C++ 线程与协程的选择指南：从场景到实践

C 线程与协程的选择指南从场景到实践一、引言并发编程的两种范式线程(Thread)和协程(Coroutine)是 C 中实现并发的两种核心机制。线程由操作系统调度是 CPU 调度的最小单位协程由程序自身调度是用户态的“轻量级线程”。选择错误的工具会导致性能瓶颈、资源浪费或代码复杂度失控。理解两者的本质差异和适用边界是构建高性能 C 应用的基础。二、核心区别速览| 维度 | 线程 (std::thread) | 协程 (C20 Coroutine) || --- | --- | --- || 调度者 | 操作系统内核抢占式 | 用户代码/事件循环协作式 || 切换开销 | 高系统调用、上下文切换~1-10μs | 极低函数调用级别~10-100ns || 内存开销 | 大每线程独立栈通常 1-8MB | 极小仅堆上协程帧通常几十到几百字节 || 并发数 | 有限数百到数千 | 极高数万到数百万 || 并行性 | 真正并行多核同时执行 | 单线程内并发非并行 || 阻塞操作 | 线程阻塞不影响其他线程 | 协程阻塞会阻塞整个线程 || 编程模型 | 复杂锁、同步、数据竞争 | 相对简单无锁协作式 || 适用场景 | CPU 密集型、阻塞 I/O、需要并行 | 高并发 I/O、非阻塞异步、生成器 |三、使用线程的场景3.1 CPU 密集型计算线程是唯一能实现真正并行计算的方式可以利用多核 CPU 同时执行。cpp复制下载#include thread #include vector #include numeric #include iostream // CPU 密集型矩阵乘法、图像处理、科学计算 void parallelSum(const std::vectorint data, size_t start, size_t end, long long result) { result std::accumulate(data.begin() start, data.begin() end, 0LL); } int main() { std::vectorint data(10000000, 1); long long sum1 0, sum2 0, sum3 0, sum4 0; // 利用 4 核并行计算 size_t chunk data.size() / 4; std::thread t1(parallelSum, std::ref(data), 0, chunk, std::ref(sum1)); std::thread t2(parallelSum, std::ref(data), chunk, 2*chunk, std::ref(sum2)); std::thread t3(parallelSum, std::ref(data), 2*chunk, 3*chunk, std::ref(sum3)); std::thread t4(parallelSum, std::ref(data), 3*chunk, data.size(), std::ref(sum4)); t1.join(); t2.join(); t3.join(); t4.join(); std::cout Total: sum1 sum2 sum3 sum4 std::endl; }3.2 阻塞式系统调用当操作涉及阻塞式 I/O如读文件、等待用户输入线程可以在阻塞时让出 CPU。cpp复制下载// 阻塞 I/O文件读写、socket 阻塞模式、数据库查询 void blockingFileRead(const std::string filename) { std::ifstream file(filename, std::ios::binary); std::vectorchar buffer(1024 * 1024); // 1MB file.read(buffer.data(), buffer.size()); // 阻塞操作但不影响其他线程 // 处理数据... } std::thread readerThread(blockingFileRead, large_file.bin); // 主线程可以做其他事情 doOtherWork(); readerThread.join();3.3 需要与现有同步模型集成cpp复制下载// 使用 condition_variable 实现生产者-消费者 class ThreadSafeQueue { std::queueint queue_; mutable std::mutex mtx_; std::condition_variable cv_; public: void push(int value) { std::lock_guard lock(mtx_); queue_.push(value); cv_.notify_one(); // 唤醒等待的线程 } int pop() { std::unique_lock lock(mtx_); cv_.wait(lock, [this] { return !queue_.empty(); }); int value queue_.front(); queue_.pop(); return value; } };四、使用协程的场景4.1 高并发 I/O 密集型服务协程最适合处理大量并发连接的网络服务避免为每个连接创建线程。cpp复制下载#include boost/asio.hpp #include boost/asio/awaitable.hpp #include boost/asio/co_spawn.hpp using boost::asio::awaitable; using boost::asio::co_spawn; using boost::asio::use_awaitable; // 协程处理单个客户端连接 awaitablevoid handleClient(tcp::socket socket) { try { char buffer[1024]; while (true) { // 异步读取不阻塞线程 size_t n co_await socket.async_read_some( boost::asio::buffer(buffer), use_awaitable); // 异步写入 co_await async_write(socket, boost::asio::buffer(buffer, n), use_awaitable); } } catch (const std::exception e) { std::cerr Client error: e.what() std::endl; } } // 主协程接受连接 awaitablevoid listener(tcp::acceptor acceptor) { while (true) { auto socket co_await acceptor.async_accept(use_awaitable); co_spawn(acceptor.get_executor(), handleClient(std::move(socket)), detached); } } int main() { boost::asio::io_context ioContext; tcp::acceptor acceptor(ioContext, tcp::endpoint(tcp::v4(), 8080)); co_spawn(ioContext, listener(acceptor), detached); ioContext.run(); // 事件循环驱动所有协程 }性能对比在 10 万并发连接场景下使用线程可能需要 10 万个线程每个 8MB 栈 800GB 内存而协程仅需 10 万个协程帧每个约 100 字节 10MB 内存。4.2 生成器和惰性求值协程可以自然地表达惰性序列按需产生值而非一次性计算全部结果。cpp复制下载#include coroutine #include iostream #include optional // 生成器按需产生斐波那契数列 templatetypename T struct Generator { struct promise_type { T currentValue; auto get_return_object() { return Generator{this}; } auto initial_suspend() { return std::suspend_always{}; } auto final_suspend() noexcept { return std::suspend_always{}; } auto yield_value(T value) { currentValue value; return std::suspend_always{}; } void return_void() { } void unhandled_exception() { std::terminate(); } }; struct iterator { std::coroutine_handlepromise_type handle; bool operator!(std::default_sentinel_t) const { return !handle.done(); } iterator operator() { handle.resume(); return *this; } T operator*() const { return handle.promise().currentValue; } }; iterator begin() { handle.resume(); return {handle}; } std::default_sentinel_t end() { return {}; } private: explicit Generator(promise_type* p) : handle(std::coroutine_handlepromise_type::from_promise(*p)) { } std::coroutine_handlepromise_type handle; }; // 斐波那契数列生成器 Generatorint fibonacci(int limit) { int a 0, b 1; for (int i 0; i limit; i) { co_yield a; int temp a; a b; b temp b; } } int main() { // 惰性生成只在需要时计算下一个值 for (int value : fibonacci(10)) { std::cout value ; // 0 1 1 2 3 5 8 13 21 34 } }4.3 异步操作的顺序编排协程用同步风格编写异步代码避免“回调地狱”。cpp复制下载// 协程像同步代码一样编排异步操作 awaitablevoid processUserData(const std::string userId) { // 顺序执行多个异步操作代码风格像同步 auto userInfo co_await fetchUserInfo(userId); // 异步查询用户 auto orders co_await fetchUserOrders(userId); // 异步查询订单 auto recommendations co_await fetchRecommendations(userInfo); // 异步推荐 // 处理结果 renderPage(userInfo, orders, recommendations); }五、选择决策流程图表代码下载全屏六、混合使用线程 协程在实际项目中线程和协程经常混合使用发挥各自优势cpp复制下载// 多线程 每线程内协程充分利用多核 高并发 I/O class HybridServer { std::vectorstd::thread workerThreads_; void workerLoop(boost::asio::io_context ioCtx) { ioCtx.run(); // 事件循环驱动协程 } public: void start(int numThreads) { boost::asio::io_context ioCtx; // 在事件循环上启动协程 co_spawn(ioCtx, listener(ioCtx), detached); // 启动多个工作线程通常等于 CPU 核心数 for (int i 0; i numThreads; i) { workerThreads_.emplace_back(HybridServer::workerLoop, this, std::ref(ioCtx)); } } }; // 这种设计在 Nginx、Redis、Seastar 等高性能系统中广泛应用七、总结线程和协程的选择可以归纳为以下核心原则线程用于 CPU 密集和真正并行需要利用多核 CPU 的计算能力时必须使用线程。线程由操作系统抢占式调度适合计算密集型任务、阻塞式系统调用和需要与现有同步模型集成的场景。缺点是内存开销大每线程独立栈、切换代价高。协程用于高并发 I/O 和异步编排协程在用户态通过事件循环协作式调度切换代价极低内存占用小。适合高并发网络服务、生成器/惰性求值和异步操作的顺序编排。缺点是不提供真正并行协程内的阻塞操作会阻塞整个线程。混合使用是现代高性能系统的最佳实践使用少量线程通常等于 CPU 核数充分利用多核每个线程内运行大量协程处理海量并发连接。这种架构兼具多核并行和高并发 I/O 的优势。选择的关键因素任务性质CPU 密集型 → 线程I/O 密集型 → 协程并发规模低并发 → 线程池高并发万级→ 协程编程复杂度同步阻塞代码 → 线程异步非阻塞 → 协程资源限制内存紧张 → 协程内存充裕 → 线程也可接受线程和协程并非互斥而是互补。在高性能 C 应用中合理的架构往往是“少量线程 大量协程”的组合各取所长。