博客
关于我
一文看懂进程线程调度
阅读量:235 次
发布时间:2019-03-01

本文共 1075 字,大约阅读时间需要 3 分钟。

进程线程调度是操作系统的核心问题之一,理解它的本质对于掌握操作系统的运行机制至关重要。本文将从线程的创建、运行到调度,逐步揭示进程线程调度的内在逻辑。

一、线程的本质

线程是操作系统调度的基本单位,创造线程的函数原型如下:

int thread(int* thread, char* attr, void* (*start_routine)(void*), void* arg);

线程的核心由四个参数决定,但关键在于函数和它的参数。线程可被调度,独占CPU执行,具备特殊的结构如PCB、栈等。

PCB(Process Control Block)

PCB是进程/线程运行所需的核心信息,包括:

  • 标识符:区分进程的唯一标记。
  • 状态:描述进程/线程的执行状态。
  • 优先级:决定调度顺序。
  • 程序计数器:指向下一条指令地址。
  • 上下文数据:处理器寄存器的状态。
  • I/O状态:记录I/O设备和文件。
  • 记账信息:处理器时间的统计。

在Linux中,task_struct结构体承担PCB的功能,线程与进程无异,线程可视为轻量级进程。

栈的定义

线程的栈用于存储上下文信息,第一次运行时,栈结构如下:

  • 中断栈帧:保存调度时的上下文。
  • 参数地址:传递给线程函数的参数。
  • 调度上下文:线程运行时的寄存器状态。

线程函数的调用遵循cdecl规范,栈帧结构确保正确的函数调用和返回。

二、线程运行与调度

线程运行涉及调度,调度程序schedule()执行两步:

  • 选线程:根据调度策略(如带优先级的时间片轮转)。
  • 切换线程:通过汇编指令保存上下文,切换寄存器和栈顶值。
  • 调度策略

    调度策略决定线程的执行顺序。常用策略包括:

    • 时间片轮转:线程按时间分配 CPU。
    • 优先级调度:优先级高的线程先执行。

    三、进程与线程的区别

    进程是资源分配的基本单位,拥有独立的虚拟地址空间和特权级。线程运行在进程之上,共享资源如寄存器和栈空间。

    进程的特点

    • 独立地址空间:包含代码段、数据段、堆栈等。
    • 特权级3:运行在用户态,需内核态支持创建和调度。
    • 线程支持:进程可包含多个线程,线程调度实体为进程。

    四、设计总结

    线程调度的核心在于栈的使用和上下文切换,进程则基于线程实现,拥有独立地址空间和特权级。理解线程调度需掌握栈结构和调度机制,进程的扩展基于这些基础。

    常见问题解答

    • 资源分配与调度单位:进程是资源分配单位,线程是调度单位。
    • 线程提速原理:线程提供并行执行,提升效率,多线程进程在多任务环境下表现更优。

    通过对线程调度和进程机制的理解,可以更好地掌握操作系统的内核机制,优化程序性能。

    转载地址:http://gpiv.baihongyu.com/

    你可能感兴趣的文章
    NIS服务器的配置过程
    查看>>
    NIS认证管理域中的用户
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NiuShop开源商城系统 SQL注入漏洞复现
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>