Swift百万线程攻破单例(Singleton)模式

本文深入探讨Swift中单例模式的线程安全实现,通过创建并发线程访问单例实例,验证不同实现方式下的实例唯一性,包括简单的延迟加载、GCD技术实现,并分析测试结果。

一、不安全的单例实现

在上一篇文章我们给出了单例的设计模式,直接给出了线程安全的实现方法。

单例的实现有多种方法,如以下:


class SwiftSingleton {
    class var shared: SwiftSingleton {
    if !Inner.instance {
        Inner.instance = SwiftSingleton()
        }
        return Inner.instance!
    }
    
    struct Inner {
        static var instance: SwiftSingleton?
    }
}




这段代码的实现,在shared中进行条件推断,假设Inner.instance.为空就生成一个实例,这段代码非常easy看出当线程同一时候訪问SwiftSingleton.shared方法时。会有例如以下问题出现,线程A推断Inner.instance为空,进入if语句后马上切换到线程B运行,线程B也进行推断。因为线程A仅仅是进入了if语句,这行代码

 Inner.instance = SwiftSingleton()

并没有运行。这时Inner.instance还是为空,纯种B也进行了if语句。这样的情况下就会创建多个实例,没有保证实例的唯一性。

上面的理论分析基本上不论什么一篇文章都会讲的,也不能理解,关键问题,怎样測试上面的理论是否正确呢?

二、线程抢占原理

事实上要实现上面的样例不是非常难,创建N个线程,让他同一时候訪问SwiftSingleton.shared的方法,然后将所返回值保存最后比較引用。原理非常正确,可是创建线程的过程也是极为耗时的,如今的电脑运行速度又非常快。模拟具有不稳定性。

怎样才干最大的程序測试上面的安全性呢?这里我们能够考虑一个现实的问题,假设找1000人通过一段100米的赛道,我们想要很多其它的人同一时候去冲刺终点。越多越好。假设你找一个人,告诉他去跑100米,然后再找一下,这样的肯定同一时候到达终点的几率非常底。

怎么办才干让很多其它的人在同一时刻到达终点呢?问题非常easy,让这1000人有一个同一起跑点,让他们都准备好了。随着一声令下,一起奔跑。回到技术问题。我们想要很多其它的线程訪问SwiftSingleton.shared方法,仅仅要先准备好全部的线程,然后发一个信号。让他们同一时候去訪问这种方法就能够了。



实现代码例如以下:

class SwiftSingletonTest: XCTestCase {
    let condition = NSCondition()
    let mainCondition = NSCondition()
    let singleton: NSMutableArray = NSMutableArray()
    let threadNumbers = 1000
    var count = 0
    
    
    func testSingletonThreadSafe() {
        
        for index in 0...threadNumbers {
            NSThread.detachNewThreadSelector("startNewThread", toTarget: self, withObject: nil)
        }
        condition.broadcast()
        mainCondition.lock()
        mainCondition.wait()
        mainCondition.unlock()
        checkOnlyOne()
    }
    
    func startNewThread() {
        condition.lock()
        condition.wait()
        condition.unlock()
        let temp = SwiftSingleton.shared
        count++
        singleton.addObject(temp)
        if count >= threadNumbers {
            mainCondition.signal()
        }
    }
    
    func checkOnlyOne () {
        let one = singleton[0] as SwiftSingleton
        for temp : AnyObject  in singleton {
            let newTemp = temp as SwiftSingleton
            if(newTemp !== one) {
                XCTFail("singleton error!");
                break;
            }
        }
    }

}


这段代码主要使用了NSCondition进行同步,当中NSCondition分为两组,condition主要负责除主线程外的线程,在for语句中会创建并启动N(threadNumbers)个线程,每一个线程启动后都会去运行startNewThread方法。运行到语句

condition.wait()
会挂起当前线程。当全部线程都创建并启动完时,主线程会运行

condition.broadcast()
来通知挂起的N个线程继承运行。此时主线程调了

mainCondition.wait()
主线和进入持起状态,此处将主线程挂起是为了在全部线程运行完,依次检查取得引用的唯一性。

if count >= threadNumbers {
            mainCondition.signal()
}
当全部线程运行完时,通知主线程開始检查引用 。运行结果例如以下:



从上面运行结果能够看出,这样的单例并不能保证唯一性。

上面用到了NSMutableArray类,网上说是线程不安全的,这里用的Swift语言,这么多线程一起操作暂没有发现异常......


三、其它实现測试结果

1、最简单实现
class SwiftSingleton {
    class var shared: SwiftSingleton {
            return Inner.instance
    }

    struct Inner {
        static let instance: SwiftSingleton = SwiftSingleton()
    }
}

解释:上述代表也实现了延迟载入技术
 static let instance: SwiftSingleton = SwiftSingleton()
首次訪问Inner.instance时才会创建SwiftSingleton,此处的延迟载入由Swift语言原生提供


測试结果:通过


2、使用GCD技术实现的单例模式
class SwiftSingleton {
    class var shared: SwiftSingleton {
        dispatch_once(&Inner.token) {
            Inner.instance = SwiftSingleton()
        }
        return Inner.instance!
    }
    struct Inner {
        static var instance: SwiftSingleton?
        static var token: dispatch_once_t = 0
    }
    
}

測试结果:通过

四、測试说明

1、Mac OS线程总量有限制,你能够创建线程。可是最大线程启动数为2048(我的电脑是这样,不清楚是否跟硬件有关)
2、假设遇到測试无响应时。能够尝试重新启动电脑

转载于:https://www.cnblogs.com/mqxnongmin/p/10769702.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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