推荐:uThreads——轻量级并发库,让C++更高效
2024-05-21 19:19:04作者:戚魁泉Nursing
项目简介
uThreads是一个基于协同调度的用户级线程(纤维)实现的C++并发库。它利用了用户级线程的轻量化特性,以规避传统内核级线程中的上下文切换开销、抢占式调度和优先级管理带来的额外成本。通过支持M:N映射,uThreads能够在多核处理器上更好地管理和分配计算资源,适用于对性能有高要求的应用场景。
技术剖析
uThreads的核心在于其用户级线程与内核级线程之间的M:N映射模型,以及集群(Clusters)、内核线程(kThreads)和用户线程(uThreads)的概念。每个集群有自己的调度器,并可以包含多个内核线程。用户线程在集群内被调度执行,能迁移至其他集群以适应不同任务需求。值得注意的是,uThreads还包括一个负责网络设备轮询和事件多路复用的特殊内核线程,这使得它能在用户层面上对网络事件进行阻塞,而实际上保持内核层的非阻塞状态。
应用场景
uThreads尤其适合于以下场景:
- 高性能Web服务器:如项目readme所示的简单web服务器性能测试显示,在处理大量并发请求时,uThreads相对于fasthttp、cppsp和nodejs等有显著的效率优势。
- IO密集型应用:通过避免内核级阻塞,uThreads可使应用即使在等待IO操作时也能维持较高的并发性。
- CPU敏感任务:通过在不同核心上的智能分配,uThreads有助于提升CPU缓存局部性和计算性能。
项目特点
- M:N映射:用户级线程可在多个内核线程之间动态迁移,充分利用多核硬件资源。
- 协同调度:无内核抢占,减少上下文切换开销,提高整体效率。
- 集群管理:不同任务可分配到不同的集群,优化执行策略。
- 固定栈大小:为追求性能,uThreads预设了栈大小,有效减少了内存分配时间。
结语
uThreads为开发人员提供了一个高性能的并发解决方案,尤其是在需要轻量级线程管理和高度优化的系统中。如果你正在寻找一种能够提升应用程序并发性能的方法,不妨尝试一下这个库。不过,请留意项目维护状态,目前该项目已转移到libfibre,最新的进展和改进可以在新的仓库中找到。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146