目录

一、lambda表达式

1、产生背景

2、使用方法 

3、使用lambda解决排序问题

4、组合捕捉

5、捕获外部变量的应用

6、lambda与函数对象

二、线程库

1、thread类

使用方法

2、线程函数参数

3、mutex的种类

std::mutex

std::recursive_mutex：

std::timed_mutex：

std::recursive_timed_mutex

4、lock_guard与unique_lock

lock_guard

unique_lock

二者区别：

5、原子性操作库(atomic)

产生原因

使用方法

6、lambda表达式封装线程

7、condition_variable 线程同步机制

8、支持两个线程交替打印，一个打印奇数，一个打印偶数

三、包装器

1、function产生背景

2、function定义

3、function其他使用场景

4、bind包装器

一、lambda表达式

1、产生背景

在C++98标准中，对数组或容器内的元素进行排序时，常常使用std::sort函数。比如，对于整型数组的升序排序，可以直接调用std::sort；若需降序排序，则需指定一个比较函数，如greater<int>。而对于自定义类型的排序，用户需要自行定义比较规则。

比如下面的代码：假设有一个Goods结构体代表商品信息，包括名称、价格和评价。要按价格进行升序或降序排序，需要分别创建两个比较函数对象结构体——ComparePriceLess和ComparePriceGreater，它们分别实现了小于和大于的价格比较操作。

#include <algorithm>
#include <string>

struct Goods {
    std::string _name;  // 商品名称
    double _price;      // 商品价格
    int _evaluate;     // 商品评价

    Goods(const char* str, double price, int evaluate)
        : _name(str), _price(price), _evaluate(evaluate) {}
};

// 按照价格升序比较的函数对象
struct ComparePriceLess {
    bool operator()(const Goods& gl, const Goods& gr) {
        return gl._price < gr._price;
    }
};

// 按照价格降序比较的函数对象
struct ComparePriceGreater {
    bool operator()(const Goods& gl, const Goods& gr) {
        return gl._price > gr._price;
    }
};

int main() {
    std::vector<Goods> v = { {"苹果", 2.1, 5}, {"香蕉", 3.0, 4}, {"橙子", 2.2, 3}, {"菠萝", 1.5, 4} };

    // 按价格升序排序
    std::sort(v.begin(), v.end(), ComparePriceLess());

    // 按价格降序排序
    std::sort(v.begin(), v.end(), ComparePriceGreater());

    return 0;
}

然而，在实际开发中，这种做法有时显得较为繁琐，尤其是当频繁需要为不同的排序逻辑编写多个比较函数对象时，这无疑增加了编程负担。鉴于此，C++11引入了lambda表达式，它允许开发者更简洁地定义临时、匿名的函数对象，极大地简化了此类问题的处理方式。通过lambda表达式，无需为每个排序需求单独创建并命名一个类，而是可以直接在调用std::sort的地方写出相应的比较逻辑。

2、使用方法 

Lambda表达式是C++11引入的一种简洁定义匿名函数的机制，其基本语法格式如下：

[capture-list] (parameters) mutable -> return-type { statement; }

参数介绍：

1. [capture-list]：捕捉列表，位于lambda函数的起始位置，用于捕获上下文中的变量供lambda内部使用。若无需要捕获外部变量，可以留空（即写作[]），此时编译器会识别出后续代码为lambda表达式。

   1. 值传递捕获：

      • [var]：单个变量按照值复制方式进行捕获，这意味着lambda内部将会获得外部变量的一个副本，对lambda内部副本的修改不会影响外部原始变量。
      • [=]：默认值传递方式捕获所有父作用域中的可见变量（除了volatile限定的局部变量）。这意味着lambda创建时会将所有需要的变量复制一份到其封闭环境中。

   2. 引用传递捕获：

      • [&var]：单个变量通过引用方式捕获，这样lambda可以直接访问并修改外部变量的原始值。
      • [&]：引用传递方式捕获所有父作用域中的可见变量，同样包括this指针（如果在类作用域内），此时lambda可以直接更改外部变量。

   3. 特殊捕获：[this]：专门用来值传递方式捕获当前类作用域内的this指针，确保lambda可以访问当前对象的成员。

   4. 组合捕获：可以混合使用不同的捕获方式，例如 [=, &a, &b] 表示大部分变量按值捕获，但变量a和b按引用捕获。

2. (parameters)：参数列表，与常规函数参数列表的写法相同。如果没有参数传递，可以省略括号及其中内容。

3. mutable：关键字表明lambda函数并非默认的常量函数，取消其常量性。需要注意的是，若使用了mutable关键字，即使无参数传递，参数列表的括号也不能省略。

4. -> return-type：返回类型声明，采用追踪返回类型的形式声明函数的返回类型。若lambda函数无返回值或者返回类型可由编译器自动推断，则这部分可以省略。

   int main()
   {
   	auto add = [](int x, int y) {return x + y; };
   	cout << [](int x, int y)->int {return x + y; }(1, 3) << endl;
   	cout << add(1, 3) << endl;
   	return 0;
   }

   

5. {statement}：函数体，包含了lambda函数的具体实现逻辑。在此区域内，不仅可以使用参数，还能引用所有被捕获的外部变量。

注意事项：

• 在lambda函数定义中，参数列表和返回值类型都可以选择性省略，但捕捉列表和函数体不能为空。因此，C++11中最简单的lambda函数形式为 []{};，不过这样的lambda函数不具备实际功能。
• 重复捕获：不能同时以不同方式捕获同一个变量，比如 [=, a] 是非法的，因为=已经包含了a的值捕获。
• 块作用域外的lambda：如果lambda不在任何函数或者块作用域之内（例如在全局作用域中定义），则它的捕获列表必须为空。
• lambda不可赋值：尽管lambda表达式的结果是一个可调用对象，但这些对象本身不能互相赋值，即使它们看起来功能相同，因为每个lambda都有独立的封闭环境和可能不同的捕获状态。

示例：

int main()
{
    // 最简单的lambda表达式，不接受任何参数且不执行任何操作
    []{}; 

    // 省略参数列表和显式返回值类型，编译器自动推断返回值类型为int
    int a = 3, b = 4;
    [=]{return a + 3; };  // 此处未被调用，仅展示lambda表达式定义

    // 省略返回值类型声明，编译器根据内部逻辑推断返回值类型
    // 此lambda捕获外部变量a和b（按值捕获），并接受一个int型参数c
    auto fun1 = [&](int c){b = a + c; };
    fun1(10);
    cout << a << " " << b << endl;

    // 完整的lambda表达式，显式指定返回值类型为int
    // 按值捕获外部变量a，按引用捕获外部变量b，并接受一个int型参数c
    auto fun2 = [=, &b](int c)->int{ return b += a + c; };
    cout << fun2(10) << endl;

    // 按值捕获外部变量x，由于使用了mutable关键字，可以在lambda体内修改x的值
    int x = 10;
    auto add_x = [x](int a) mutable { x *= 2; return a + x; };
    cout << add_x(10) << endl;

    return 0;
}

 从以上示例中我们可以看出，lambda表达式相当于定义了一个无名函数对象，它不能直接调用。但可以通过`auto`关键字将其赋值给一个变量，从而实现间接调用。这种特性使得lambda表达式在处理一些需要临时定义函数场景时尤为方便。

3、使用lambda解决排序问题

struct Goods
{
	string _name;  // 名字
	double _price; // 价格
	int _evaluate; // 评价

	Goods(const char* str, double price, int evaluate)
		:_name(str)
		, _price(price)
		, _evaluate(evaluate)
	{}
};

// 按照价格升序比较的函数对象
struct ComparePriceLess {
    bool operator()(const Goods& gl, const Goods& gr) {
        return gl._price < gr._price;
    }
};

// 按照价格降序比较的函数对象
struct ComparePriceGreater {
    bool operator()(const Goods& gl, const Goods& gr) {
        return gl._price > gr._price;
    }
};

void Print(const vector<Goods>& v)
{
	for (const auto& r : v)
	{
		cout << "商品名称：" << r._name << ", 价格：" << r._price << ", 评价：" << r._evaluate << endl;
	}
}

int main()
{
	vector<Goods> v = { { "苹果", 2.1, 5 }, { "香蕉", 3, 4 }, { "橙子", 2.2, 3 }, { "菠萝", 1.5, 4 } };

	auto priceLess = [](const Goods& g1, const Goods& g2)->bool {return g1._price < g2._price; };
	sort(v.begin(), v.end(), priceLess);
	Print(v); cout << endl;

	sort(v.begin(), v.end(), [](const Goods& g1, const Goods& g2)->bool {
		return g1._price > g2._price;
		});
	Print(v); cout << endl;

	sort(v.begin(), v.end(), [](const Goods& g1, const Goods& g2)->bool {
		return g1._evaluate < g2._evaluate;
		});
	Print(v); cout << endl;

	sort(v.begin(), v.end(), [](const Goods& g1, const Goods& g2)->bool {
		return g1._evaluate > g2._evaluate;
		});
	Print(v);
}

1. 为了在C++98或C++03中按照价格升序或降序对Goods对象进行排序，我们定义了两个结构体ComparePriceLess和ComparePriceGreater，分别重载了operator()，作为仿函数（函数对象）用于std::sort函数的第三个参数，实现自定义排序逻辑。

2. 然后使用lambda表达式替代传统的结构体比较函数。例如，auto priceLess = [](const Goods& g1, const Goods& g2)->bool {return g1._price < g2._price; };，这个lambda表达式接收两个Goods对象作为参数，并返回一个布尔值，表示第一个商品的价格是否小于第二个商品的价格。这种方式下，我们不再需要显式定义独立的结构体来进行比较。

3. 接下来，分别使用lambda表达式对商品列表按照价格升序、价格降序、评价升序、评价降序进行排序，并在排序后调用Print函数显示排序结果。

通过C++11引入的lambda表达式大大简化了自定义排序逻辑的实现，使得在调用std::sort等算法时，可以直接在代码执行的位置定义临时、简洁的比较函数，避免了为不同排序逻辑创建大量相似结构体的麻烦。

商品名称：菠萝, 价格：1.5, 评价：4
商品名称：苹果, 价格：2.1, 评价：5
商品名称：橙子, 价格：2.2, 评价：3
商品名称：香蕉, 价格：3, 评价：4

商品名称：香蕉, 价格：3, 评价：4
商品名称：橙子, 价格：2.2, 评价：3
商品名称：苹果, 价格：2.1, 评价：5
商品名称：菠萝, 价格：1.5, 评价：4

商品名称：橙子, 价格：2.2, 评价：3
商品名称：香蕉, 价格：3, 评价：4
商品名称：菠萝, 价格：1.5, 评价：4
商品名称：苹果, 价格：2.1, 评价：5

商品名称：苹果, 价格：2.1, 评价：5
商品名称：香蕉, 价格：3, 评价：4
商品名称：菠萝, 价格：1.5, 评价：4
商品名称：橙子, 价格：2.2, 评价：3

4、组合捕捉

混合捕捉 (func1):

auto func1 = [&x, y]() {...};

这个Lambda表达式使用了混合捕捉。其中，x通过引用方式进行捕捉，这意味着在Lambda体内部可以直接修改外部变量x的值。而y则是通过值方式进行捕捉，即在Lambda内部得到的是y的一个副本，对副本的修改不会影响到外部的y。

全部引用捕捉 (func2):

auto func2 = [&]() {...};

这个Lambda表达式通过引用方式捕捉所有在其外部作用域可见的变量。这意味着在Lambda体内部可以修改所有捕获到的外部变量的值。

全部传值捕捉 (func3):

auto func3 = [=]() {...};

这个Lambda表达式通过值方式捕捉所有在其外部作用域可见的变量。这意味着在Lambda体内部得到的是捕获到的所有变量的副本，对这些副本的修改不会影响到外部的原始变量。

全部引用捕捉，特定变量传值捕捉 (func4):

auto func4 = [&, x]() {...};

这个Lambda表达式大部分变量通过引用捕捉，但对x这个特定变量采用了值捕捉。这就意味着除了x以外的所有其他外部变量在Lambda体内部可以直接修改，而x则是在Lambda内部得到的一个副本，对它的修改不影响外部的x。

5、捕获外部变量的应用

正常交换：

int main()
{
    int a = 9, b = 0;
    auto swap1 = [](int& A, int& B) {
        int tmp = A;
        A = B;
        B = tmp;
    };
    swap1(a, b);
    cout << a << " " << b << endl;
    return 0;
}

定义了一个Lambda表达式swap1，它接收两个int类型的引用作为参数，然后在Lambda函数体内部交换这两个参数的值。在这里，直接传递了外部变量a和b的引用给swap1，成功交换了a和b的值。

未捕获外部变量的尝试（编译错误）

int main()
{
    // 使用Lambda表达式试图交换外部变量，但未捕获外部变量，导致编译错误
     int x = 9, y = 0;
     auto swap2 = []() {
         int tmp = x;
         x = y;
         y = tmp;
     };
     swap2();
     cout << x << " " << y << endl;
    return 0;
}

尝试定义一个Lambda表达式swap2，它没有捕获任何外部变量，所以在Lambda函数体内部直接使用x和y会导致编译错误，因为它们在Lambda作用域内未被声明。

传值捕获尝试（编译错误）

int main()
{
    // 传值捕捉也会报错，因为交换的是捕获的局部变量副本，而非外部变量本身
     int c = 9, d = 0;
     auto swap3 = [c, d](){
         int tmp = c;
         c = d;
         d = tmp;
     };
     swap3();
     cout << c << " " << d << endl;
    return 0;
}

 定义了一个Lambda表达式swap3，它通过值捕获了外部变量c和d。在Lambda函数体内部交换的是被捕获的局部变量副本，而不是外部变量本身，因此即便执行swap3，外部变量c和d的值也不会改变。

使用mutable关键字的传值捕获

int main()
{
    // 使用mutable关键字虽然能消除编译错误，但因传值捕获，依旧交换的是外部变量的副本
     int e = 9, f = 0;
     auto swap4 = [e, f]() mutable{
         int tmp = e;
         e = f;
         f = tmp;
     };
     swap4();
     cout << e << " " << f << endl;
    return 0;
}

使用mutable关键字定义了一个Lambda表达式swap4，即使如此，由于仍然是值捕获，所以在Lambda内部交换的是外部变量的副本，即使Lambda函数体中可以修改捕获的变量（mutable特性），但外部变量e和f的值仍然不会改变。

引用捕获

int main()
{
    // 引用捕捉，正确交换外部变量的值
    int g = 9, h = 0;
    auto swap5 = [&g, &h]() {
        int tmp = g;
        g = h;
        h = tmp;
        };
    swap5();
    cout << g << " " << h << endl;
    return 0;
}

定义了一个Lambda表达式swap5，它通过引用捕获了外部变量g和h。在Lambda函数体内部，通过引用交换了g和h的值，由于是引用捕获，所以这次成功地改变了外部变量g和h的值。

6、lambda与函数对象

函数对象，又称为仿函数，即可以想函数一样使用的对象，就是在类中重载了operator()运算符的 类对象。

class Rate
{
public:
	Rate(double rate) : _rate(rate)
	{}

	double operator()(double money, int year)
	{
		return money * _rate * year;
	}

private:
	double _rate;
};

int main()
{
	// 函数对象
	double rate = 0.49;
	Rate r1(rate);
	r1(10000, 2);

	// lambda
	auto r2 = [=](double monty, int year)->double {return monty * rate * year; };
	r2(10000, 2);

	return 0;
}

   234: 	// 函数对象
   235: 	double rate = 0.49;
00007FF652FA2A1D  movsd       xmm0,mmword ptr [__real@3fdf5c28f5c28f5c (07FF652FABC10h)]  
00007FF652FA2A25  movsd       mmword ptr [rate],xmm0  
   236: 	Rate r1(rate);
00007FF652FA2A2A  movsd       xmm1,mmword ptr [rate]  
00007FF652FA2A2F  lea         rcx,[r1]  
00007FF652FA2A33  call        Rate::Rate (07FF652FA149Ch)  
   237: 	r1(10000, 2);
00007FF652FA2A38  mov         r8d,2  
00007FF652FA2A3E  movsd       xmm1,mmword ptr [__real@40c3880000000000 (07FF652FABC18h)]  
00007FF652FA2A46  lea         rcx,[r1]  
00007FF652FA2A4A  call        Rate::operator() (07FF652FA14A1h)  
   238: 
   239: 	// lambda
   240: 	auto r2 = [=](double monty, int year)->double {return monty * rate * year; };
00007FF652FA2A4F  lea         rdx,[rate]  
00007FF652FA2A53  lea         rcx,[r2]  
00007FF652FA2A57  call        `main'::`2'::<lambda_1>::<lambda_1> (07FF652FA2440h)  
   241: 	r2(10000, 2);
00007FF652FA2A5C  mov         r8d,2  
00007FF652FA2A62  movsd       xmm1,mmword ptr [__real@40c3880000000000 (07FF652FABC18h)]  
00007FF652FA2A6A  lea         rcx,[r2]  
00007FF652FA2A6E  call        `main'::`2'::<lambda_1>::operator() (07FF652FA2980h)

#include <iostream>
#include <thread>

int main()
{
    std::thread t1; // 创建一个空线程对象，未关联任何线程函数
    std::cout << "线程ID：" << t1.get_id() << std::endl; // 输出线程ID
    // 此处由于t1未关联线程函数，所以get_id()可能返回一个无效或默认的线程ID
    return 0;
}

// VS下的内部实现细节（简化版）
typedef struct _Thrd_imp_t
{
    void *_Hnd; // 在Win32环境下，此成员保存着操作系统提供的线程句柄
    unsigned int _Id; // 这里可能是线程的一个整数ID或其他标识信息
} _Thrd_imp_t;

#include <iostream>
#include <thread>
#include <utility>

// 普通函数，接收引用类型参数
void ThreadFunc1(int& x)
{
    x += 10;
}

// 普通函数，接收指针类型参数
void ThreadFunc2(int* x)
{
    (*x) += 10;
}

// 假设有一个类，其成员函数需要修改类成员变量
class MyClass
{
public:
    int member_var = 10;

    void MemberThreadFunc()
    {
        member_var += 10;
    }
};

int main()
{
    int a = 10;

    // 由于默认是值拷贝，所以此处修改不会影响主线程中的a
    std::thread t1(ThreadFunc1, a);
    t1.join();
    std::cout << "After t1 join, a = " << a << std::endl;

    // 使用std::ref传递引用，此时线程中的修改会影响主线程中的a
    std::thread t2(ThreadFunc1, std::ref(a));
    t2.join();
    std::cout << "After t2 join, a = " << a << std::endl;

    // 传递指针，线程中的修改会影响主线程中的a
    std::thread t3(ThreadFunc2, &a);
    t3.join();
    std::cout << "After t3 join, a = " << a << std::endl;

    // 类成员函数作为线程函数
    MyClass myObj;
    std::thread t4(&MyClass::MemberThreadFunc, &myObj);
    t4.join();
    std::cout << "After t4 join, myObj.member_var = " << myObj.member_var << std::endl;

    return 0;
}

3、mutex的种类

std::mutex

在C++11标准库中，mutex家族共包含了四种类型的互斥量，旨在提供线程同步的基础工具。其中最基本的互斥量类型是std::mutex。此类型的互斥量实例不具备拷贝或移动的能力，其关键的三个操作方法如下：

1. lock()函数：用于锁定互斥量。当调用此方法的线程成功获取互斥量时，该线程将独占互斥量直至调用unlock()为止。在此期间，其他试图锁定该互斥量的线程将会被阻塞，等待互斥量解锁。

   • 若互斥量当前未被任何线程锁定，调用线程将成功获取并锁定互斥量。
   • 若互斥量已被其他线程锁定，调用线程将进入阻塞状态，等待互斥量解锁。
   • 如果同一线程尝试再次锁定已经被其锁定的互斥量，会导致死锁情况的发生。

2. unlock()函数：用于解除互斥量锁定状态，释放当前线程对互斥量的所有权，从而使等待该互斥量的其他线程有机会获取锁。

3. try_lock()函数：尝试非阻塞地锁定互斥量。

   • 若互斥量当前未被任何线程锁定，调用线程将成功锁定互斥量，直到后续调用unlock()为止。
   • 若互斥量已被其他线程锁定，调用线程不会被阻塞，而是立即返回false。
   • 如果同一线程尝试锁定已经被其锁定的互斥量，同样会导致死锁。

下面代码来测试一下串行和并行的时间消耗情况

#include <mutex>

mutex mtx;
int x = 0;

void Func1(int n)
{
	//并行
	for (int i = 0; i < n; i++)
	{
		mtx.lock();
		++x;
		mtx.unlock();
	}
}
void Func2(int n)
{
	//串行
	mtx.lock();
	for (int i = 0; i < n; i++)
	{
		++x;
	}
	mtx.unlock();
}
void test1()//并行测试
{
	size_t begin = clock();
	thread t1(Func1, 1000000);
	thread t2(Func1, 1000000);

	t1.join();
	t2.join();
	size_t end = clock();
	cout << x << endl << end - begin << endl;
}
void test2()//串行测试
{
	size_t begin = clock();
	thread t1(Func2, 1000000);
	thread t2(Func2, 1000000);

	t1.join();
	t2.join();
	size_t end = clock();
	cout << x << endl << end - begin << endl;
}
int main()
{
	test1();
    // 输出结果：
    // 2000000
    // 244

	//test2();
    // 2000000
    // 4
	return 0;
}

• Func1函数模拟了并行操作的情况：循环1000000次，每次循环都将x的值加1，但每次操作前都会锁定互斥锁mtx，操作后解锁。这意味着当多个线程同时调用Func1时，同一时间只有一个线程能对x进行修改，以防止数据竞争（data race）。但由于锁定和解锁的操作频繁，且两个线程交替执行，实际运行结果可能会小于预期的2000000（理论上应该是2000000，因为有两个线程各执行了一百万次加1操作）。

• Func2函数模拟了串行操作的情况：首先锁定互斥锁mtx，然后在一个线程内循环1000000次对x进行加1操作，结束后才释放互斥锁。这样，在一个线程未完成对x的所有操作之前，另一个线程是无法访问和修改x的。因此，无论多少个线程调用Func2，x的最终值总是2000000，并且由于两个线程实际上是按照顺序执行的，所以总耗时应该接近单线程执行的时间。

• test1函数创建了两个线程，分别调用Func1，并在所有线程完成后输出最终的x值和执行所花费的时间。

• 注释掉的test2函数与test1类似，只是调用的是Func2。如果运行test2，则会发现虽然也是两个线程各自执行1000000次加1操作，但因为互斥锁的作用，它们实际上是以串行的方式执行的，所以总耗时比并行情况下要短得多。

通过对比test1和test2的结果，可以看出互斥锁在多线程编程中的作用：确保同一时间内只有一个线程可以访问共享资源（这里是变量x），从而避免数据竞争带来的问题。但在需要高效利用多核CPU进行并行计算的场景下，过度依赖互斥锁会导致性能下降。

std::recursive_mutex：

• std::recursive_mutex是另一种互斥量类型，与std::mutex不同的是，它允许同一个线程对互斥量进行多次锁定，也就是说，同一个线程可以递归地获取互斥锁的所有权。
• 当线程首次调用lock()时，互斥量被锁定，再次调用lock()时，不会引起死锁，而是增加锁的计数。同样，必须调用相同次数的unlock()才能完全释放互斥锁，使得其他线程有机会获取锁。
• 其他特性方面，std::recursive_mutex与std::mutex类似，均提供了基础的互斥访问控制功能。

示例：

#include <iostream>
#include <mutex>

// 假设有一个类，其中包含一些需要保护的共享数据
class SharedResource {
private:
    int counter = 0;
    std::recursive_mutex mtx; // 使用递归互斥量保护数据

public:
    void incrementCounter(int n) {
        // 在修改counter之前锁定互斥量
        std::unique_lock<std::recursive_mutex> lock(mtx);

        // 这个函数内部可能会调用另一个需要用到互斥量的方法
        process(n);

        // 假设我们递增计数器n次
        for (int i = 0; i < n; ++i) {
            ++counter;
            std::cout << "Incrementing counter from thread ID: " << std::this_thread::get_id() << std::endl;
        }

        // 当函数结束时，由于使用了RAII（Resource Acquisition Is Initialization）的unique_lock，
        // 它会自动调用unlock()，但如果函数内部进行了多次lock()，这里的unlock()会匹配最后一次lock()
    }

    void process(int n) {
        // 再次锁定互斥量，由于是递归锁，所以不会死锁
        std::unique_lock<std::recursive_mutex> innerLock(mtx);

        // 执行某些操作...
        // ...

        // 当process函数结束时，其内部的unique_lock也会自动调用unlock()
    }
};

int main() {
    SharedResource resource;

    // 假设在一个线程中操作
    std::thread t([&]() {
        resource.incrementCounter(5);
    });

    t.join();

    return 0;
}

• 在这个例子中，SharedResource 类使用了一个 std::recursive_mutex 对象 mtx 来保护其成员变量 counter。incrementCounter 函数首先获取互斥锁，然后调用 process 函数，在这个过程中，由于 process 也需要对同一互斥量进行锁定，如果是普通互斥量（如 std::mutex），这会导致死锁。然而，因为这里使用的是 std::recursive_mutex，所以在 process 内部再次锁定互斥量是安全的，不会造成死锁。
• 当 incrementCounter 函数递增计数器时，无论实际执行了多少次 lock() 操作（直接调用和间接通过 process 调用），只要在函数结束前所有的 lock() 都有相应的 unlock() 匹配，互斥量就会最终释放给其他线程使用。在这种情况下，由于我们使用了 std::unique_lock，它会确保每次 lock() 都会有对应的 unlock() 自动调用，从而简化了递归锁定和解锁的管理。
   

std::timed_mutex：

• std::timed_mutex是带有超时功能的互斥量，除了提供std::mutex的基础锁定和解锁功能外，还额外提供了两个尝试锁定并带超时控制的方法。

• try_lock_for(const std::chrono::duration& rel_time): 这个函数尝试在给定的时间范围内获取互斥锁。如果在指定的时间段内互斥锁仍然被其他线程持有，函数将返回false，表示未能获取锁。反之，如果在这段时间内互斥锁被释放，则线程成功获取锁并返回true。

• try_lock_until(const std::chrono::time_point& abs_time): 这个函数尝试在指定的绝对时间点前获取互斥锁。如果在指定的时间点之前互斥锁仍然被其他线程持有，函数将返回false。如果在这段时间内互斥锁被释放，则线程成功获取锁并返回true。

示例：

#include <iostream>
#include <thread>
#include <chrono>
#include <mutex>

std::timed_mutex mtx;

void threadFunction()
{
    using namespace std::chrono_literals;
    
    // 尝试在500毫秒内获取互斥锁
    if (mtx.try_lock_for(500ms))
    {
        std::cout << "Thread acquired the lock." << std::endl;
        
        // 执行临界区代码...
        std::this_thread::sleep_for(1s); // 假设这里有耗时操作
        
        mtx.unlock(); // 完成操作后释放锁
    }
    else
    {
        std::cout << "Thread failed to acquire the lock within 500 milliseconds." << std::endl;
    }
}

int main()
{
    mtx.lock(); // 主线程先锁定互斥锁
    
    std::thread worker(threadFunction); // 创建一个新的工作线程
    
    std::this_thread::sleep_for(1000ms); // 主线程等待1秒后释放锁
    mtx.unlock();

    worker.join(); // 等待工作线程完成

    return 0;
}

• 在这个例子中，主线程首先锁定了std::timed_mutex，然后创建了一个新的工作线程。工作线程尝试在500毫秒内获取互斥锁（通过try_lock_for(500ms)实现）。由于主线程在1秒后才释放锁，所以在工作线程开始尝试获取锁的时候，互斥锁仍被主线程持有，因此工作线程会在尝试获取锁500毫秒后失败，并输出提示信息“Thread failed to acquire the lock within 500 milliseconds.”。
• 如果主线程提前释放了锁，那么工作线程将在500毫秒内成功获取到锁并执行临界区代码。
• 同样的，try_lock_until()方法可以根据绝对时间点来尝试获取互斥锁，例如设置为从当前时间点开始算起的某个时间点之前尝试获取锁。
   

std::recursive_timed_mutex

std::recursive_timed_mutex 是 C++11 标准库中提供的一个互斥量（Mutex）类型，它结合了 std::recursive_mutex 和 std::timed_mutex 的特性，允许同一线程多次对互斥量进行加锁，并且提供了超时锁定的功能。

1. 递归锁定：一个线程可以多次成功地对同一个 std::recursive_timed_mutex 对象调用 lock() 或 lock_shared() 函数，只要每次锁定都是由最初获得锁的线程执行即可。这种互斥量允许递归锁定而不死锁，因为它会跟踪内部锁计数，当锁的次数与解锁次数相匹配时才真正释放互斥量。

2. 超时锁定：此类型的互斥量还提供了带有超时限制的锁定函数，例如 try_lock_for() 和 try_lock_until()。这些函数允许线程尝试获取互斥锁，但会在指定的时间段过后自动放弃，如果在这段时间内无法获得锁，则函数会返回 false，而不是无期限地阻塞线程。这对于避免线程因无法获取锁而无限期等待的情况非常有用。

3. std::recursive_timed_mutex m;
   if (m.try_lock_for(std::chrono::seconds(5))) {
       // 成功在5秒内获得锁
   } else {
       // 未能在5秒内获得锁
   }

总结起来，std::recursive_timed_mutex 主要用于需要在同一线程内进行递归同步，并希望在尝试锁定时具有超时控制能力的场景。通过它可以确保即使在递归调用或复杂逻辑中也能安全地管理共享资源访问，并能设定合理的等待时间以避免线程被永久性地卡住。

4、lock_guard与unique_lock

在多线程环境中，如果我们需要确保某个变量的并发访问安全，使用原子类型（atomic）是一种简单高效的方案，可以避免数据竞争和死锁问题。然而，当需要保护一段复杂的代码逻辑而非单个变量时，就需要借助锁机制来确保代码块的原子性。

例如，设想这样一个场景：两个线程分别对同一个变量number进行100次加一和减一操作，并且每次操作后立即输出number的值，最终期望number的值恢复为1。

#include <thread>
#include <mutex>
int number = 0;
mutex g_lock;
int ThreadProc1()
{
	for (int i = 0; i < 100; i++)
	{
		g_lock.lock();
		++number;
		cout << "thread 1 :" << number << endl;
		g_lock.unlock();
	}
	return 0;
}
int ThreadProc2()
{
	for (int i = 0; i < 100; i++)
	{
		g_lock.lock();
		--number;
		cout << "thread 2 :" << number << endl;
		g_lock.unlock();
	}
	return 0;
}
int main()
{
	thread t1(ThreadProc1);
	thread t2(ThreadProc2);
	t1.join();
	t2.join();
	cout << "number:" << number << endl;
	system("pause");
	return 0;
}

• 上面代码中直接使用mutex进行加锁和解锁操作，这种做法有可能在异常处理或提前返回时忘记解锁，导致资源泄露或死锁等问题。

为了解决这些问题，C++11引入了基于Resource Acquisition Is Initialization (RAII)原则的智能锁包装类，如std::lock_guard和std::unique_lock。

• 在下面修改过的代码中，我们使用了std::lock_guard，它会在构造时自动锁定互斥锁，并在析构时自动解锁，从而确保即使在代码块中抛出异常或通过return语句提前退出，互斥锁也能得到妥善释放，有效避免了死锁和资源泄露的风险。

#include <thread>
#include <mutex>
#include <iostream>

int number = 0;
std::mutex g_lock;

void ThreadProc1()
{
    for (int i = 0; i < 100; i++)
    {
        std::lock_guard<std::mutex> guard(g_lock); // RAII方式自动管理锁的生命周期
        ++number;
        std::cout << "thread 1 : " << number << std::endl;
    }
}

void ThreadProc2()
{
    for (int i = 0; i < 100; i++)
    {
        std::lock_guard<std::mutex> guard(g_lock); // RAII方式自动管理锁的生命周期
        --number;
        std::cout << "thread 2 : " << number << std::endl;
    }
}

int main()
{
    std::thread t1(ThreadProc1);
    std::thread t2(ThreadProc2);

    t1.join();
    t2.join();

    std::cout << "number: " << number << std::endl;

    // system("pause"); // 通常不推荐在跨平台代码中使用，这里仅作演示目的
    getchar(); // 更通用的暂停程序运行的方式

    return 0;
}

lock_guard

std::lock_guard是C++11标准库内定义的一个模板类，专为简便且安全地管理互斥量而设计。

• 在实际应用中，只需针对所需的互斥量实例化一个lock_guard对象，通过调用其构造函数即可实现对互斥量的自动锁定。
• 当lock_guard对象超出其作用域时，编译器会触发对象的析构过程，进而确保互斥量被正确地解锁。这种基于RAII的机制有力地保障了线程安全，降低了在手动管理锁时可能引入的死锁风险。

其关键成员函数和构造函数如下：

template<typename _Mutex>
class lock_guard
{
public:
    // 默认构造函数，在构造时自动锁定传入的互斥量
    explicit lock_guard(_Mutex& _Mtx) : _MyMutex(_Mtx) { _MyMutex.lock(); }

    // 特殊构造函数，用于已锁定的互斥量，此处不会再次锁定
    lock_guard(_Mutex& _Mtx, std::adopt_lock_t) : _MyMutex(_Mtx) {}

    // 析构函数，在对象销毁时自动解锁互斥量
    ~lock_guard() noexcept { _MyMutex.unlock(); }

    // 禁止拷贝构造和赋值操作，确保唯一性和线程安全
    lock_guard(const lock_guard&) = delete;
    lock_guard& operator=(const lock_guard&) = delete;

private:
    // 保存互斥量引用，用于锁定和解锁操作
    _Mutex& _MyMutex;
};

lock_guard的缺陷：太单一，用户没有办法对该锁进行控制，因此C++11又提供了 unique_lock。

unique_lock

std::lock_guard在C++11中为互斥量管理提供了便利，但其功能相对有限，为了满足更多场景的需求，C++11标准库中还引入了std::unique_lock类模板。

• 如同std::lock_guard一样，std::unique_lock同样采用了RAII原理来封装互斥量的锁定和解锁操作，确保资源在进入作用域时自动上锁，在离开作用域时自动解锁，有效防止了死锁问题。

示例：

#include <iostream>
#include <thread>
#include <mutex>
#include <chrono>

std::mutex mtx;

void worker(int id) {
    std::unique_lock<std::mutex> lock(mtx, std::defer_lock); // 创建unique_lock，但不立即锁定互斥量

    std::this_thread::sleep_for(std::chrono::milliseconds(id * 100)); // 模拟延时操作

    // 使用try_lock_for尝试在50毫秒内获取锁
    if (lock.try_lock_for(std::chrono::milliseconds(50))) {
        std::cout << "Worker " << id << " got the lock.\n";
        
        // 执行临界区代码
        std::cout << "Critical section for Worker " << id << ".\n";

        // 在结束临界区后，unique_lock将在离开当前作用域时自动解锁互斥量
    } else {
        std::cout << "Worker " << id << " could not acquire the lock within 50ms.\n";
    }
}

int main() {
    std::thread t1(worker, 1);
    std::thread t2(worker, 2);

    t1.join();
    t2.join();

    std::cout << "Both workers have finished.\n";

    return 0;
}

• 在这个例子中，我们创建了两个工作线程，每个线程都有一个std::unique_lock对象，但并未在构造时立即锁定互斥量。线程在执行过程中尝试使用try_lock_for方法在一定时间内获取锁，成功获取锁后执行临界区代码，最后在unique_lock对象离开作用域时自动解锁互斥量。
• 此外，std::unique_lock还可以通过unlock()方法手动解锁互斥量，或者通过release()方法主动放弃锁的所有权但不解锁互斥量，以及通过swap()方法与其他unique_lock对象交换所管理的互斥量所有权。

二者区别：

相比于std::lock_guard，std::unique_lock在保证互斥量管理安全的同时，提供了更多的控制选项和灵活性，使其适用于更复杂、需要精细控制锁状态的多线程同步场景。

• 上锁/解锁操作: 除了自动在构造时上锁并在析构时解锁的基本功能外，std::unique_lock还提供了多种上锁和解锁方式，如：lock()（尝试锁定并阻塞直到成功）、try_lock()（尝试非阻塞锁定，锁定失败立即返回）、try_lock_for(duration)（在指定时间段内尝试锁定）、try_lock_until(time_point)（在指定时间点前尝试锁定）以及unlock()（显式解锁互斥量）。

• 修改操作: std::unique_lock支持移动赋值和交换互斥量所有权的操作，这意味着可以将一个unique_lock对象的锁状态转移给另一个对象。另外，通过release()方法，unique_lock对象可以释放其所管理的互斥量的所有权，并返回该互斥量的原始指针。

• 获取属性: 提供了多种查询方法以检查和获取互斥量的状态和指针，如：owns_lock()（返回当前对象是否拥有锁）、operator bool()（类似于owns_lock()，可用于布尔表达式判断是否拥有锁）、mutex()（返回当前unique_lock所管理的互斥量对象的指针）。

5、原子性操作库(atomic)

产生原因

多线程最主要的问题是共享数据带来的问题(即线程安全)。如果共享数据都是只读的，那么没问

题，因为只读操作不会影响到数据，更不会涉及对数据的修改，所以所有线程都会获得同样的数

据。但是，当一个或多个线程要修改共享数据时，就会产生很多潜在的麻烦。

示例1：未使用同步机制导致数据竞争

#include <iostream>
using namespace std;

unsigned long sum = 0L;
void incrementCounter(size_t num)
{
    for (size_t i = 0; i < num; ++i)
        sum++; // 未保护的并发写入，存在数据竞争
}

int main()
{
    cout << "Before thread execution, sum = " << sum << endl;
    
    thread t1(incrementCounter, 10000000);
    thread t2(incrementCounter, 10000000);

    t1.join();
    t2.join();

    cout << "After thread completion, sum = " << sum << endl;

    return 0;
}

传统C++98中，解决多线程共享数据修改问题的一种普遍方式是使用互斥锁（mutex）。如下面第二个示例所示，通过在修改`sum`变量之前锁定互斥锁并在修改后解锁，可以确保同一时刻只有一个线程能够修改`sum`，从而避免了数据竞争。

示例2：使用互斥锁进行同步

#include <iostream>
#include <thread>
#include <mutex>

std::mutex m; // 用于保护共享数据sum的互斥锁
unsigned long sum = 0L;

void safeIncrementCounter(size_t num)
{
    for (size_t i = 0; i < num; ++i)
    {
        m.lock();
        sum++;
        m.unlock();
    }
}

int main()
{
    cout << "Before thread execution, sum = " << sum << endl;

    thread t1(safeIncrementCounter, 10000000);
    thread t2(safeIncrementCounter, 10000000);

    t1.join();
    t2.join();

    cout << "After thread completion, sum = " << sum << endl;

    return 0;
}

• 然而，这种方式也存在一些局限性。每当一个线程持有互斥锁并对`sum`进行累加时，其他试图访问该变量的线程将被迫等待，这可能导致性能下降。此外，如果互斥锁的使用不当（例如，嵌套锁、死锁等），可能会引发程序的死锁状况，严重影响程序的正确性和可靠性。
• 因此，尽管互斥锁是解决多线程数据竞争的有效手段之一，但在实际开发中还需谨慎处理，合理安排锁的使用，以兼顾线程安全和程序性能。随着C++11标准引入了原子操作（std::atomic）、条件变量（std::condition_variable）等更高级的同步原语，开发者有了更多的方式来优化和改进多线程环境下的数据同步机制。

C++11中引入了原子操作。所谓原子操作：即不可被中断的一个或一系列操作，C++11引入的原子操作类型，使得线程间数据的同步变得非常高效。

使用方法

        在C++11标准之前，当多线程程序需要同步访问共享数据时，通常需要使用互斥锁（mutexes）或其他同步原语来防止数据竞争。然而，互斥锁的使用往往伴随着一定的开销，特别是在频繁加解锁的场景下，可能会影响到程序的执行效率。

        为此，C++11引入了原子操作（Atomic Operations）的概念，它提供了一种更为细粒度的同步机制。原子操作是指在多线程环境下，对某些操作进行特殊的底层硬件级别的支持，使得这些操作能够在没有其他线程干扰的情况下完成，即一个原子操作要么全部执行完毕，要么根本不执行，不会被其他线程“切割”打断。

        在C++11标准库中，通过<atomic>头文件提供了std::atomic模板类来支持原子操作。通过定义一个std::atomic<T>类型的变量，可以确保对该变量的所有操作（如读取、写入、递增、递减等）都是原子性的，从而避免了多线程环境下的数据竞争问题。

• 例如，声明一个原子整型变量：

std::atomic<int> counter;

• 然后可以安全地在多线程环境下进行如下操作：

counter.fetch_add(1); // 原子递增操作
int current_value = counter.load(); // 原子读取操作

通过原子操作，不仅能够保证数据的一致性，而且相比传统的互斥锁，如果应用场景合适的话，还能显著提升程序在多线程环境下的执行效率。不过，需要注意的是，原子操作并不能替代互斥锁解决所有同步问题，例如在涉及多个条件判断和更新的复杂逻辑中，仍需使用互斥锁或信号量等同步机制。

注意：需要使用以上原子操作变量时，必须添加头文件

例如，以下代码展示了如何声明和使用一个原子长整型变量sum，并通过两个线程安全地对其进行递增：

#include <iostream>
#include <thread>
#include <atomic>

std::atomic<long> sum{ 0 }; // 声明一个原子类型的long型变量

void fun(size_t num)
{
    for (size_t i = 0; i < num; ++i)
        sum++; // 这是一个原子操作，无需担心数据竞争问题
}

int main()
{
    std::cout << "Before starting threads, sum = " << sum << std::endl;

    std::thread t1(fun, 1000000);
    std::thread t2(fun, 1000000);

    t1.join();
    t2.join();

    std::cout << "After joining threads, sum = " << sum << std::endl;

    return 0;
}

std::atomic模板类的设计允许用户定义任意类型的原子变量，只需将所需的类型作为模板参数传递。然而，值得注意的是，原子类型的数据被视为“资源型”数据，指每个线程只能独立地访问各自的原子类型实例。出于对并发安全性的严格要求，C++11标准库对std::atomic模板类的拷贝构造、移动构造和赋值操作进行了默认删除处理，从而防止意外的复制和移动操作导致数据竞争问题。如下所示：

#include <atomic>

int main()
{
    std::atomic<int> a1(0);
    // 下面的语句因拷贝构造和赋值操作被禁用而不能编译通过
    // std::atomic<int> a2(a1); // 编译错误，禁止拷贝构造
    // a2 = a1;                // 编译错误，禁止赋值操作

    std::atomic<int> a2(0); // 正确做法，直接初始化一个新的原子变量
    return 0;
}

6、lambda表达式封装线程

int main()
{
	int n = 100000;
	int x = 0;
	mutex mtx;
	size_t begin = clock();

	thread t1([&, n]() {
		mtx.lock();
		for (int i = 0; i < n; i++)
		{
			++x;
		}
		mtx.unlock();
		});

	thread t2([&, n]() {
		mtx.lock();
		for (int i = 0; i < n; i++)
		{
			++x;
		}
		mtx.unlock();
		});

	t1.join();
	t2.join();
	size_t end = clock();

	cout << x << endl;
	cout << end - begin << endl;

	return 0;
}讲解一下thread使用lambda

上述代码通过C++11的lambda表达式技术封装了线程的执行函数，下面具体讲解如何实现的：

Lambda表达式允许你创建匿名函数，可以直接在代码中定义并使用。语法格式大致如下：

[capture list](parameters) -> return type { function body }

• [&, n] 是捕获列表，& 表示捕获外部作用域内的所有引用类型的变量，n 表示捕获值类型的变量n的副本。
• 参数列表为空，因为这里定义的函数并不需要额外的输入参数。
• 返回类型省略了，编译器可以通过函数体推断出返回类型是void。

创建线程： 在C++11标准库中，std::thread类可以用来创建和管理线程。这里创建了两个线程t1和t2，它们分别执行不同的lambda表达式作为线程函数。

thread t1([&, n]() { ... });
thread t2([&, n]() { ... });

这里的lambda表达式分别定义了两个线程需要执行的任务，即对共享变量x进行n次自增操作。同时，它们都捕获了外部作用域中的引用类型变量mtx和值类型变量n。

• 线程同步： 在lambda表达式内部，通过调用互斥锁mtx.lock()和mtx.unlock()来实现线程同步。当一个线程获取到锁时，其他线程尝试获取锁时将被阻塞，直至该线程调用unlock()释放锁。

7、condition_variable 线程同步机制

std::condition_variable 是 C++11 标准库中提供的一个线程同步机制，它是 C++ 线程库的一部分，主要用于线程之间的条件同步。condition_variable 主要与互斥量（如 std::mutex）一起使用，帮助线程在满足某个特定条件时睡眠，并在条件变为真时唤醒。

基本使用步骤：

1. 声明和初始化： 首先，需要声明一个 std::condition_variable 变量。

   std::condition_variable cv;

2. 与互斥量配合： 为了正确使用 condition_variable，通常会与一个互斥量关联起来，确保在检查和更改条件变量所关注的状态时是线程安全的。

   std::mutex m;
   bool data_ready = false;

3. 线程等待条件： 当线程需要等待某个条件成立时，会调用 condition_variable 的 wait() 函数，该函数需要一个与之关联的 std::unique_lock<std::mutex> 参数。在调用 wait() 之前，线程必须先锁定互斥量。

   std::unique_lock<std::mutex> lock(m);
   cv.wait(lock, []{ return data_ready; }); // 当 data_ready 为真时才会返回

   上述代码中，线程会释放互斥锁并进入等待状态，直到另一线程改变了 data_ready 的值并调用了 notify_one() 或 notify_all() 来唤醒等待的线程。唤醒后，线程会重新获取互斥锁并继续执行。

4. 通知条件变化： 另一线程在改变条件后，可以调用 condition_variable 的通知函数：

   lock.lock();
   data_ready = true; // 改变条件
   lock.unlock();
   cv.notify_one(); // 唤醒一个等待的线程
   // 或者唤醒所有等待线程
   // cv.notify_all();

5. 超时等待： condition_variable 还提供了带超时的等待函数 wait_for() 和 wait_until()，允许线程在等待一段时间或直到某一时刻仍未满足条件时退出等待。

   std::cv_status status = cv.wait_for(lock, std::chrono::seconds(5), []{ return data_ready; });
   if (status == std::cv_status::timeout) {
       // 等待超时
   } else {
       // 条件满足，继续执行
   }

注意事项：

• 在调用 wait() 之前，务必确保互斥锁已被正确锁定，且在等待期间互斥锁会被自动释放，等待结束后会重新获取。
• notify_one() 和 notify_all() 仅仅是发送唤醒信号，被唤醒的线程能否立刻执行还需视乎互斥锁的状态。
• 由于可能存在“虚假唤醒”现象，通常在 wait() 的谓词中会检查条件是否真正满足，如果条件尚未满足，则继续等待。

示例代码：

std::condition_variable cv;
std::mutex cv_m;
bool data_ready = false;

void producer() {
    // 生产数据...
    data_ready = true;

    cv.notify_one(); // 数据准备好后通知等待的线程
}

void consumer() {
    std::unique_lock<std::mutex> lk(cv_m);
    cv.wait(lk, []{return data_ready;}); // 等待数据准备完成

    // 消费数据...
    data_ready = false;
}

8、支持两个线程交替打印，一个打印奇数，一个打印偶数

我们实现了一个简单的并发编程示例，让两个线程（t1和t2）交替打印从1到99的奇数和偶数。它利用了C++11标准库中的std::mutex（互斥锁）和std::condition_variable（条件变量）来进行线程间的同步与通信。

#include<mutex>
#include<condition_variable>

// 支持两个线程交替打印，t1打印奇数，t2一个打印偶数
int main()
{
	mutex mtx;
	condition_variable cv;

	int n = 100;
	int x = 2;

	// 问题1：如何保证t1先运行，t2阻塞？
	// 问题2：如何防止一个线程不断运行？
	thread t1([&, n]() {
		while (1)
		{
			unique_lock<mutex> lock(mtx);
			if (x >= 100)
				break;

			//if (x % 2 == 0) // 偶数就阻塞
			//{
			//	cv.wait(lock);
			//}
			cv.wait(lock, [&x]() {return x % 2 != 0; });

			cout << this_thread::get_id() << ":" << x << endl;
			++x;

			cv.notify_one();
		}
		});

	thread t2([&, n]() {
		while (1)
		{
			unique_lock<mutex> lock(mtx);
			if (x > 100)
				break;

			//if (x % 2 != 0) // 奇数就阻塞
			//{
			//	cv.wait(lock);
			//}
			cv.wait(lock, [&x](){return x % 2 == 0; });


			cout << this_thread::get_id() << ":" << x << endl;
			++x;

			cv.notify_one();
		}
		});

	t1.join();
	t2.join();

	return 0;
}

问题1：如何保证t1先运行，t2阻塞？

• 在左上角的代码中，我们看到两个线程t1和t2。为了确保t1先运行，t2阻塞，我们可以使用条件变量（condition variable）配合互斥锁（mutex）。在t1线程中，它首先获取锁，然后等待条件变量，这会释放锁并让t2有机会尝试获取锁。当t2获取到锁时，它会立即调用wait方法，这会释放锁并使t1从等待状态中恢复。这样，t1就可以继续执行，而t2则被阻塞，直到t1完成其任务并通知t2。

问题2：如何防止一个线程连续打印？

• 在右下角的代码中，我们看到线程t1和t2交替打印奇数和偶数。为了实现这个功能，我们需要使用互斥锁和条件变量。t1线程在打印奇数后，会等待一个条件变量，然后释放锁。t2线程在打印偶数后，会唤醒条件变量，然后释放锁。这样，t1和t2可以交替打印奇数和偶数，而不会连续打印。

//运行结果
t1: 1
t2: 2
t1: 3
t2: 4
t1: 5
t2: 6
...
t1: 99
t2: 100

详细讲解：

1. 初始化部分：

   • 首先定义了一个互斥锁mtx和一个条件变量cv，用于线程间的同步。
   • 定义一个整数变量n，其值为100，作为总的打印次数上限。
   • 定义一个整数变量x，其初始值为2，作为当前打印的数字。

2. 创建线程t1：

   • 线程t1内部是一个无限循环，通过unique_lock<mutex> lock(mtx);锁定互斥锁mtx，确保在同一时刻只有一个线程能够访问x。
   • 当x >= 100时，线程t1跳出循环。
   • 使用cv.wait(lock, [&x]() {return x % 2 != 0; });使线程t1在条件不满足（即x不是奇数）时等待，并释放互斥锁，这样可以让线程t2有机会执行。
   • 条件满足时（即x为奇数），线程t1打印当前的x值，然后将其加1。
   • 最后，通过cv.notify_one();唤醒一个等待在条件变量上的线程（这里是线程t2）。

3. 创建线程t2：

   • 线程t2的结构与t1类似，只是它等待的条件相反，即cv.wait(lock, [&x]() {return x % 2 == 0; });，当x为偶数时才打印并继续执行。
   • 其他部分与线程t1相同，打印偶数并递增x，然后通过cv.notify_one();唤醒等待的线程。

4. 主函数最后：

   • 通过t1.join();和t2.join();等待两个线程都执行完毕后，主程序才结束。

通过这样的设计，线程t1和线程t2能够在互斥锁和条件变量的配合下，按照奇数-偶数的顺序交替打印从2到100的数字。

template<class F, class T>
T useF(F f, T x)
{
	static int count = 0;
	cout << "count:" << ++count << endl;
	cout << "count:" << &count << endl;
	return f(x);
}
double f(double i)
{
	return i / 2;
}
struct Functor
{
	double operator()(double d)
	{
		return d / 3;
	}
};
int main()
{
	// 函数名
	cout << useF(f, 11.11) << endl;
	// 函数对象
	cout << useF(Functor(), 11.11) << endl;
	// lamber表达式
	cout << useF([](double d)->double { return d / 4; }, 11.11) << endl;
	return 0;
}

template <class T> function;     // undefined
template <class Ret, class... Args>
class function<Ret(Args...)>;

#include <iostream>
#include <functional>

// 定义全局函数
int f(int a, int b)
{
    return a + b;
}

// 定义函数对象（Functor）
struct Functor
{
public:
    int operator()(int a, int b)
    {
        return a + b;
    }
};

// 定义类Plus
class Plus
{
public:
    static int plusi(int a, int b)
    {
        return a + b;
    }

    double plusd(double a, double b)
    {
        return a + b;
    }
};

int main()
{
    // 使用std::function封装函数指针
    std::function<int(int, int)> func1 = f;
    std::cout << func1(1, 2) << std::endl;

    // 使用std::function封装函数对象
    std::function<int(int, int)> func2 = Functor();
    std::cout << func2(1, 2) << std::endl;

    // 使用std::function封装lambda表达式
    std::function<int(int, int)> func3 = [](const int a, const int b)
    {
        return a + b;
    };
    std::cout << func3(1, 2) << std::endl;

    // 使用std::function封装类的静态成员函数
    std::function<int(int, int)> func4 = &Plus::plusi;
    std::cout << func4(1, 2) << std::endl;

    // 使用std::function封装类的非静态成员函数
    std::function<double(Plus, double, double)> func5 = &Plus::plusd;
    std::cout << func5(Plus(), 1.1, 2.2) << std::endl;

    return 0;
}

#include <functional>
#include <map>

int f(int a, int b)
{
	cout << "int f(int a, int b): ";
	return a + b;
}

struct Functor
{
public:
	int operator()(int a, int b)
	{
		cout << "int operator()(int a, int b): ";
		return a + b;
	}
};

int main()
{
	function<int(int, int)> f1 = f;
	function<int(int, int)> f2 = Functor();
	function<int(int, int)> f3 = [](int a, int b) {
		cout << "[](int a, int b): ";
		return a + b;
		};

	cout << f1(1, 2) << endl;
	cout << f2(11, 22) << endl;
	cout << f3(111, 222) << endl;

	map<string, function<int(int, int)>> FuncMap;
	FuncMap["函数指针"] = f;
	FuncMap["仿函数"] = Functor();
	FuncMap["lambda"] = [](int a, int b) {
		cout << "[](int a, int b) {return a + b;}" << endl;
		return a + b;
		};
	cout << FuncMap["lambda"](1, 2) << endl;

	return 0;
}

class Solution {
public:
	int evalRPN(vector<string>& tokens) {
		stack<int> st;
		for (auto& str : tokens)
		{
			if (str == "+" || str == "-" || str == "*" || str == "/")
			{
				int right = st.top();
				st.pop();
				int left = st.top();
				st.pop();
				switch (str[0])
				{
				case '+':
					st.push(left + right);
					break;
				case '-':
					st.push(left - right);
					break;
				case '*':
					st.push(left * right);
					break;
				case '/':
					st.push(left / right);
					break;
				}
			}
			else
			{
				// 1、atoi itoa
				// 2、sprintf scanf
				// 3、stoi to_string C++11
				st.push(stoi(str));
			}
		}
		return st.top();
	}
};

class Solution {
public:
	int evalRPN(vector<string>& tokens) {
		stack<int> st;
		map<string, function<int(int, int)>> opFuncMap =
		{
		{ "+", [](int i, int j) {return i + j; } },
		{ "-", [](int i, int j) {return i - j; } },
		{ "*", [](int i, int j) {return i * j; } },
		{ "/", [](int i, int j) {return i / j; } }
		};
		for (auto& str : tokens)
		{
			if (opFuncMap.find(str) != opFuncMap.end())
			{
				int right = st.top();
				st.pop();
				int left = st.top();
				st.pop();
				st.push(opFuncMap[str](left, right));
			}
			else
			{
				// 1、atoi itoa
				// 2、sprintf scanf
				// 3、stoi to_string C++11
				st.push(stoi(str));
			}
		}
		return st.top();
	}
};

template <class Fn, class... Args>
std::function<unspecified_return_type> bind(Fn&& fn, Args&&... args);

// 对于明确指定返回类型的版本（通常编译器能自动推断）
template <class Ret, class Fn, class... Args>
std::function<Ret(typewrapped_args)> bind(Fn&& fn, Args&&... args);

auto newCallable = std::bind(originalCallable, argumentList);

// 使用举例
#include <functional>
int Plus(int a, int b)
{
	return a + b;
}
class Sub
{
public:
	int sub(int a, int b)
	{
		return a - b;
	}
};
int main()
{
	//表示绑定函数plus 参数分别由调用 func1 的第一，二个参数指定
	std::function<int(int, int)> func1 = std::bind(Plus, placeholders::_1,
		placeholders::_2);
	//auto func1 = std::bind(Plus, placeholders::_1, placeholders::_2);
	//func2的类型为 function<void(int, int, int)> 与func1类型一样
	//表示绑定函数 plus 的第一，二为： 1， 2
	auto  func2 = std::bind(Plus, 1, 2);
	cout << func1(1, 2) << endl;
	cout << func2() << endl;
	Sub s;
	// 绑定成员函数
	std::function<int(int, int)> func3 = std::bind(&Sub::sub, s,
		placeholders::_1, placeholders::_2);
	// 参数调换顺序
	std::function<int(int, int)> func4 = std::bind(&Sub::sub, s,
		placeholders::_2, placeholders::_1);
	cout << func3(1, 2) << endl;
	cout << func4(1, 2) << endl;
	return 0;
}