linux线程模型和线程切换(转)

首先明确进程与进程的基本概念:

  • 进程是资源分配的基本单位
  • 线程是CPU调度的基本单位
  • 一个进程下可能有多个线程
  • 线程共享进程的资源

基本原理

linux用户态的进程、线程基本满足上述概念,但内核态不区分进程和线程。可以认为,内核中统一执行的是进程,但有些是”普通进程”(对应进程process),有些是”轻量级进程”(对应线程pthread或npthread),都使用 task_struct结构体保存保存。

使用 fork创建进程,使用 pthread_create创建线程。两个系统调用最终都都调用了 do_dork,而 do_dork完成了 task_struct结构体的复制,并将新的进程加入内核调度。

进程是资源分配的基本单位、线程共享进程的资源

普通进程需要深拷贝虚拟内存、文件描述符、信号处理等;而轻量级进程之所以”轻量”,是因为其只需要浅拷贝虚拟内存等大部分信息,多个轻量级进程共享一个进程的资源。

线程是CPU调度的基本单位、一个进程下可能有多个线程

linux加入了线程组的概念,让原有”进程”对应线程,”线程组”对应进程,实现”一个进程下可能有多个线程”:

  • 操作系统中存在多个进程组
  • 一个进程组下有多个进程(1:n)
  • 一个进程对应一个线程组(1:1)
  • 一个线程组下有多个线程(1:n)

task_struct中,使用pgid标的进程组,tgid标的线程组,pid标的进程或线程。假设目前有一个进程组,则上述概念对应如下:

  • 进程组中有一个主进程(父进程),pid等于进程组的pgid;进程组下的其他进程都是父进程的子进程,pid不等于pgid
  • 每个进程对应一个线程组,pid等于tgid。
  • 线程组中有一个”主线程”(勉强称为”主线程”,位的是与主进程对应;语义上绝不能称为”父线程”),pid等于该线程组的tgid;线程组下的其他线程都是与主线程平级,pid不等于tgid

因此,调用getpgid返回pgid,调用getpid应返回tgid,调用gettid应返回pid。使用的时候不要糊涂。

进程下除主线程外的其他线程是CPU调度的基本单位,这很好理解。而所谓主线程与所属进程实际上是同一个 task_struct,也能被CPU调度,因此主线程也是CPU调度的基本单位。

tgid相同的所有线程组成了概念上的”进程”,只有主线程在创建时会实际分配资源,其他线程通过浅拷贝共享主线程的资源。结合前面介绍的普通线程与轻量级进程,实现”进程是资源分配的基本单位”。

举个栗子

pgidtgidpid 111 111 111 112 112 112 112 112 113 113 113 113 113 113 114 113 115 115 113 115 116 113 115 117

  • 存在3个进程组111、112、113
  • 进程组111下有1个父进程111,单独分配资源
    • 进程111下有1个线程111,共享进程111的资源
  • 进程组112下有1个父进程112,单独分配资源
    • 进程112下有2个线程112、113,共享进程112的资源
  • 进程组113下有1个父进程113,1个子进程115,各自单独分配资源
    • 进程113下有2个线程113、114,共享进程113的资源
    • 进程115下有3个线程115、116、117,共享进程115的资源

现在再来理解linux中的进程与线程就容易多了:

  • 进程是一个逻辑上的概念,用于管理资源,对应 task_struct中的资源
  • 每个进程至少有一个线程,用于具体的执行,对应 task_struct中的任务调度信息
  • task_struct中的pid区分线程,tgid区分进程,pgid区分进程组

一对一

LinuxThreads与NPTL均采用 一对一的线程模型, 一个用户线程对应一个内核线程。内核负责每个线程的调度,可以调度到其他处理器上面。Linux 2.6默认使用NPTL线程库,一对一的线程模型。

优点:

  • 实现简单。

缺点:

  • 对用户线程的大部分操作都会映射到内核线程上,引起用户态和内核态的频繁切换。
  • 内核为每个线程都映射调度实体,如果系统出现大量线程,会对系统性能有影响。

多对一

顾名思义, 多对一线程模型中, 多个用户线程对应到同一个内核线程上,线程的创建、调度、同步的所有细节全部由进程的用户空间线程库来处理。

优点:

  • 用户线程的很多操作对内核来说都是透明的,不需要用户态和内核态的频繁切换。使线程的创建、调度、同步等非常快。

缺点:

  • 由于多个用户线程对应到同一个内核线程,如果其中一个用户线程阻塞,那么该其他用户线程也无法执行。
  • 内核并不知道用户态有哪些线程,无法像内核线程一样实现较完整的调度、优先级等

多对多

多对一线程模型是非常轻量的,问题在于多个用户线程对应到固定的一个内核线程。多对多线程模型解决了这一问题: m个用户线程对应到n个内核线程上,通常 m>n。由IBM主导的NGPT采用了 多对多的线程模型,不过现在已废弃。

优点:

  • 兼具多对一模型的轻量
  • 由于对应了多个内核线程,则一个用户线程阻塞时,其他用户线程仍然可以执行
  • 由于对应了多个内核线程,则可以实现较完整的调度、优先级等

缺点:

  • 实现复杂

linux采用一对一的线程模型,用户线程切换与内核线程切换之间的差别非常小。同时,如果忽略用户主动放弃用户线程的执行权(yield)带来的开销,则只需要考虑内核线程切换的开销。

注意,这里仅仅是为了帮助理解做出的简化。实际上,用户线程库在用户线程的调度、同步等过程中做了很多工作,这部分开销不能忽略。
如JVM对Thread#yield()的解释: 如果底层OS不支持yield的语义,则JVM让用户线程自旋至时间片结束,线程被动切换,以达到相似的效果

什么引起线程切换

  • 时间片轮转
  • 线程阻塞
  • 线程主动放弃时间片

线程切换的开销

直接开销是线程切换本身引起的,无可避免,必然发生。

线程切换只能在内核态完成,如果当前用户处于用户态,则必然引起用户态与内核态的切换。(”用户态与内核态的切换”具体带来什么成本???)

前面说线程(或者叫做进程都随意)信息需要用一个 task_struct保存,线程切换时,必然需要将旧线程的 task_struct从内核切出,将新线程的切入,带来上下文切换。除此之外,还需要切换寄存器、程序计数器、线程栈(包括操作栈、数据栈)等。

线程调度算法需要管理线程的状态、等待条件等,如果根据优先级调度,则还需要维护优先级队列。如果线程切换比较频繁,该成本不容小觑。

间接开销是直接开销的副作用,取决于系统实现和用户代码实现。

切换进程,需要执行新逻辑。如果二者的访问的地址空间不相近,则会引起缓存缺失,具体影响范围取决于系统实现和用户代码实现。如果系统的缓存较大,则能减小缓存缺失的影响;如果用户线程访问数据的地址空间接近,则本身的缓存缺失率也比较低。

对页表等快慢表式结构同理。

转自:https://monkeysayhi.github.io/2017/11/29/%E6%B5%85%E8%B0%88linux%E7%BA%BF%E7%A8%8B%E6%A8%A1%E5%9E%8B%E5%92%8C%E7%BA%BF%E7%A8%8B%E5%88%87%E6%8D%A2/

Original: https://www.cnblogs.com/zl1991/p/16352639.html
Author: 鸭子船长
Title: linux线程模型和线程切换(转)

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/8543/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

最近整理资源【免费获取】:   👉 程序员最新必读书单  | 👏 互联网各方向面试题下载 | ✌️计算机核心资源汇总