java线程池与ios队列【转】

本文探讨了Java和iOS中线程池的实现及应用。介绍了Java的ThreadPoolExecutor类和iOS的NSOperationQueue类,解释了它们如何帮助管理多线程并发操作,避免共享数据访问冲突和死锁。

引言 在涉及多线程并发操作时,如何管理多线程对共享数据的访问以及防止线程间的死锁问题是个很重要的话题。在 Java 语言中,从 Java 5 开始, Java 提供了自己的线程池 ThreadPoolExec

引言

    在涉及多线程并发操作时,如何管理多线程对共享数据的访问以及防止线程间的死锁问题是个很重要的话题。在 Java 语言中,从 Java 5 开始, Java 提供了自己的线程池 ThreadPoolExecutor 类;在 iPhone 中则提供了 NSOperationQueue 类进行多线程的管理和调度。

什么是线程池?

线程池到底是怎么一回事呢?其实线程池的原理很简单,类似于操作系统中的缓冲区的概念,它的典型的执行流程如下:

首先,启动若干数量的线程,并让这些线程处于睡眠状态

其次,当客户端有新的请求时,线程池会唤醒某一个睡眠线程,让它来处理客户端的请求

最后,当请求处理完毕,线程又处于睡眠状态

Java 线程池

    线程池可以由程序员自己来实现,但是从 Java 5 开始, Java 语言自带了线程池的类 ThreadPoolExecutor ,这个类提供了典型的线程池管理的接口,来研究 ThreadPoolExecutor 类的实现无疑更有借鉴意义。

    ThreadPoolExcutor 类常用的构造方式为

ThreadPoolExecutor(int corePoolSize,int maximumPoolSize,long keepAliveTime,TimeUnit unit,BlockingQueue<Runnable> workQueue,RejectedExecutionHandler handler)

参数 corePoolSize 为线程池维护线程的最少数量
参数 maximumPoolSize 为线程池维护线程的最大数量
参数 keepAliveTime 为线程池维护线程所允许的空闲时间
参数 unit 为线程池维护线程所允许的空闲时间的单位
参数 workQueue 为线程池所使用的缓冲队列
参数 handler 为线程池对拒绝任务的处理句柄

    一个任务可以通过 excute(Runnable) 方法被添加到线程池,任务就是一个实现了 Runnable 接口的对象,而线程池通过 Runnable 类型对象的 run() 方法来执行任务。

    典型的用法如下:

    首先,构造一个线程池

ThreadPoolExecutor threadPool =
new ThreadPoolExecutor(2,4,3,TimeUnit.SECONDS,new ArrayBlockingQueue<Runnable>(3),new ThreadPoolExecutor.DiscardOldestPolicy());
for(int i = 1;i <= 5;i++)
{

     try
{
     String task = “task@”+i;
     System.out.println(“put”+task);
     threadPool.execute(new ThreadPoolTask());
}
}
catch(Exception e)
{
     e.printStackTrace();
}

    而线程池所要执行的任务对象需要实现 Runnable 接口,线程池执行任务对象时调用任务对象的 run() 方法,它的实现代码如下:

public class ThreadPoolTask implements Runnable{
ThreadPoolTask(){}
public void run(){
     System.out.println(“start execute”);
}
}

iPhone 操作队列

    iPhone 本身也支持多线程开发,同样, NSThread 类提供对多线程开发的支持时也面临多线程的共享数据管理和死锁问题,于是 iPhone 也提供了类似于 Java 线程池的解决方案:任务队列 NSOperationQueue 类。

    和 Java 语言的 Runnable 接口一样, iPhone 提供了 NSOperation 接口进行任务对象的封装,而通过将任务对象加入到 NSOperationQueue 队列, NSOperationQueue 队列会分配线程进行任务对象的执行,任务对象的执行通过 - (void)main 方法,下面是典型的任务对象和任务队列的实现:

@interface ThreadPoolTask:NSOperation
{
}
@end

@implementation ThreadPoolTask
- (void)main
{
  NSLog(@”start execute”);
}
@end

    和 Java 语言中一样,构造一个多线程池并添加任务对象到线程池中,线程池会调用任务对象的 - (void)main 方法执行任务, iPhone 中典型的任务队列的实现如下:

NSOperationQueue* threadPool = [[NSOperation alloc] init];
[threadPool setMaxConcurrentOperationCount:4];
for(int i = 1;i <= 5;i++)
{        
NSString* task = [NSString stringWithFormat:@”task %d”,i];
NSLog(@“put %@”,task);
[threadPool add:([[ThreadPoolTask alloc] init])];
}

    可以看到, iPhone 通过 NSOperationQueue 提供了一套类似于线程池的机制,通过它可以更加方便的进行多线程的并发操作,从而使得程序员从繁杂的多线程共享数据管理和死锁问题中解脱出来。

 

转自 http://blog.csdn.NET/dongfengsun/archive/2011/01/12/6130683.aspx

【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离(Matlab代码实现)内容概要:本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法,并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模,利用音源间的频率特征差异,实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据,属于无监督学习范畴,适用于单通道录音场景下的语音音乐分离任务。文中强调了算法的可复现性,并附带完整的仿真资源链接,便于读者学习验证。; 适合人群:具备一定信号处理基础Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师;尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标:①用于音乐音频中人声伴奏的分离,或不同乐器之间的分离;②支持无监督条件下的语音处理研究,推动盲源分离技术的发展;③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议:建议读者结合提供的Matlab代码网盘资料同步运行调试,重点关注谐波建模频谱分解的实现细节,同时可扩展学习盲源分离中的其他方法如独立成分分析(ICA)或非负矩阵分解(NMF),以加深对音频信号分离机制的理解。
内容概要:本文系统介绍了新能源汽车领域智能底盘技术的发展背景、演进历程、核心技术架构及创新形态。文章指出智能底盘作为智能汽车的核心执行层,通过线控化(X-By-Wire)域控化实现驱动、制动、向、悬架的精准主动控制,支撑高阶智能驾驶落地。技术发展历经机械、机电混合到智能三个阶段,当前以线控向、线控制动、域控制器等为核心,并辅以传感器、车规级芯片、功能安全等配套技术。文中还重点探讨了“智能滑板底盘”这一创新形态,强调其高度集成化、模块化优势及其在成本、灵活性、空间利用等方面的潜力。最后通过“2025智能底盘先锋计划”的实车测试案例,展示了智能底盘在真实场景中的安全性能表现,推动技术从研发走向市场验证。; 适合人群:汽车电子工程师、智能汽车研发人员、新能源汽车领域技术人员及对智能底盘技术感兴趣的从业者;具备一定汽车工程或控制系统基础知识的专业人士。; 使用场景及目标:①深入了解智能底盘的技术演进路径系统架构;②掌握线控技术、域控制器、滑板底盘等关键技术原理应用场景;③为智能汽车底盘研发、系统集成技术创新提供理论支持实践参考。; 阅读建议:建议结合实际车型技术标准进行延伸学习,关注政策导向行业测试动态,注重理论实车验证相结合,全面理解智能底盘从技术构想到商业化落地的全过程。
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码案例进行实践操作,重点关注双层优化结构场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
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