CppCoreGuidelines中shared_ptr使用示例的改进与思考
2025-05-02 18:36:22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
kernelopenEuler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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
React Native鸿蒙化仓库
JavaScript
287
338
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
226
91
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
723
174
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
10
1
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++
849
439
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
699
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19