Crow项目中的WebSocket随机数生成器实现解析
2025-06-18 07:34:25作者:咎竹峻Karen
概述
在Crow C++ Web框架中实现WebSocket服务时,开发者经常需要处理实时数据推送的场景。本文将以一个WebSocket随机数生成器为例,深入探讨如何正确实现周期性数据推送功能,并解决多客户端连接管理中的常见问题。
基础实现与问题
初始实现尝试在WebSocket的onopen回调中使用无限循环发送随机数:
CROW_WEBSOCKET_ROUTE(app, "/")
.onopen([&](crow::websocket::connection& conn) {
while(true) {
int randomNumber = generateRandomNumber(1, 100);
json jsonData = {{"randomNumber", randomNumber}};
conn.send_text(jsonData.dump());
std::this_thread::sleep_for(thread_sleep_periode);
}
})
这种方法存在明显问题:循环会阻塞WebSocket事件循环,导致服务器无法处理其他连接或消息。
线程池解决方案
正确的做法是使用异步线程处理数据生成和发送:
asio::thread_pool our_thread_pool(max_threads);
void workerThread(crow::websocket::connection& conn) {
std::random_device rd;
std::mt19937 gen(rd());
std::uniform_int_distribution<int> distribution(1, 100);
while (!shouldExit) {
int randomNumber = distribution(gen);
json jsonData = {{"randomNumber", randomNumber}};
conn.send_text(jsonData.dump());
std::this_thread::sleep_for(1000ms);
}
}
CROW_WEBSOCKET_ROUTE(app, "/")
.onopen([&](crow::websocket::connection& conn) {
asio::post(our_thread_pool, [&conn]() { workerThread(conn); });
})
这里使用了ASIO的线程池来管理工作线程,避免了阻塞主事件循环。
多客户端连接管理
初始线程池方案存在一个关键问题:使用全局shouldExit标志会导致所有客户端连接同时终止。解决方案是为每个连接维护独立的状态:
struct ClientData {
std::atomic<bool> shouldExit{false};
};
std::unordered_map<crow::websocket::connection*, ClientData> clientDataMap;
void workerThread(crow::websocket::connection& conn, ClientData& clientData) {
// ... 生成和发送随机数的逻辑
while (!clientData.shouldExit) {
// 工作代码
}
}
.onopen([&](crow::websocket::connection& conn) {
ClientData& clientData = clientDataMap[&conn];
clientData.shouldExit = false;
asio::post(our_thread_pool, [&conn, &clientData]() {
workerThread(conn, clientData);
});
})
.onclose([&](crow::websocket::connection& conn, const std::string& reason) {
ClientData& clientData = clientDataMap[&conn];
clientData.shouldExit = true;
clientDataMap.erase(&conn);
})
服务器关闭时的资源清理
为确保服务器关闭时能正确清理所有资源,应在main函数结束时终止所有工作线程:
int main() {
// ... 服务器初始化代码
app.bindaddr("127.0.0.1").port(8080).multithreaded().run();
// 清理代码
for (auto &clientData : clientDataMap) {
clientData.second.shouldExit = true;
}
our_thread_pool.join();
return 0;
}
最佳实践总结
- 避免阻塞事件循环:永远不要在WebSocket回调中执行耗时操作或无限循环
- 使用线程池:ASIO的线程池是管理后台任务的理想选择
- 独立连接状态:为每个连接维护独立的状态和控制标志
- 资源清理:确保在服务器关闭时正确释放所有资源
- 线程安全:使用原子变量或适当的同步机制保护共享数据
这种模式不仅适用于随机数生成器,也可应用于任何需要向WebSocket客户端推送周期性数据的场景,如实时监控、游戏状态更新等。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0458
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0787
VTJ.PRO以AI驱动的Vue3前端低代码开发工具。内置低代码引擎、渲染器和代码生成器,支持Vue源码与低代码DSL双向转换,面向前端开发者,开箱即用。 无缝嵌入本地开发工程,不改变前端开发流程和编码习惯。TypeScript05
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0316
OpenDeepWikiOpenDeepWiki 是 DeepWiki 项目的开源版本,旨在提供一个强大的知识管理和协作平台。该项目主要使用 C# 和 TypeScript 开发,支持模块化设计,易于扩展和定制。C#01
项目优选
收起
暂无描述
Markdown
832
5.52 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
497
522
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
982
2.32 K
deepin linux kernel
C
33
16
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
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++
1.21 K
1.27 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316