Qt之Concurrent框架
简述 QtConcurrent 命名空间提供了高级 API，使得可以在不使用低级线程原语（例如：互斥、读写锁、等待条件或信号量）的情况下编写多线程程序，使用 QtConcurrent 编写的程序根据可用的处理器核心数自动调整所使用的线程数。这意味着，当在未来部署多核系统时，现在编写的应用程序将继续适应。 简述 用法 Qt Concurrent 单词统计 更多参考 用法 在 C++ API changes 有关于 Qt Concurrent 的更改说明： Qt Concurrent has been moved from Qt Core to its own module 意思是说，Qt Concurrent 已经被从 Qt Core 中移到自己的模块中了。所以，要链接到 Qt Concurrent 模块，需要在 qmake 项目文件中添加： QT += concurrent 注意： QtConcurrent::Exception 类被重命名为 QException，并且 QtConcurrent::UnhandledException 类被重命名为 QUnhandledException，他们仍然位于 Qt Core 中。 Qt Concurrent QtConcurrent 包含了函数式编程风格 APIs 用于并行列表处理，包括用于共享内存（非分布式）系统的 MapReduce 和 FilterReduce 实现，以及用于管理 GUI 应用程序异步计算的类： Concurrent Map 和 Map-Reduce QtConcurrent::map()：将一个函数应用于一个容器中的每一项，就地修改 items。 QtConcurrent::mapped()：和 map() 类似，只是它返回一个包含修改内容的新容器。 QtConcurrent::mappedReduced()：和 mapped() 类似，只是修改后的结果减少或组合成一个单一的结果。 Concurrent Filter 和 Filter-Reduce QtConcurrent::filter()：从一个容器中删除所有 items，基于一个 filter 函数的结果。 QtConcurrent::filtered()：和 filter() 类似，只是它返回一个包含过滤内容的新容器。 QtConcurrent::filteredReduced()：和 filtered() 类似，只是过滤后的结果减少或组合成一个单一的结果。 Concurrent Run QtConcurrent::run()：在另一个线程中运行一个函数。 QFuture：表示异步计算的结果 QFutureIterator：允许通过 QFuture 遍历可用的结果 QFutureWatcher：允许使用信号槽来监控一个 QFuture QFutureSynchronizer：是一个方便的类，用于一些 QFutures 的自动同步 Qt Concurrent 支持多种兼容 STL 的容器和迭代器类型，但是最好使用具有随机访问迭代器的 Qt 容器，例如：QList 或 QVector。map 和 filter 函数都接受容器和 begin/end 迭代器。 STL 迭代器支持概述： 迭代器类型 示例类 支持状态 Input Iterator 不支持 Output Iterator 不支持 Forward Iterator std::slist 支持 Bidirectional Iterator QLinkedList, std::list 支持 Random Access Iterator QList, QVector, std::vector 支持和推荐 在 Qt Concurrent 迭代大量轻量级 items 的情况下，随机访问迭代器可以更快，因为它们允许跳过容器中的任何点。此外，使用随机访问迭代器允许 Qt Concurrent 通过 QFuture::progressValue() 和 QFutureWatcher::progressValueChanged() 来提供进度信息。 非就地修改的函数（例如：mapped() 和 filtered()），在调用时会创建容器的副本。如果正在使用的是 STL 容器，此复制操作可能需要一段时间，在这种情况下，建议为容器指定 begin 和 end 迭代器。 单词统计 厉害了 Concurrent，来看一个单词统计的示例： #include <QList> #include <QMap> #include <QTextStream> #include <QString> #include <QStringList> #include <QDir> #include <QTime> #include <QApplication> #include <QDebug> #include <qtconcurrentmap.h> using namespace QtConcurrent; // 递归搜索文件 QStringList findFiles(const QString &startDir, QStringList filters) { QStringList names; QDir dir(startDir); foreach (QString file, dir.entryList(filters, QDir::Files)) names += startDir + '/' + file; foreach (QString subdir, dir.entryList(QDir::AllDirs | QDir::NoDotAndDotDot)) names += findFiles(startDir + '/' + subdir, filters); return names; } typedef QMap<QString, int> WordCount; // 单线程单词计数器函数 WordCount singleThreadedWordCount(QStringList files) { WordCount wordCount; foreach (QString file, files) { QFile f(file); f.open(QIODevice::ReadOnly); QTextStream textStream(&f); while (textStream.atEnd() == false) foreach (const QString &word, textStream.readLine().split(' ')) wordCount[word] += 1; } return wordCount; } // countWords 计算单个文件的单词数，该函数由多个线程并行调用，并且必须是线程安全的。 WordCount countWords(const QString &file) { QFile f(file); f.open(QIODevice::ReadOnly); QTextStream textStream(&f); WordCount wordCount; while (textStream.atEnd() == false) foreach (const QString &word, textStream.readLine().split(' ')) wordCount[word] += 1; return wordCount; } // reduce 将 map 的结果添加到最终结果，该函数只能由一个线程一次调用。 void reduce(WordCount &result, const WordCount &w) { QMapIterator<QString, int> i(w); while (i.hasNext()) { i.next(); result[i.key()] += i.value(); } } int main(int argc, char** argv) { QApplication app(argc, argv); qDebug() << "finding files..."; QStringList files = findFiles("../../", QStringList() << "*.cpp" << "*.h"); qDebug() << files.count() << "files"; int singleThreadTime = 0; { QTime time; time.start(); // 单线程统计，与 mapreduce 机制实现的作对比 WordCount total = singleThreadedWordCount(files); singleThreadTime = time.elapsed(); // 打印出所耗费的时间 qDebug() << "single thread" << singleThreadTime; } int mapReduceTime = 0; { QTime time; time.start(); // mappedReduced 方式进行统计 WordCount total = mappedReduced(files, countWords, reduce); mapReduceTime = time.elapsed(); qDebug() << "MapReduce" << mapReduceTime; } // 输出 mappedReduced 方式比单线程处理方式要快的倍数 qDebug() << "MapReduce speedup x" << ((double)singleThreadTime - (double)mapReduceTime) / (double)mapReduceTime + 1; } 输出如下： finding files… 2185 files single thread 5221 MapReduce 2256 MapReduce speedup x 2.31427 可以看出，共查找了 2185 个文件，单线程使用了 5221 毫秒，MapReduce 方式使用了 2256 毫秒，比单线程要快 2.31427 倍。经过反复尝试，基本都在 2 倍以上。 更多参考 Qt之Concurrent Map和Map-Reduce Qt之Concurrent Filter和Filter-Reduce Qt之Concurrent Run Qt之QFuture Qt之QFutureWatcher
