Linux线程入门

Linux线程概念

什么是线程

重新理解进程

线程的优点

线程的缺点

线程的异常

线程用途

Linux线程概念

什么是线程

在一个程序里的一个执行路线就叫做线程（thread）。更准确的定义是：线程是“一个进程内部的控制序列”。
一切进程至少都有一个执行线程。
线程在进程内部运行，本质是在进程地址空间内运行。
在Linux系统中，在CPU眼中，看到的PCB都要比传统的进程更轻量化。
透过进程虚拟地址空间，可以看到进程的大部分资源，将进程资源合理分配给每个执行流，就形成了线程执行流。

根据前言知识，我们创建一个进程的时候，实际上伴随着其进程控制块（task_struct）、进程地址空间（mm_struct）以及页表的创建，而虚拟地址与物理地址就是通过页表映射的。

对于每一个进程的创建都会经过此过程，所以每个进程都是相互独立的，互不干扰的。

对于前面线程的定义来说，一个程序中的一个执行路线就叫线程，一切进程至少又一个执行线程。所以我们可以简单的知道进程与线程的一个简单的关系：线程是进程的一个执行分支。

除此之外，线程是在进程内部运行的，本质在进程的地址空间上运行，并且进程的资源合理分配给每一个执行流。所以我们可以简单画出线程创建的结果：

此时我们创建了四个线程。

其每一个线程都是进程的一个执行流，也就是我们说的执行分支。
其每一个线程都是在进程内部运行的，都是在进程地址空间内运行的。
并且，进程资源合理分配给每个执行流，几乎都是被所有线程共享的。

所以简单的来说，一个进程可以包含多个线程，这些线程共享进程的资源。

单纯从技术角度，这个是一定能实现的，因为它比创建一个原始进程所做的工作更轻量化了。

那么刚刚了解了线程，肯定会对以前对进程的了解有一定的困惑，那该如何重新理解之前的进程？

重新理解进程

如图用红色方框框起来的内容，我们将这个整体叫做进程。

因此，对于进程的定义，进程 = 内核数据结构 + 程序的代码和数据，此定义就不准确了。不能简简单单通过task_struct来衡量了。所以的定义应该是进程 = 多个内核数据结构 + 程序的代码和数据 + 所占的物理内存

现在我们应该站在内核角度来理解进程：承担分配系统资源的基本实体，叫做进程。

换言之，当我们创建进程时是创建一个task_struct、创建地址空间、维护页表，然后在物理内存当中开辟空间、构建映射，打开进程默认打开的相关文件、注册信号对应的处理方案等等。

而我们之前接触到的进程都只有一个task_struct，也就是该进程内部只有一个执行流，即单执行流进程，反之，内部有多个执行流的进程叫做多执行流进程。

在Linux中，站在CPU的角度，是什么样呢？

根据前言对进程的学习，CPU是无法直接以进程为单位进行调度的，而是通过一个队列，然后task_struct 通过内嵌的 sched_entity 间接参与队列。

站在CPU的角度，能否识别当前调度的task_struct是进程还是线程？

答案是不能的，而且也不需要。因为CPU只关心一个一个的独立执行流。无论进程内部只有一个执行流还是有多个执行流，对于CPU而言，只需要将执行流安排好，以他们为基本单位进行调度即可。

单执行流被调度

多执行流被调度

所以在Linux系统中，对于CPU来说，虽然看到的是task_struct，但是比传统的PCB要更加轻量化。

传统PCB：在经典操作系统中，PCB是描述进程的核心数据结构，包含进程的所有信息（PID、状态、内存映射、文件描述符、上下文等）。
Linux的task_struct：虽然名字叫“任务结构体”，但它实际是线程的抽象（因为Linux不区分进程和线程，均用task_struct表示）。一个进程可能包含多个task_struct（多线程时），共享同一份资源（如内存空间）。

所以在Linux系统下，对CPU而言，线程<=执行流<=进程。

所以在Liunx系统下，线程是基本调度单位，线程也就是task_struct！！！但仅限Linux下。

Linux下并不存在真正的线程！而是用进程模拟的！

操作系统中存在大量的进程，一个进程内又存在一个或多个线程，因此线程的数量一定比进程的数量多，当线程的数量足够多的时候，很明显线程的执行粒度要比进程更细。

如果一款操作系统要支持真的线程，那么就需要对这些线程进行管理。比如说创建线程、终止线程、调度线程、切换线程、给线程分配资源、释放资源以及回收资源等等，所有的这一套相比较进程都需要另起炉灶，搭建一套与进程平行的线程管理模块。

因此，如果要支持真的线程一定会提高设计操作系统的复杂程度。在Linux看来，描述线程的控制块和描述进程的控制块是类似的，因此Linux并没有重新为线程设计数据结构，而是直接复用了进程控制块，所以我们说Linux中的所有执行流都叫做轻量级进程。

但也有支持真的线程的操作系统，比如Windows操作系统，因此Windows操作系统系统的实现逻辑一定比Linux操作系统的实现逻辑要复杂得多。

既然在Linux没有真正意义的线程，那么也就绝对没有真正意义上的线程相关的系统调用！

这很好理解，既然在Linux中都没有真正意义上的线程了，那么自然也没有真正意义上的线程相关的系统调用了。但是Linux可以提供创建轻量级进程的接口，也就是创建进程，共享空间，其中最典型的代表就是vfork函数。

vfork函数的功能就是创建子进程，但是父子共享空间，v函数fork的函数原型如下：

pid_t vfork(void);

vfork函数的返回值与fork函数的返回值相同：

给父进程返回子进程的PID。
给子进程返回0。

只不过vfork函数创建出来的子进程与其父进程共享地址空间，例如在下面的代码中，父进程使用vfork函数创建子进程，子进程将全局变量g_val由100改为了200，父进程休眠3秒后再读取到全局变量g_val的值。

#include <iostream>
#include <stdlib.h>
#include <sys/types.h>
#include <unistd.h>

using namespace std;

int g_val = 100;

int main()
{
    pid_t id = vfork();
    if (id == 0)
    {
		//child
		g_val = 200;
		printf("child:PID:%d, PPID:%d, g_val:%d\n", getpid(), getppid(), g_val);
		exit(0);
	}
    // father
    sleep(2);
    printf("father:PID:%d, PPID:%d, g_val:%d\n", getpid(), getppid(), g_val);
    return 0;
}

父进程读取到g_val的值是子进程修改后的值，也就证明了vfork创建的子进程与其父进程是共享地址空间的。

其实这样暗示了fork创建的子进程并不属于线程！！！ fork创建的是完整的子进程，该子进程是父进程的完整副本。

线程的优点

创建一个新线程的代价要比创建一个新进程小得多
与进程之间的切换相比，线程之间的切换需要操作系统做的工作要少很多
线程占用的资源要比进程少很多
能充分利用多处理器的可并行数量
在等待慢速I/O操作结束的同时，程序可执行其他的计算任务
计算密集型应用，为了能在多处理器系统上运行，将计算分解到多个线程中实现
I/O密集型应用，为了提高性能，将I/O操作重叠。线程可以同时等待不同的I/O操作。

线程的缺点

性能损失：一个很少被外部事件阻塞的计算密集型线程往往无法与共它线程共享同一个处理器。如果计算密集型线程的数量比可用的处理器多，那么可能会有较大的性能损失，这里的性能损失指的是增加了额外的同步和调度开销，而可用的资源不变。
健壮性降低：编写多线程需要更全面更深入的考虑，在一个多线程程序里，因时间分配上的细微偏差或者因共享了不该共享的变量而造成不良影响的可能性是很大的，换句话说线程之间是缺乏保护的。
缺乏访问控制：进程是访问控制的基本粒度，在一个线程中调用某些OS函数会对整个进程造成影响。
程难度提高：编写与调试一个多线程程序比单线程程序困难得多