關於多進程與多線程,一直想認真寫一篇,卻總因為想寫得面面俱到而遲遲沒有動筆。今天先把骨架搭起來,之後再慢慢補。
這問題對寫過多進程的人來說近乎不言自明,但對沒接觸過的人,確實很難體會並發的必要性。
只要你不整天寫那種「int main() 到底」的單線程式碼,遲早會遇到「回應不夠快」的狀況。就像一個快餐店服務生,既要在前台點餐,又要接電話外送,沒有分身術一定手忙腳亂。多進程/多線程技術,就是讓你能像孫悟空拔毛分身一樣,同時處理多件事。
並發的本質是「同一時間執行多條任務」:你的程式不再只是從上到下、一條線走完,而是一邊在 main 裡跟櫃檯客人應對,另一邊早就把外賣送到別人家了。所以為何需要並發?因為我們要提供更強的功能、服務更多的人。
最直觀的進程就是一個個 PID。官方定義是「程式在電腦上的一次執行活動」。看最簡單的例子:
int main() {
printf("pid is %d\n", getpid());
return 0;
}
進入 main 就是一個進程,印出 PID,跑到 return 就結束——因為它是該進程唯一的執行流,return 之後進程也跟著退出。
多進程則透過 fork() 建立子進程:
#include <unistd.h>
#include <sys/types.h>
#include <stdio.h>
void print_exit() { printf("the exit pid:%d\n", getpid()); }
int main() {
pid_t pid;
atexit(print_exit); // 註冊進程退出時的回呼
pid = fork();
if (pid < 0)
printf("error in fork!");
else if (pid == 0)
printf("i am the child process, my process id is %d\n", getpid());
else {
printf("i am the parent process, my process id is %d\n", getpid());
sleep(2);
wait();
}
}
輸出:
i am the child process, my process id is 15806 the exit pid:15806 i am the parent process, my process id is 15805 the exit pid:15805
fork 的特徵是「回傳兩次」:一次回傳 0,走的是子進程路徑;一次回傳子進程的 PID,走的是父進程路徑。失敗則回傳 -1。
父進程為何需要子進程的 PID?原因之一是必須 wait() 等子進程結束後回收它的 task_struct,否則會產生僵屍進程。另外 atexit 傳入的參數是函式指標——函式名在非呼叫語境下會退化為函式指標。
子進程與父進程的關係:fork 之後,子進程會複製父進程的 task_struct,並為自己的堆疊配置物理頁。理論上子進程應完整複製父進程的堆、堆疊與資料空間,但兩者共享文字段(正文段)。
寫入時複製(Copy-on-Write):由於 fork 之後通常緊接 exec,現代實作會採用 COW——資料段、堆、堆疊一開始並不真的複製,而是父子共用並標記為唯讀,直到有一方嘗試寫入,核心才複製那一片。這樣能大幅降低 fork 的成本。
線程是「可派配的執行單元」,名稱來自「執行的線索」。在支援線程的多工環境中,每個進程至少有一條線程,但可以有多條,也就是單一程式能並發執行多個任務。
一句話總結差異:進程是「複製一份流程」,線程是「把一條河切成很多小溪」。線程沒有複製的額外開銷,用極低的系統成本就把同一條河變成多股水流——偉大之處就在於開銷極小(代價則是重入性、執行緒安全等一堆問題)。
Linux 的線程建立呼叫:
int pthread_create(pthread_t *restrict tidp, const pthread_attr_t *restrict attr,
void *(*start_rtn)(void), void *restrict arg);
// 成功回傳 0,失敗回傳錯誤碼
四個參數分別是:線程識別碼指標、線程屬性、線程進入函式位址、傳給該函式的參數。
#include <stdio.h>
#include <unistd.h>
#include <pthread.h>
void *task1(void *arg) {
printf("task1\n");
pthread_exit((void *)1); // 分離線程,自生自滅
}
void *task2(void *arg) {
printf("thread2 begin.\n");
pthread_exit((void *)2);
}
void usr() {
pthread_t pid1, pid2;
pthread_attr_t attr;
void *p;
int ret = 0;
pthread_attr_init(&attr);
pthread_attr_setdetachstate(&attr, PTHREAD_CREATE_DETACHED);
pthread_create(&pid1, &attr, task1, NULL);
pthread_attr_setdetachstate(&attr, PTHREAD_CREATE_JOINABLE);
pthread_create(&pid2, &attr, task2, NULL);
ret = pthread_join(pid2, &p); // 等待 pid2 回傳
printf("after pthread2: ret=%d, p=%d\n", ret, (int)p);
}
int main() { usr(); getchar(); return 1; }
主線程做自己的事,同時生出兩條子線程:task1 設為 detached,任其自生自滅;task2 是 joinable,需要等待回傳。若不想等待,就設成分離線程。
編譯時別忘了連結 pthread 函式庫:
gcc -o pthrea -pthread pthrea.c
1. 開銷差異:多進程開銷大、多線程開銷小,這是最基本的區別。
2. 可重入與執行緒安全:
確保執行緒安全,重點在共享變數:同一進程的線程共享全域區與堆,私有的是堆疊與暫存器。因此局部變數是私有的,而全域變數、局部靜態變數、堆上配置的變數都是共享的——存取這些共享資料必須加鎖。
可重入的判斷條件:
兩者關係:可重入的函式一定是執行緒安全的,反之不然。例如 strtok 既不可重入也非執行緒安全;加鎖後的 strtok 不可重入但執行緒安全;而 strtok_r 兩者皆是。
若線程函式非執行緒安全,共享變數的值可能因不同線程的存取而發生不可預期的變化,進而導致邏輯錯誤甚至崩潰。
3. 進程間通信(IPC):Linux 常見手段包括:
管道 Pipe 與有名管道 named pipe:前者適用於有親緣關係的進程,後者解除命名限制,允許無親緣關係的進程溝通。 信號 Signal:較複雜的通信方式,用於通知接收進程某事件發生;除了進程間,進程也可對自己發送。除了早期的 sigal,也支援符合 POSIX.1 的 sigaction。 訊息佇列 Message Queue:本質是訊息的鏈表,分為 POSIX 與 System V 兩種。克服了信號承載資訊量少、管道只能傳無格式位元組流且緩衝區受限的缺點。 共享記憶體:讓多個進程存取同一塊記憶體,是最快的 IPC 形式,通常搭配信號量以完成同步與互斥。 信號量 Semaphore:主要作為進程間與同進程線程間的同步手段。 Socket:最通用的 IPC 機制,可用於不同機器之間的進程通訊。
那多線程之間要怎麼溝通?如前所述,多數線程屬於同一進程,共享該進程的全域變數,直接用全域變數即可。若兩個線程屬於不同進程,就照 IPC 的方式處理。
4. 線程的堆疊:建立子線程後,它會取得一部分該進程的堆疊空間作為「名義上」的私有區。之所以說名義上,是因為同進程的其他線程只要拿到你私有堆疊上某變數的指標,就能自由存取。多進程則不行——不同進程的相同虛擬位址幾乎不可能對映到相同實體位址。
5. 在子線程裡 fork:常見疑問是在線程函式中呼叫 system 或 fork 會不會出錯。
void *task1(void *arg) {
printf("task1\n");
system("ls");
pthread_exit((void *)1);
}
int main() {
pthread_t pid1;
void *p;
pthread_create(&pid1, NULL, task1, NULL);
pthread_join(pid1, &p);
printf("end main\n");
return 1;
}
只要線程函式符合上述條件,這段程式可以正常呼叫 ls。不過要注意:在「同時使用多進程與多線程」的情況下(子進程裡又開線程),函式內部相當容易發生死鎖,實務上應盡量避免這種混用。