CppCoreGuidelines中shared_ptr使用示例的改进与思考
2025-05-02 21:39:09作者:余洋婵Anita
在C++核心指南(CppCoreGuidelines)关于共享指针的使用规则中,原示例代码存在几个值得商榷的问题,这些问题涉及到线程安全、资源管理以及代码清晰度等多个方面。
原始示例的问题分析
最初的示例代码展示了使用shared_ptr在多线程环境下共享图像资源的场景:
shared_ptr<const Image> im { read_image(somewhere) };
std::thread t0 {shade, args0, top_left, im};
std::thread t1 {shade, args1, top_right, im};
std::thread t2 {shade, args2, bottom_left, im};
std::thread t3 {shade, args3, bottom_right, im};
// detach threads
// last thread to finish deletes the image
这段代码存在几个明显问题:
-
资源生命周期误解:注释声称"最后一个完成的线程删除图像",但实际上主线程仍持有
shared_ptr,这意味着主线程才是最终决定图像何时被删除的关键。 -
线程管理不明确:虽然注释提到"分离线程",但代码中并未实际执行分离操作,这可能导致程序异常终止。
-
变量命名不规范:使用缩写
im而非更具描述性的image,不符合现代C++代码风格指南。
改进方案探讨
针对这些问题,社区提出了几种改进方案:
方案一:明确作用域
{
std::shared_ptr<const Image> image { read_image(somewhere) };
std::thread t0 {shade, args0, top_left, image};
std::thread t1 {shade, args1, top_right, image};
std::thread t2 {shade, args2, bottom_left, image};
std::thread t3 {shade, args3, bottom_right, image};
// 显式分离线程
t0.detach();
t1.detach();
t2.detach();
t3.detach();
}
// 主线程不再持有共享所有权
// 最后一个完成的工作线程将删除图像
方案二:简化线程创建
{
std::shared_ptr<const Image> image { read_image(somewhere) };
std::thread{shade, args0, top_left, image}.detach();
std::thread{shade, args1, top_right, image}.detach();
std::thread{shade, args2, bottom_left, image}.detach();
std::thread{shade, args3, bottom_right, image}.detach();
}
// 主线程不再共享所有权
// 四个着色线程中最后一个完成的将删除图像
深入思考与最佳实践
这个案例揭示了在多线程环境下使用智能指针的几个重要原则:
-
明确所有权生命周期:使用
shared_ptr时,必须清楚每个持有者的生命周期。通过限制作用域可以明确释放所有权的时机。 -
线程管理必须显式:C++线程要么join要么detach,不能放任不管。未处理的线程对象析构会导致程序终止。
-
考虑替代方案:在某些情况下,使用
shared_ptr可能不是最佳选择。如果主线程需要等待工作线程完成,使用普通对象配合线程join可能是更好的选择。 -
代码自文档化:良好的变量命名和清晰的注释对于多线程代码尤为重要,能帮助其他开发者理解复杂的资源所有权关系。
总结
这个案例展示了即使是权威指南中的示例代码也可能存在改进空间。在实际开发中,我们应该:
- 仔细考虑资源所有权模型
- 明确线程管理策略
- 编写自解释的代码
- 不断审视和优化现有代码
通过这样的实践,我们才能写出既安全又易于维护的多线程C++代码。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355