Linux--生产者消费者模型,信号量和条件信号量

生产者和消费者

一个生产者,三个消费者模型,利用

#include <stdio.h>
#include <stdlib.h>
#include <unistd.h>
#include <pthread.h>

#define PRO 1
#define CON 3

int ready = 0; // 生产的产品编号

pthread_cond_t cond;
pthread_mutex_t mutex;
pthread_t tids[PRO+CON] ;

void *pro(void *arg) {
int id = *(int*)arg;
free(arg);
while ( 1 ) { 
sleep(1);
pthread_mutex_lock(&mutex);
printf("%d生产者线程开始生产产品,产品编号为%d\n", id, ready+1);
ready++;
sleep(rand()%3);
printf("%d生产者线程结束生产产品, 产品编号%d\n", id, ready);
pthread_cond_signal(&cond); // 通知消费者进行消费
pthread_mutex_unlock(&mutex);
sleep(rand()%3);
}
}
void *con(void *arg) {
int id = *(int*)arg;
free(arg);

while ( 1 ) {
pthread_mutex_lock(&mutex);
while ( ready <= 0 ) {
printf("%d消费者线程等待产品\n", id);
pthread_cond_wait(&cond, &mutex);
printf("%d消费者线程等到产品,返回\n", id);
}
printf("%d消费者线程开始消费产品,%d\n",id, ready);
ready--;
sleep(rand()%3);
printf("%d消费者线程消费完毕,%d\n", id, ready+1);
pthread_mutex_unlock(&mutex);
sleep(rand()%2);
}
}

int main( void ) {
int i;

srand(getpid());
pthread_cond_init(&cond, NULL);
pthread_mutex_init(&mutex, NULL);
for (i=0; i<PRO; i++) {
int *p = malloc(sizeof(int));
*p = i;
pthread_create(&tids[i], NULL, pro, (void*)p);
}
for (i=0; i<CON; i++) {
int *p = malloc(sizeof(int));
*p = i;
pthread_create(&tids[PRO+i], NULL, con, (void*)p);
}

for (i=0; i<PRO+CON; i++) {
pthread_join(tids[i], NULL);
}

pthread_mutex_destroy(&mutex);
pthread_cond_destroy(&cond);
}


热门文章

暂无图片
编程学习 ·

Office 2016 卡顿问题!如果其他方法都没有用就关掉硬件加速!

题目非常直接哈哈。这次是因为用Word 2016写东西的时候有明显的滞后,甚至打字都是我写一句话都要等1秒以后屏幕后半句才出来。在网上试了很多方法,都没有解决这个问题。知道看到一个评论里提到取消硬件加速……我??文本还要加速??后来去看了设置,发现是给图形的硬件加速…
暂无图片
编程学习 ·

8080端口被占怎么办 ,解决方法

用后端springboot启动,8080端口 报错 8080 in use 打开 控制台 win+R 输入 cmd 进入后输入netstat -ano 肉眼能找到找就完事了如果找不到 输入netstat -aon|findstr “8080”找到最后一列的那个数字 “26252”, 就是PID 码 然后打开系统的 任务管理器 ,你要是任务管理器都不…
暂无图片
编程学习 ·

Java实训心得一

Java第一次实训 第一次实训任务很简单 一: 编写学生管理系统功能结构图利用xmind编写结构图 图示:二:用Navicat工具创建数据库及表格创建student数据库 2.创建t_colledge表并进行设计,插入数据创建t_status表并进行设计,插入数据创建t_student表并进行设计,插入数据创建t…
暂无图片
中恒嘉业 ·

学习笔记六——循环神经网络

一、RNN 前馈神经网络&#xff1a;信息往一个方向流动。包括MLP和CNN 循环神经网络&#xff1a;信息循环流动&#xff0c;网络隐含层输出又作为自身输入&#xff0c;包括RNN、LSTM、GAN等。 RNN模型结构如下图所示&#xff1a; 展开之后相当于堆叠多个共享隐含层参数的前馈…
暂无图片
郑州普通话 ·

[Redux/Mobx] Redux和vuex有什么区别?

[Redux/Mobx] Redux和vuex有什么区别&#xff1f; 1&#xff1a;vuex的异步数据不需要使用到中件间&#xff0c;redux需要 2&#xff1a;vuex可以直接commit&#xff0c;action不是必须的&#xff0c;redux是必须的 个人简介 我是歌谣&#xff0c;欢迎和大家一起交流前后端知…
暂无图片
郑州普通话 ·

flex布局常见的一些案例

风华正茂的年纪遇到你&#xff0c;是我最大的幸运&#xff0c;谢谢你&#xff0c;靠近我&#xff0c;了解我&#xff0c;治愈我&#xff0c;陪着我&#xff0c;谢谢你来爱我。 flex是啥&#xff1a;是一种弹性布局方式。&#xff08;注意这个弹&#xff09; flex属性值大全&…
暂无图片
代理记账 ·

[Redux/Mobx] Redux和vuex有什么区别?

[Redux/Mobx] Redux和vuex有什么区别&#xff1f; 1&#xff1a;vuex的异步数据不需要使用到中件间&#xff0c;redux需要 2&#xff1a;vuex可以直接commit&#xff0c;action不是必须的&#xff0c;redux是必须的 个人简介 我是歌谣&#xff0c;欢迎和大家一起交流前后端知…
暂无图片
代理记账 ·

学习笔记六——循环神经网络

一、RNN 前馈神经网络&#xff1a;信息往一个方向流动。包括MLP和CNN 循环神经网络&#xff1a;信息循环流动&#xff0c;网络隐含层输出又作为自身输入&#xff0c;包括RNN、LSTM、GAN等。 RNN模型结构如下图所示&#xff1a; 展开之后相当于堆叠多个共享隐含层参数的前馈…
暂无图片
cgfy ·

学习笔记六——循环神经网络

一、RNN 前馈神经网络&#xff1a;信息往一个方向流动。包括MLP和CNN 循环神经网络&#xff1a;信息循环流动&#xff0c;网络隐含层输出又作为自身输入&#xff0c;包括RNN、LSTM、GAN等。 RNN模型结构如下图所示&#xff1a; 展开之后相当于堆叠多个共享隐含层参数的前馈…
暂无图片
coreui ·

Heap Sort 讲解

Heap Sort sorts a group of unordered elements using the Heap data structure. The sorting algorithm using a Min Heap is as follows: Heapify all elements into a Min HeapRecord and delete the top elementPut to top element into an array T that stores all so
暂无图片
未来博客 ·

Heap Sort 讲解

Heap Sort sorts a group of unordered elements using the Heap data structure. The sorting algorithm using a Min Heap is as follows: Heapify all elements into a Min HeapRecord and delete the top elementPut to top element into an array T that stores all so
暂无图片
建站日记 ·

[react] 你觉得react上手快不快?它有哪些限制?

[react] 你觉得react上手快不快&#xff1f;它有哪些限制&#xff1f; 相对vue来说不快。 限制 需要学习JSX需要工程化的配置需要对原生JavaScript有相当的掌握react只是一个UI层面的库&#xff0c;像vue内置了动画处理、keep-alive等功能&#xff0c;react则需要去找第三方库…
暂无图片
mfbz ·

学习笔记六——循环神经网络

一、RNN 前馈神经网络&#xff1a;信息往一个方向流动。包括MLP和CNN 循环神经网络&#xff1a;信息循环流动&#xff0c;网络隐含层输出又作为自身输入&#xff0c;包括RNN、LSTM、GAN等。 RNN模型结构如下图所示&#xff1a; 展开之后相当于堆叠多个共享隐含层参数的前馈…
暂无图片
mfbz ·

AOV网是否存在回路-拓扑排序-C++

拓扑排序是对测试AOV网是否存在回路的方法&#xff01; 拓扑排序的过程中&#xff0c;由于需要查找所有以某顶点为尾的弧&#xff0c;即找到该顶点的所有出边&#xff0c;故图要采用邻接表的存储方式。但拓扑排序较邻接表的存储方式有一点不同&#xff0c;由于要查找入度为0的点…
暂无图片
珊珊日记 ·

学习笔记六——循环神经网络

一、RNN 前馈神经网络&#xff1a;信息往一个方向流动。包括MLP和CNN 循环神经网络&#xff1a;信息循环流动&#xff0c;网络隐含层输出又作为自身输入&#xff0c;包括RNN、LSTM、GAN等。 RNN模型结构如下图所示&#xff1a; 展开之后相当于堆叠多个共享隐含层参数的前馈…
暂无图片
珊珊日记 ·

AOV网是否存在回路-拓扑排序-C++

拓扑排序是对测试AOV网是否存在回路的方法&#xff01; 拓扑排序的过程中&#xff0c;由于需要查找所有以某顶点为尾的弧&#xff0c;即找到该顶点的所有出边&#xff0c;故图要采用邻接表的存储方式。但拓扑排序较邻接表的存储方式有一点不同&#xff0c;由于要查找入度为0的点…