充当读/写锁定机制的对象

本文详细介绍了一种自定义读写锁(RWMUTEX)的实现方法,该锁允许多个线程同时进行读取操作,但只允许一个线程进行写入操作,确保数据一致性。文章深入探讨了其构造、锁定和解锁机制,以及如何处理递归和升级问题。

介绍
  我的目标是创建可以充当读/写锁定机制的对象。任何线程都可以锁定它以进行读取,但是只有一个线程可以锁定它以进行写入。在写入线程释放它之前,所有其他线程都将等待。在释放任何其他线程之前,写线程不会获取互斥体。

我可以使用Slim Reader / Writer锁,但是:

它们不是递归的,例如,AcquireSRWLockExclusive()如果同一线程较早调用同一函数,则对的调用将阻塞。
  它们不可升级,例如,已将锁锁定为读取访问权限的线程无法将其锁定为写入操作。
  它们不是可复制的句柄。
  我可以尝试C ++ 14,shared_lock但是我仍然需要C ++ 11支持。此外,我还不确定它是否可以真正满足我的要求。

因此,我不得不手动实现它。由于缺少,删除了普通的C ++ 11方法WaitForMultipleObjects (nyi)。现在具有升级/降级功能。

RWMUTEX

这一节很简单。

class RWMUTEX
  {
  private:
  HANDLE hChangeMap;
  std::map<DWORD, HANDLE> Threads;
  RWMUTEX(const RWMUTEX&) = delete;
  RWMUTEX(RWMUTEX&&) = delete;
  我需要std::map<DWORD,HANDLE>为所有尝试访问共享资源的线程存储一个句柄,并且还需要一个互斥锁以确保对此映射的所有更改都是线程安全的。

构造函数
  RWMUTEX(const RWMUTEX&) = delete;
  void operator =(const RWMUTEX&) = delete;

RWMUTEX()
  {
  hChangeMapWrite = CreateMutex(0,0,0);
  }
  简单地创建一个映射互斥的句柄。对象不可复制。

创建
  HANDLE CreateIf(bool KeepReaderLocked = false)
  {
  WaitForSingleObject(hChangeMap, INFINITE);
  DWORD id = GetCurrentThreadId();
  if (Threads[id] == 0)
  {
  HANDLE e0 = CreateMutex(0, 0, 0);
  Threads[id] = e0;
  }
  HANDLE e = Threads[id];
  if (!KeepReaderLocked)
  ReleaseMutex(hChangeMap);
  return e;
  }
  当调用LockRead()或LockWrite()来锁定对象时,将调用这个私有函数。如果当前线程还没有将自己变为可能访问这个互斥锁的线程中,这个函数将为该线程创建一个互斥锁。减肥食谱:www.sheonline.cn如果其他线程已经锁定这个互斥对象进行写访问,那么这个函数就会阻塞,直到写线程释放这个对象为止。这个函数返回当前线程的互斥句柄。

锁定读取/释放读取
  HANDLE LockRead()
  {
  auto f = CreateIf();
  WaitForSingleObject(f,INFINITE);
  return f;
  }
  void ReleaseRead(HANDLE f)
  {
  ReleaseMutex(f);
  }
  当您要锁定对象以进行读取访问并稍后释放它时,将调用这些函数。

锁/释放
  void LockWrite()
  {
  CreateIf(true);

// Wait for all
  vector AllThreads;
  AllThreads.reserve(Threads.size());
  for (auto& a : Threads)
  {
  AllThreads.push_back(a.second);
  }

WaitForMultipleObjects((DWORD)AllThreads.size(), AllThreads.data(), TRUE, INFINITE);

// Reader is locked
  }

void ReleaseWrite()
  {

// Release All
  for (auto& a : Threads)
  ReleaseMutex(a.second);
  ReleaseMutex(hChangeMap);
  }
  当您希望锁定对象以进行写访问并在稍后释放它时,将调用这些函数。函数的作用是:

1.在锁期间没有注册新线程

2.任何读取线程都释放了锁

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值