Введение в многопоточное программирование и асинхронную обработку на C++ (std::async)

Sat, 12 Sep 2026 08:00:00 +0900

В современной разработке программного обеспечения многопоточное программирование необходимо для максимального использования производительности многоядерных процессоров. Начиная со стандарта C++11, C++ ввел API для многопоточности и асинхронной обработки (<thread>, <mutex>, <condition_variable>, <future>) в стандартную библиотеку, что позволяет реализовывать переносимую и безопасную параллельную обработку без написания платформозависимого кода (например, POSIX-потоков или Windows API). Более того, с каждой новой версией (C++14, C++17, C++20) добавлялись более безопасные и продвинутые функции, такие как std::scoped_lock и std::jthread.

В этой статье мы подробно рассмотрим основы многопоточного программирования на C++, механизмы синхронизации для предотвращения состояний гонки (data race), а также концепции современной асинхронной обработки (std::async) и пула потоков с детальными примерами кода.

1. Основы параллельной обработки и закон Амдала

Главная цель многопоточности — это «повышение производительности», однако распараллелить программу целиком невозможно. Здесь важным становится закон Амдала (Amdahl’s Law).

Закон Амдала — это модель для прогнозирования того, насколько повысится общая производительность системы, если часть программы будет распараллелена и ускорена.

$$ S(N) = \frac{1}{(1 - P) + \frac{P}{N}} $$

$S(N)$ : теоретический максимальный коэффициент ускорения
$P$ : доля программы, поддающаяся распараллеливанию (0 ≤ $P$ ≤ 1)
$N$ : количество процессоров (потоков)

Важный факт, который показывает эта формула, заключается в следующем: «сколь бы сильно мы ни увеличивали количество процессоров $N$, последовательная часть $(1 - P)$, которую нельзя распараллелить, становится узким местом, и у ускорения есть предел». Например, даже если $90\%$ программы можно распараллелить ($P = 0.9$), пока оставшиеся $10\%$ обрабатываются последовательно, даже при использовании бесконечного числа процессоров максимальное ускорение составит всего $10$ раз ($S(\infty) = 1 / 0.1$).

Следовательно, при написании многопоточного кода на C++ требуется не просто увеличивать количество потоков, а создавать архитектуру, которая максимально уменьшает долю последовательной обработки (например, конкуренцию за блокировки и накладные расходы на синхронизацию).

2. Основы потоков: `std::thread` и `std::jthread` (C++20)

Традиционный `std::thread` (C++11)

Класс std::thread, представленный в C++11, является самым базовым классом для выполнения функций или лямбда-выражений в новом потоке.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26


#include <iostream>
#include <thread>

void workerFunction(int id) {
 std::cout << "Worker " << id << " is running on thread "
 << std::this_thread::get_id() << std::endl;
}

int main() {
 std::cout << "Main thread id: " << std::this_thread::get_id() << std::endl;

 // スレッドの生成と実行開始
 std::thread t1(workerFunction, 1);

 // ラムダ式を用いたスレッドの生成
 std::thread t2([](int id) {
 std::cout << "Lambda Worker " << id << " is running." << std::endl;
 }, 2);

 // スレッドの終了を待機（join）
 t1.join();
 t2.join();

 std::cout << "All threads completed." << std::endl;
 return 0;
}

Важное замечание при использовании std::thread заключается в том, что перед уничтожением объекта необходимо обязательно вызвать join() или detach(). Если ни один из этих методов не будет вызван до срабатывания деструктора std::thread, будет вызвана функция std::terminate(), что приведет к сбою программы. Для обеспечения безопасности при исключениях (exception safety) приходилось создавать собственные классы-обертки с использованием паттерна RAII.

Современный `std::jthread` (C++20)

В C++20 для устранения этих недостатков был введен std::jthread (joining thread). Поскольку std::jthread автоматически вызывает join() в своем деструкторе, он позволяет безопасно дожидаться завершения потока даже в случае возникновения исключений. Кроме того, он имеет функцию кооперативной отмены потока с помощью std::stop_token.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


#include <iostream>
#include <thread>
#include <chrono>

int main() {
 // C++20: std::jthread
 // 第一引数に std::stop_token を受け取ることでキャンセル要求を検知可能
 std::jthread jt([](std::stop_token stoken) {
 while (!stoken.stop_requested()) {
 std::cout << "Working..." << std::endl;
 std::this_thread::sleep_for(std::chrono::milliseconds(500));
 }
 std::cout << "Stop requested. Exiting thread." << std::endl;
 });

 std::this_thread::sleep_for(std::chrono::seconds(2));

 // 明示的にキャンセルを要求
 jt.request_stop();

 // jthreadのデストラクタで自動的にjoinされるため、手動の join() は不要
 return 0;
}

3. Предотвращение состояний гонки и синхронизация: мьютексы и блокировки

Когда несколько потоков одновременно обращаются к одной и той же области памяти (например, к переменной) и хотя бы один из них выполняет запись, возникает состояние гонки (Data Race). В стандарте C++ состояние гонки приводит к неопределенному поведению (Undefined Behavior). Для предотвращения этого необходимо использовать взаимное исключение с помощью std::mutex.

`std::mutex` и `std::lock_guard`

Вызывать напрямую методы std::mutex::lock() и unlock() вручную не рекомендуется из-за риска того, что при возникновении исключения метод unlock() не будет вызван, что приведет к взаимной блокировке (deadlock). В C++ для этого используют std::lock_guard (C++11) или std::scoped_lock (C++17), которые реализуют паттерн RAII.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30


#include <iostream>
#include <vector>
#include <thread>
#include <mutex>

std::mutex g_mutex;
int g_counter = 0;

void incrementCounter(int iterations) {
 for (int i = 0; i < iterations; ++i) {
 // スコープを抜けるときに自動で unlock される
 std::lock_guard<std::mutex> lock(g_mutex);
 ++g_counter;
 }
}

int main() {
 std::vector<std::thread> threads;
 for (int i = 0; i < 10; ++i) {
 threads.emplace_back(incrementCounter, 10000);
 }

 for (auto& t : threads) {
 t.join();
 }

 std::cout << "Final counter value: " << g_counter << std::endl;
 // 期待通り 100000 になる
 return 0;
}

`std::unique_lock`

В то время как std::lock_guard представляет собой простую блокировку на основе области видимости, std::unique_lock используется, когда требуется более гибкое управление (отложенная блокировка, блокировка с ограничением по времени, ранняя разблокировка и т. д.). Для std::condition_variable, который мы рассмотрим далее, использование std::unique_lock является обязательным.

4. Взаимодействие между потоками: `std::condition_variable`

Для реализации таких паттернов, как «Паттерн Производитель-Потребитель (Producer-Consumer Pattern)», где один поток ждет выполнения определенного условия, а другой отправляет уведомление, когда это условие выполняется, применяется std::condition_variable.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58


#include <iostream>
#include <thread>
#include <mutex>
#include <condition_variable>
#include <queue>

std::mutex g_mtx;
std::condition_variable g_cv;
std::queue<int> g_dataQueue;
bool g_isFinished = false;

void producer() {
 for (int i = 1; i <= 5; ++i) {
 std::this_thread::sleep_for(std::chrono::milliseconds(200));
 {
 std::lock_guard<std::mutex> lock(g_mtx);
 g_dataQueue.push(i);
 std::cout << "Produced: " << i << std::endl;
 }
 g_cv.notify_one(); // コンシューマに通知
 }

 {
 std::lock_guard<std::mutex> lock(g_mtx);
 g_isFinished = true;
 }
 g_cv.notify_one(); // 終了を通知
}

void consumer() {
 while (true) {
 std::unique_lock<std::mutex> lock(g_mtx);
 // 条件が満たされる（キューが空でない、または終了フラグが立つ）まで待機
 // 偽起因 (Spurious Wakeup) を防ぐためラムダ式で条件を指定
 g_cv.wait(lock, []{ return !g_dataQueue.empty() || g_isFinished; });

 while (!g_dataQueue.empty()) {
 int val = g_dataQueue.front();
 g_dataQueue.pop();
 // アンロックして重い処理（ここでは出力のみ）を行う
 lock.unlock();
 std::cout << "Consumed: " << val << std::endl;
 lock.lock(); // 再びロックを取得
 }

 if (g_isFinished && g_dataQueue.empty()) {
 break;
 }
 }
}

int main() {
 std::thread t1(producer);
 std::thread t2(consumer);
 t1.join();
 t2.join();
 return 0;
}

В этом примере std::condition_variable::wait переводит поток в спящий режим до выполнения условия, предотвращая тем самым излишнее потребление ресурсов CPU (активное ожидание, busy loop).

5. Высокоуровневая асинхронная обработка: `std::future`, `std::promise`, `std::async`

Рассмотренные до сих пор std::thread и std::mutex мощные, однако они представляют собой низкоуровневые механизмы потоков ОС, перенесенные в C++, и код может стать громоздким при работе с получением результатов или передачей исключений. Если вам требуется параллельная обработка, возвращающая значение, или более высокоуровневая асинхронная обработка, следует использовать функции из заголовка <future>.

`std::promise` и `std::future`

std::promise представляет сторону, которая «устанавливает» результат, а std::future — сторону, которая его «получает». Они функционируют как безопасный канал передачи результатов и исключений между потоками.

Параллельная обработка на основе задач с помощью `std::async`

Наиболее рекомендуемый способ выполнения асинхронных задач в C++ — это использование std::async. std::async выполняет задачу асинхронно и возвращает объект std::future, используемый для получения результата.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32


#include <iostream>
#include <future>
#include <chrono>

int complexCalculation(int x) {
 std::cout << "Calculation started on thread: "
 << std::this_thread::get_id() << std::endl;
 std::this_thread::sleep_for(std::chrono::seconds(2));
 if (x < 0) {
 throw std::invalid_argument("x must be positive");
 }
 return x * 42;
}

int main() {
 std::cout << "Main thread id: " << std::this_thread::get_id() << std::endl;

 // std::launch::async を指定して強制的に別スレッドで実行
 std::future<int> resultFuture = std::async(std::launch::async, complexCalculation, 10);

 std::cout << "Main thread is doing other work..." << std::endl;

 try {
 // get() を呼ぶと、計算が終わるまで現在のスレッドをブロックして待機する
 int result = resultFuture.get();
 std::cout << "Result: " << result << std::endl;
 } catch (const std::exception& e) {
 std::cerr << "Exception caught: " << e.what() << std::endl;
 }

 return 0;
}

Поведение std::async проиллюстрировано на следующей диаграмме последовательности.

sequenceDiagram participant Main as "Главный поток" participant Async as "Рабочий поток std::async" Main->>Async: "std::async(std::launch::async, ...)" activate Async Note over Main: "Выполнение другой работы..." Main->>Async: "future.get() (Блокирует до готовности)" Note right of Async: "Вычисления..." Async-->>Main: "Возврат результата или исключение" deactivate Async

Политика запуска (Launch Policy), передаваемая в качестве первого аргумента в std::async, имеет два вида:

std::launch::async: Обязательно создает новый поток (или выделяет из пула потоков) и выполняет задачу асинхронно.
std::launch::deferred: Ленивые вычисления. Задача выполняется синхронно в вызывающем потоке в момент вызова future.get() или future.wait().

По умолчанию (если не указано) выбор зависит от реализации и может зависеть от текущей нагрузки на систему. Если вы хотите гарантированно выполнить задачу асинхронно, необходимо явно указать std::launch::async.

6. Концепция пула потоков (Thread Pool)

Если вызывать std::async каждый раз или постоянно создавать и уничтожать std::thread внутри цикла, накладные расходы на переключение контекста потоков и выделение ресурсов ОС станут значительными. Особенно при обработке большого количества мелких задач (Fine-grained tasks) использование пула потоков (Thread Pool) становится необходимым.

Пул потоков — это архитектура, при которой заданное количество рабочих потоков (Worker threads) создается заранее при запуске приложения, задачи помещаются в очередь (Queue) и последовательно обрабатываются свободными рабочими потоками.

В стандартной библиотеке C++ (на момент C++23) отсутствует стандартный класс пула потоков, однако, комбинируя std::thread, std::mutex, std::condition_variable, std::function и std::packaged_task, можно реализовать эффективный пул потоков всего в несколько десятков строк кода. В реальных проектах также распространено использование асинхронного ввода-вывода из Boost.Asio или сторонних библиотек.

7. Размышления о производительности и масштабируемости

Чтобы добиться максимальной производительности в многопоточном программировании, необходимо уделять внимание не только распараллеливанию кода, но и архитектуре оборудования.

Ложное разделение (False Sharing): Если несколько потоков обновляют разные переменные, но эти переменные расположены в одной и той же строке кэша процессора (обычно 64 байта), возникает лишняя синхронизация памяти для поддержания когерентности кэша, что резко снижает производительность. Чтобы этого избежать, необходимо использовать спецификатор alignas для выравнивания переменных по границам строк кэша.
Неблокирующие алгоритмы (Lock-Free) и std::atomic: Чтобы избежать накладных расходов на блокировку и разблокировку мьютексов, можно рассмотреть использование атомарных операций (таких как Compare-And-Swap) с помощью <atomic> и неблокирующих структур данных. Однако это требует правильного понимания порядка памяти (std::memory_order) и отличается высокой сложностью реализации, поэтому обычно внедряется только после тщательного измерения производительности и подтверждения необходимости.

8. Заключение

Мы рассмотрели многопоточное и асинхронное программирование на C++ от самых основ до новейших возможностей C++20. Основные моменты:

По умолчанию используйте std::async: Для разовых асинхронных задач или параллельных вычислений, возвращающих результат, используйте безопасные std::async и std::future вместо ручного управления потоками.
Используйте std::jthread для управления потоками: Для потоков, долго работающих в фоновом режиме, применяйте std::jthread из C++20, чтобы гарантировать безопасное завершение.
Используйте RAII для синхронизации: Блокировка мьютексов для предотвращения состояния гонки всегда должна выполняться через std::lock_guard или std::unique_lock.
Учитывайте накладные расходы: Избегайте чрезмерного создания потоков и при необходимости внедряйте архитектуру пула потоков.

Ошибки параллельного программирования (взаимные блокировки, состояния гонки) имеют низкую воспроизводимость и относятся к категории трудно поддающихся отладке. Постоянно помните о потокобезопасности и выбирайте подходящие инструменты из стандартной библиотеки для создания надежных и быстрых систем с использованием современного C++.

Multithreading on kenji.blog

Введение в многопоточное программирование и асинхронную обработку на C++ (std::async)

1. Основы параллельной обработки и закон Амдала

2. Основы потоков: std::thread и std::jthread (C++20)

Традиционный std::thread (C++11)

Современный std::jthread (C++20)

3. Предотвращение состояний гонки и синхронизация: мьютексы и блокировки

std::mutex и std::lock_guard

std::unique_lock

4. Взаимодействие между потоками: std::condition_variable

5. Высокоуровневая асинхронная обработка: std::future, std::promise, std::async

std::promise и std::future

Параллельная обработка на основе задач с помощью std::async