当前位置:

首页 > 编程开发 > std::condition_variable_any用法实例详解

std::condition_variable_any用法实例详解

std::condition_variable_any不能直接用std::mutex,因其wait()要求锁满足Lockable概念(含try_lock()),而std::mutex在部分实现中不完全兼容;必须配合std::unique_lock<T>使用,并用谓词确保条件成立。

本文目录

    std::condition_variable_any不能直接用std::mutex,因其wait()要求锁满足Lockable概念(含try_lock()),而std::mutex在部分实现中不完全兼容;必须配合std::unique_lock使用,并用谓词确保条件成立。

    c++中如何使用std::condition_variable_any_c++通用条件变量用法【实例】

    std::condition_variable_any 为什么不能直接用 std::mutex

    因为 std::condition_variable_any 的设计目标就是「支持任意可锁类型」,但它本身不强制要求锁的类型。你传给 wait() 的锁对象必须满足 Lockable 概念(即提供 lock()、unlock()、try_lock()),但 std::mutex 不满足——它没有 try_lock()(C++11 起才加,但标准库实现中仍常被排除在 condition_variable_any 兼容范围外)。实际中更常见的是用 std::shared_mutex 或自定义锁,但最稳妥、最常用的是 std::unique_lock ——注意:是带模板参数的 std::unique_lock,不是裸 std::mutex。

    正确 wait() 调用必须配合 unique_lock 且检查谓词

    调用 wait() 前,锁必须已持有;wait() 内部会自动释放锁,并在被唤醒后重新获取。但唤醒不等于条件成立(可能虚假唤醒),所以必须用带谓词的重载或手动循环检查。

    • std::condition_variable_any 的 wait() 只接受 std::unique_lock(或其他满足 Lockable 的锁包装器),不能传 std::lock_guard
    • 推荐始终使用谓词版本:cv.wait(lock, [&]{ return ready; });,避免手写 while 循环出错
    • 谓词必须捕获所有依赖变量(如 ready),且该变量需为 std::atomic 或受同一互斥体保护
    #include 
    #include 
    #include 
    #include 
    
    std::condition_variable_any cv;
    std::mutex mtx;
    bool ready = false;
    
    void waiter() {
        std::unique_lock lock(mtx);
        cv.wait(lock, []{ return ready; }); // 谓词确保不会漏唤醒
        std::cout << "Notified!\n";
    }
    
    void notifier() {
        std::this_thread::sleep_for(std::chrono::milliseconds(100));
        {
            std::lock_guard lock(mtx);
            ready = true;
        }
        cv.notify_one();
    }
    
    int main() {
        std::thread t1(waiter);
        std::thread t2(notifier);
        t1.join(); t2.join();
    }
    

    和 std::condition_variable 的关键区别在哪

    核心差异只有两点:锁类型灵活性 和 性能开销。

    • std::condition_variable 只接受 std::unique_lock,硬编码依赖 std::mutex;std::condition_variable_any 接受任意满足 Lockable 的锁(如 std::unique_lock、std::scoped_lock 等)
    • 但 std::condition_variable_any 内部通常用 void* 存储锁对象,需额外类型擦除和虚函数调用,性能略低;除非你真需要等在 std::shared_mutex 上(比如读线程等待写完成),否则优先用 std::condition_variable
    • 两者 notify 语义完全一致:notify_one() / notify_all() 不保证立即唤醒,也不保证唤醒顺序

    容易忽略的线程安全细节

    很多人以为只要锁了就安全,但 std::condition_variable_any 的使用链中存在三个独立的线程安全边界:

    • 被等待的条件变量(cv)本身是线程安全的,可多线程调用 notify_*
    • 被保护的状态变量(如 ready)必须与 wait 所用的锁同源 —— 不能一个用 mtx,另一个用 mtx2
    • notify_one() 可以在无等待线程时安全调用,但若此时 wait 尚未开始,该通知就丢失;所以初始化顺序和首次通知时机要小心

    真正难调试的问题往往出在状态变量没被锁保护,或者谓词里用了非原子、非同步访问的变量。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    LangChain Core 1.8.2 更新后哪些认证和并发行为需要关注?
    LangChain Core 1.8.2 更新后哪些认证和并发行为需要关注?

    1.8.2 带来网关服务头及密钥回退调整,并修复部分 schema 警告竞争;具体解释实际适用范围与版本查询方法。

    OpenCode 2.3.1 默认后台压缩对 Token 和长任务有什么影响?
    OpenCode 2.3.1 默认后台压缩对 Token 和长任务有什么影响?

    OpenCode 2.3.1 默认预生成摘要,未使用的摘要仍有Token开销;前台Shell默认等待120秒后转后台,显式后台任务仍有超时边界。

    SkillEvaluator 1.0.1 支持 Python 3.12–3.14 时有哪些评测前提?
    SkillEvaluator 1.0.1 支持 Python 3.12–3.14 时有哪些评测前提?

    SkillEvaluator 1.0.1,支持 Python 3.12–3.14。 使用评测工具前,需要先满足解释器和所选后端的条件。标准静态检查与真实运行评测对外部服务的要求各有不同。

    llama.cpp b12484、b12485、b12487、b12488 为什么要按运算和硬件核对?
    llama.cpp b12484、b12485、b12487、b12488 为什么要按运算和硬件核对?

    llama.cpp b12484、b12485、b12487、b12488 均为预发布构建。 浮点解码、池化归约和矩阵计算由不同路径处理。四个构建的维护适用范围各自明确,评估时要同时看软件路径和硬件条件。

    Rillet 1.0.0 配合 Cursor 3.13.0 及以上能管理哪些业务数据?
    Rillet 1.0.0 配合 Cursor 3.13.0 及以上能管理哪些业务数据?

    Rillet 1.0.0,最低 Cursor 3.13.0。 该插件能读取报表和总账,也提供客户、发票、账单等记录管理。其账户权限和组织选择,决定了代理实际能处理的数据范围。

    servicehealth-incident-correlation 1.0.0 如何区分事件与资源影响?
    servicehealth-incident-correlation 1.0.0 如何区分事件与资源影响?

    servicehealth-incident-correlation 1.0.0。 该技能把云服务事件和项目实际资源关联起来。可得证据、覆盖范围和访问权限共同决定最终能给出多具体的结论。

    cloud-trace-querying 1.0.3 的必填参数指导修正了什么?
    cloud-trace-querying 1.0.3 的必填参数指导修正了什么?

    cloud-trace-querying 1.0.3。 这次更新调整了远程工具的参数说明。项目与时间范围是否明确,是阅读两类查询指导时需要核对的重点。

    GPT-6.2 Astra 与 GPT-6.2 Sol 在 GitHub Copilot 为什么可能暂时看不到?
    GPT-6.2 Astra 与 GPT-6.2 Sol 在 GitHub Copilot 为什么可能暂时看不到?

    GPT-6.2 Astra 与 GPT-6.2 Sol 在 GitHub Copilot 正式开放,覆盖 Pro+、Max、Business 和 Enterprise,客户端逐步推送并受组织模型策略约束。

    Codex 0.169.1 的模型目录与 Bedrock 默认行为有什么变化?
    Codex 0.169.1 的模型目录与 Bedrock 默认行为有什么变化?

    Codex 0.169.1 正式补丁更新 GPT-6.2 模型目录,修复 Bedrock Mantle 评论内容回放,并调整 Bedrock 增量工具默认值。

    OpenAI Agents SDK Python 0.25.0 的交接恢复有哪些适用边界?
    OpenAI Agents SDK Python 0.25.0 的交接恢复有哪些适用边界?

    OpenAI Agents SDK Python 0.25.0 正式版移除内置 Runloop 提供方,并新增显式选择的 handoff 错误恢复,保留默认异常行为。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。