【线程呓语】Thread

在操作系统里有两个很重要的概念：进程和线程。一般，简单的理解进程就是一个应用程序在内存中的实例，比如你的word.exe安静的躺在硬盘上，然后你双击它，它启动了，加载到内存，这就创建了一个进程，你可以在任务管理器里看到这个进程的存在，然后你再打开一个word.exe，又一个进程创建了。一般，进程象征着数据资源，对应着内存，模拟出一个假象：整个计算机好像就只有OS和当前这个应用程序。

内存模拟出来了，那CPU呢？毕竟机器内的CPU core是有限的，大部分机器两个或四个。但是你可能想运行很多程序，那可怎么办，OS就会通过一种调度算法，一会儿让你执行一会儿，一会儿让另外一个程序执行一会儿，只要这个切换过程足够快，给我们的感觉就好像是所有的程序都在同时地执行。那这个一会儿让你执行一会儿，一会儿让别人执行一会儿就需要抽象，不然不要把你的代码分成一段段的么，这个抽象的结果就是线程，你的代码由一个线程执行，这给你的感觉就好像是你的代码一直占用着整个CPU，不过实际上是CPU在不同的线程中频繁的切换（context switch）。

我们知道，要创建快速响应的桌面软件，我们就得将一些耗时操作，比如访问远程数据库，访问大文件等放到与UI主线程不同的线程里去做，免得阻塞主线程，造成UI挂起的现象，用户以为程序挂了。如是我们就以为Thread是一剂良方，可以充分利用CPU的资源。如是：

    1: public void btn_Click(object sender,EventArgs e)
   2: {
   3:     ThreadStart start = new ThreadStart(GetBlogsFromDB);
   4:     Thread thread = new Thread(start);
   5:     thread.Start();
   6: }
   7:
   8: public void GetBlogsFromDB()
   9: {
10:     //...access remote database
11: }

好，这样我们就搭上了多线程的轻轨列车，UI响应快了，即使是要访问远程数据库，我们的UI还是响应灵敏，鼠标也不转圈儿。不过在高兴之余，我们先来看看创建一个线程有哪些开销呢：

1、Thread kernel object 操作系统为每个线程分配一个这样的数据结构，里面还包括线程的上下文。线程的上下文包括当前CPU寄存器的值。在x86 CPU上线程上下文大概是700个字节，x64是1240，IA64是2500个字节。

2、Thread environment block(TEB) TEB包括一页的内存（页，在x86和x64上是4KB，在IA64上是8KB），它是在用户模式下初始化的。TEB包括线程的异常处理链。线程每进入一个try，就会在这个链子头部上插一条，退出这个try的时候就会删掉这一条。TEB还包含有thread local storage，以及一些用于GDI的数据结构。

3、User mode stack 一般也叫做线程栈，用于保存传递给方法的参数，以及方法内的局部变量和方法的返回地址。默认情况下，在Windows上为每个线程分配1MB的线程栈（这也就是为什么不良的递归方易做图造成栈溢出，因为不断地递归，方法参数，局部变量和方法返回地址占用内存不断地增加，如果超过1MB，就会造成溢出了）。这里对于托管代码和非托管代码有个区别，在非托管代码，比如C/C++中，创建一个线程windows只是保留1MB的地址空间，只有等到这个线易做图的需要的时候才提交，而托管代码中只要线程创建了就会提交，然后分配1MB的物理内存。

4、Kernel mode stack 应用程序的代码经常需要调用操作系统的内核模式的函数。基于安全的考量，OS就会把调用的参数从user mode stack拷贝到kernel mode stack，拷贝完了后OS会对这些参数进行检验。除此之外，内核模式里的方法也要互相调用，它们就靠这个栈保存局部变量，方法参数和返回地址。在32位系统上这个栈占12KB，64位系统上24KB。

5、DLL thread-attach and thread-detach notifications 当进程中创建了一个新线程，该进程里加载的所有DLL的DllMain方法都会被调用，传递一个DLL_THREAD_ATTACH标记，当有一个线程死了，也会被调用。不过对于C#以及其他很多托管语言编写的dll，因为没有DllMain方法，所以不会收到这通知。

上面列出的是创建线程或灭掉一个线程所需要的开销，看来线程的创建也挺昂贵。不过这还是小事，前面也提到过，因为我们的CPU是有限的，OS只是通过频繁的线程切换给我们造成所有程序都在同时运行的假象。这个线程切换就是传说的context switch。在给定的时间，windows分配一个线程给CPU，然后让它运行一个时间片，当时间片到期了，然后让下一个线程运行。那么为了让调度程序又调度到这个线程后，它还能接着上次停止的那个地方运行我们就得做些特别的操作：

1、在当前运行得线程的kernel object中的上下文结构中保存当前CPU寄存器的值。

2、调度下一个线程运行，如果这个线程属于别的进程，windows还要先切换虚拟地址空间。

3、将所选择线程的上下文结构加载到CPU寄存器。

其实上面3个步骤还不算糟糕，糟糕的是如果调度到其他线程，那么CPU的cache里保存的前一个线程的代码和数据将完全失效，又需要直接从内存中访问。

那这儿就造成一个困境，一方面我们需要创建线程来创建更健壮更灵敏的界面，另一方面创建线程的开销非常大，而且一旦创建了很多线程，就必定要在这些线程之间切换，又会带来上下文切换的开销。

这个困境我们在数据库访问的时候也碰到过：

数据库的连接非常昂贵，所以我们需要打开连接访问数据后，立即关闭，但是创建一个连接也非常昂贵，那个时候有个数据库连接池的概念出现了。这里，我们也会有一个线程池的东东来拯救我们。嗯，这是后话。

后记

最近对并行和异步非常感兴趣，可惜对这些计算机基础理论的东西掌握的不够牢固，所以捡起来看看。如果有什么问题请大家不吝赐教，或者有一些并行和异步的论文也分享出来，让我拜读拜读，谢了~~

补充：Web开发 , ASP.Net ,