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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210