等待所有线程完成
for (auto& t : threads) {
t.join();
}
std::cout << "Final count: " << total.load() << std::endl;
return 0;
}
输出应为:Final count: 10000,说明原子操作保证了数据一致性。
Post AI
博客文章AI生成器
50
查看详情
3. 常用原子操作方法
std::atomic 提供多种操作,适用于不同场景:
- load():原子地读取当前值
- store(val):原子地写入值
- fetch_add(val) / fetch_sub(val):原子加减,返回旧值
- exchange(val):设置新值并返回旧值
- compare_exchange_weak() / compare_exchange_strong():CAS(Compare-and-Swap),用于实现无锁算法
例如,使用 CAS 实现线程安全的单次初始化:
std::atomic<bool> flag(false);
void critical_init() {
bool expected = false;
if (flag.compare_exchange_strong(expected, true)) {
// 只有第一个进入的线程会执行这里
std::cout << "Initializing..." << std::endl;
}
// 其他线程跳过
}
4. 注意事项与限制
虽然 std::atomic 很方便,但有一些关键点需要注意:
- 仅支持可平凡复制(trivially copyable)的类型,通常为基本类型或简单结构体
- 不支持浮点类型的全部原子操作(部分平台可能不支持 fetch_add 等)
- 原子操作默认使用 memory_order_seq_cst(最严格的内存序),可手动指定更宽松的内存序以提升性能
- 复杂逻辑仍建议使用 mutex,避免过度依赖原子操作导致代码难维护
基本上就这些。合理使用 std::atomic 能有效减少锁竞争,提高多线程程序效率,特别是在计数器、状态标志、轻量级同步等场景下非常实用。
以上就是C++11如何使用std::atomic与多线程结合的详细内容,更多请关注知识资源分享宝库其它相关文章!
相关标签: ai c++ ios 无锁 count 结构体 bool int 指针 线程 多线程 Thread 并发 算法 大家都在看: C++井字棋AI实现 简单决策算法编写 如何为C++搭建边缘AI训练环境 TensorFlow分布式训练配置 怎样用C++开发井字棋AI 简单决策算法实现方案 怎样为C++配置嵌入式AI开发环境 TensorFlow Lite Micro移植指南 C++井字棋游戏怎么开发 二维数组与简单AI逻辑实现






发表评论:
◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。