简述

QtConcurrent 命名空间提供了高级 API，使得可以在不使用低级线程原语（例如：互斥、读写锁、等待条件或信号量）的情况下编写多线程程序，使用 QtConcurrent 编写的程序根据可用的处理器核心数自动调整所使用的线程数。这意味着，当在未来部署多核系统时，现在编写的应用程序将继续适应。

• 简述
• 用法
• Qt Concurrent
• 单词统计
• 更多参考

用法

在 C++ API changes 有关于 Qt Concurrent 的更改说明：

Qt Concurrent has been moved from Qt Core to its own module

意思是说，Qt Concurrent 已经被从 Qt Core 中移到自己的模块中了。所以，要链接到 Qt Concurrent 模块，需要在 qmake 项目文件中添加：

QT += concurrent

注意： QtConcurrent::Exception 类被重命名为 QException，并且 QtConcurrent::UnhandledException 类被重命名为 QUnhandledException，他们仍然位于 Qt Core 中。

Qt Concurrent

QtConcurrent 包含了函数式编程风格 APIs 用于并行列表处理，包括用于共享内存（非分布式）系统的 MapReduce 和 FilterReduce 实现，以及用于管理 GUI 应用程序异步计算的类：

• Concurrent Map 和 Map-Reduce
  • QtConcurrent::map()：将一个函数应用于一个容器中的每一项，就地修改 items。
  • QtConcurrent::mapped()：和 map() 类似，只是它返回一个包含修改内容的新容器。
  • QtConcurrent::mappedReduced()：和 mapped() 类似，只是修改后的结果减少或组合成一个单一的结果。
• Concurrent Filter 和 Filter-Reduce
  • QtConcurrent::filter()：从一个容器中删除所有 items，基于一个 filter 函数的结果。
  • QtConcurrent::filtered()：和 filter() 类似，只是它返回一个包含过滤内容的新容器。
  • QtConcurrent::filteredReduced()：和 filtered() 类似，只是过滤后的结果减少或组合成一个单一的结果。
• Concurrent Run
  • QtConcurrent::run()：在另一个线程中运行一个函数。
• QFuture：表示异步计算的结果
• QFutureIterator：允许通过 QFuture 遍历可用的结果
• QFutureWatcher：允许使用信号槽来监控一个 QFuture
• QFutureSynchronizer：是一个方便的类，用于一些 QFutures 的自动同步

Qt Concurrent 支持多种兼容 STL 的容器和迭代器类型，但是最好使用具有随机访问迭代器的 Qt 容器，例如：QList 或 QVector。map 和 filter 函数都接受容器和 begin/end 迭代器。

STL 迭代器支持概述：

在 Qt Concurrent 迭代大量轻量级 items 的情况下，随机访问迭代器可以更快，因为它们允许跳过容器中的任何点。此外，使用随机访问迭代器允许 Qt Concurrent 通过 QFuture::progressValue() 和 QFutureWatcher::progressValueChanged() 来提供进度信息。

非就地修改的函数（例如：mapped() 和 filtered()），在调用时会创建容器的副本。如果正在使用的是 STL 容器，此复制操作可能需要一段时间，在这种情况下，建议为容器指定 begin 和 end 迭代器。

单词统计

厉害了 Concurrent，来看一个单词统计的示例：

#include <QList>
#include <QMap>
#include <QTextStream>
#include <QString>
#include <QStringList>
#include <QDir>
#include <QTime>
#include <QApplication>
#include <QDebug>

#include <qtconcurrentmap.h>

using namespace QtConcurrent;

// 递归搜索文件
QStringList findFiles(const QString &startDir, QStringList filters)
{
    QStringList names;
    QDir dir(startDir);

    foreach (QString file, dir.entryList(filters, QDir::Files))
        names += startDir + '/' + file;

    foreach (QString subdir, dir.entryList(QDir::AllDirs | QDir::NoDotAndDotDot))
        names += findFiles(startDir + '/' + subdir, filters);
    return names;
}

typedef QMap<QString, int> WordCount;

// 单线程单词计数器函数
WordCount singleThreadedWordCount(QStringList files)
{
    WordCount wordCount;
    foreach (QString file, files) {
        QFile f(file);
        f.open(QIODevice::ReadOnly);
        QTextStream textStream(&f);
        while (textStream.atEnd() == false)
            foreach (const QString &word, textStream.readLine().split(' '))
                wordCount[word] += 1;

    }
    return wordCount;
}

// countWords 计算单个文件的单词数，该函数由多个线程并行调用，并且必须是线程安全的。
WordCount countWords(const QString &file)
{
    QFile f(file);
    f.open(QIODevice::ReadOnly);
    QTextStream textStream(&f);
    WordCount wordCount;

    while (textStream.atEnd() == false)
        foreach (const QString &word, textStream.readLine().split(' '))
            wordCount[word] += 1;

    return wordCount;
}

// reduce 将 map 的结果添加到最终结果，该函数只能由一个线程一次调用。
void reduce(WordCount &result, const WordCount &w)
{
    QMapIterator<QString, int> i(w);
    while (i.hasNext()) {
        i.next();
        result[i.key()] += i.value();
    }
}

int main(int argc, char** argv)
{
    QApplication app(argc, argv);
    qDebug() << "finding files...";
    QStringList files = findFiles("../../", QStringList() << "*.cpp" << "*.h");
    qDebug() << files.count() << "files";

    int singleThreadTime = 0;
    {
        QTime time;
        time.start();
        // 单线程统计，与 mapreduce 机制实现的作对比
        WordCount total = singleThreadedWordCount(files);
        singleThreadTime = time.elapsed();
        // 打印出所耗费的时间
        qDebug() << "single thread" << singleThreadTime;
    }

    int mapReduceTime = 0;
    {
        QTime time;
        time.start();
        // mappedReduced 方式进行统计
        WordCount total = mappedReduced(files, countWords, reduce);
        mapReduceTime = time.elapsed();
        qDebug() << "MapReduce" << mapReduceTime;
    }
    // 输出 mappedReduced 方式比单线程处理方式要快的倍数
    qDebug() << "MapReduce speedup x" << ((double)singleThreadTime - (double)mapReduceTime) / (double)mapReduceTime + 1;
}

输出如下：

finding files…
2185 files
single thread 5221
MapReduce 2256
MapReduce speedup x 2.31427

可以看出，共查找了 2185 个文件，单线程使用了 5221 毫秒，MapReduce 方式使用了 2256 毫秒，比单线程要快 2.31427 倍。经过反复尝试，基本都在 2 倍以上。

更多参考

• Qt之Concurrent Map和Map-Reduce
• Qt之Concurrent Filter和Filter-Reduce
• Qt之Concurrent Run
• Qt之QFuture
• Qt之QFutureWatcher