產生㆒個 Worker Thread / 759 產生㆒個 UI Thread / 761 執行緒的結束 / 763 執行緒與同步控制 / 763 MFC 多緒程式實例 / 766 目 錄 25 * 第 15 章 定製㆒個 AppWizard / 771 到底 Wizard 是什麼？ Step1－具备Document/View 架构（第８章）：本例主旨在加上资料处 理与显示的能力。这一版的窗口没有卷动能力。同一文件的两个显示窗口也没 有能够做到实时更新的效果。当你在窗口甲改变文件内容，对映至同一文件的 窗口乙并不会实时修正内容，必须等WM_PAINT 产生（例如拉大窗口）。 这个版本已具备打印与预视能力，但并非「所见即所得」（What You See Is What You Scribble Step4－加强显示能力- 滚动条与分裂窗口（第11 章）：Scribble 可以 对同一份Document 产生一个以上的Views，但有一个缺点亟待克服，那就是 你在窗口Ａ的绘图动作不能实时影响窗口Ｂ -- 即使它们是同一份资料的一体 两面! Step4 解决上述问题。主要关键在于我们必须想办法通知所有同血源（同一份 Document）的兄弟（各个Views），让它们一起行动。但因此却必须多考虑一个情况：

为了解决此问题，诞生了一种被称为「列表 List」的数据结构。列表可以被理解为长度可变的数组，因此也常 被称为「动态数组 Dynamic Array」。列表基于数组实现，继承了数组的优点，同时还可以在程序运行中实时 扩容。在列表中，我们可以自由地添加元素，而不用担心超过容量限制。 4.3.1. 列表常用操作 初始化列表。我们通常会使用到“无初始值”和“有初始值”的两种初始化方法。 // === File: 初始容量：选取一个合理的数组的初始容量 initialCapacity 。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：需要声明一个变量 size ，用来记录列表当前有多少个元素，并随着元素插入与删除实时更 新。根据此变量，可以定位列表的尾部，以及判断是否需要扩容。 ‧ 扩容机制：插入元素有可能导致超出列表容量，此时需要扩容列表，方法是建立一个更大的数组来替换 当前数组。需要给定一个扩容倍数 extendRatio 「线性探测」使用固定步长的线性查找来解决哈希冲突。 插入元素：如果出现哈希冲突，则从冲突位置向后线性遍历（步长一般取 1 ），直到找到一个空位，则将元素 插入到该空位中。 查找元素：若出现哈希冲突，则使用相同步长执行线性查找，会遇到两种情况： 1. 找到对应元素，返回 value 即可； 2. 若遇到空位，则说明查找键值对不在哈希表中； Figure 6‑5. 线性探测 线性探测存在以下缺陷： ‧

为了解决此问题，诞生了一种被称为「列表 List」的数据结构。列表可以被理解为长度可变的数组，因此也常 被称为「动态数组 Dynamic Array」。列表基于数组实现，继承了数组的优点，同时还可以在程序运行中实时 扩容。在列表中，我们可以自由地添加元素，而不用担心超过容量限制。 4.3.1. 列表常用操作 初始化列表。我们通常会使用到“无初始值”和“有初始值”的两种初始化方法。 // === File: 初始容量：选取一个合理的数组的初始容量 initialCapacity 。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：需要声明一个变量 size ，用来记录列表当前有多少个元素，并随着元素插入与删除实时更 新。根据此变量，可以定位列表的尾部，以及判断是否需要扩容。 ‧ 扩容机制：插入元素有可能导致超出列表容量，此时需要扩容列表，方法是建立一个更大的数组来替换 当前数组。需要给定一个扩容倍数 extendRatio 「线性探测」使用固定步长的线性查找来解决哈希冲突。 插入元素：如果出现哈希冲突，则从冲突位置向后线性遍历（步长一般取 1 ），直到找到一个空位，则将元素 插入到该空位中。 查找元素：若出现哈希冲突，则使用相同步长执行线性查找，会遇到两种情况： 1. 找到对应元素，返回 value 即可； 2. 若遇到空位，则说明查找键值对不在哈希表中； Figure 6‑5. 线性探测 线性探测存在以下缺陷： 6

。需要关注三个核心点： ‧ 初始容量：选取一个合理的数组初始容量。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：声明一个变量 size，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据此 变量，我们可以定位列表尾部，以及判断是否需要扩容。 ‧ 扩容机制：插入元素时可能超出列表容量，此时需要扩容列表。扩容方法是根据扩容倍数创建一个更大 的数组，并将当前数组的所有元素 操作方法为： ‧ 插入元素：通过哈希函数计算数组索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常 为 1 ），直至找到空位，将元素插入其中。 ‧ 查找元素：若发现哈希冲突，则使用相同步长向后线性遍历，直到找到对应元素，返回 value 即可；如 果遇到空位，说明目标键值对不在哈希表中，返回 None 。 Figure 6‑6. 线性探测 然而，线性探测存在以下缺陷： ‧ {4, 5} 和 {5, 4} 是同一个子集。 13. 回溯 hello‑algo.com 260 参考全排列解法 类似于全排列问题，我们可以把子集的生成过程想象成一系列选择的结果，并在选择过程中实时更新“元素 和”，当元素和等于 target 时，就将子集记录至结果列表。 而与全排列问题不同的是，本题集合中的元素可以被无限次选取，因此无需借助 selected 布尔列表来记录元 素是否已

括以下三个重点设计。 ‧ 初始容量：选取一个合理的数组初始容量。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：声明一个变量 size ，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据 此变量，我们可以定位列表尾部，以及判断是否需要扩容。 ‧ 扩容机制：若插入元素时列表容量已满，则需要进行扩容。先根据扩容倍数创建一个更大的数组，再将 当前数组的所有元素依次移动至新 通哈希表有所不同。 ‧ 插入元素：通过哈希函数计算桶索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常为 1 ），直至找到空桶，将元素插入其中。 ‧ 查找元素：若发现哈希冲突，则使用相同步长向后进行线性遍历，直到找到对应元素，返回 value 即 可；如果遇到空桶，说明目标元素不在哈希表中，返回 None 。 图 6‑6 展示了开放寻址（线性探测）哈希表的键值对分布。根据此哈希函数，最后两位相同的 和 {5, 4} 是同一个子集。 第 13 章 回溯 hello‑algo.com 289 1. 参考全排列解法 类似于全排列问题，我们可以把子集的生成过程想象成一系列选择的结果，并在选择过程中实时更新“元素 和”，当元素和等于 target 时，就将子集记录至结果列表。 而与全排列问题不同的是，本题集合中的元素可以被无限次选取，因此无须借助 selected 布尔列表来记录元 素是否已

包括以下三个重点设计。 ‧ 初始容量：选取一个合理的数组初始容量。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：声明一个变量 size，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据此 变量，我们可以定位列表尾部，以及判断是否需要扩容。 ‧ 扩容机制：若插入元素时列表容量已满，则需要进行扩容。首先根据扩容倍数创建一个更大的数组，再 将当前数组的所有元素依次移动至 表有所不同。 ‧ 插入元素：通过哈希函数计算数组索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常 为 1 ），直至找到空位，将元素插入其中。 ‧ 查找元素：若发现哈希冲突，则使用相同步长向后线性遍历，直到找到对应元素，返回 value 即可；如 果遇到空位，说明目标键值对不在哈希表中，返回 None 。 图 6‑6 展示了一个在开放寻址（线性探测）下工作的哈希表。 第 6 章 和 {5, 4} 是同一个子集。 第 13 章 回溯 hello‑algo.com 292 1. 参考全排列解法 类似于全排列问题，我们可以把子集的生成过程想象成一系列选择的结果，并在选择过程中实时更新“元素 和”，当元素和等于 target 时，就将子集记录至结果列表。 而与全排列问题不同的是，本题集合中的元素可以被无限次选取，因此无须借助 selected 布尔列表来记录元 素是否已

括以下三个重点设计。 ‧ 初始容量：选取一个合理的数组初始容量。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：声明一个变量 size ，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据 此变量，我们可以定位列表尾部，以及判断是否需要扩容。 ‧ 扩容机制：若插入元素时列表容量已满，则需要进行扩容。先根据扩容倍数创建一个更大的数组，再将 当前数组的所有元素依次移动至新 通哈希表有所不同。 ‧ 插入元素：通过哈希函数计算桶索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常为 1 ），直至找到空桶，将元素插入其中。 ‧ 查找元素：若发现哈希冲突，则使用相同步长向后进行线性遍历，直到找到对应元素，返回 value 即 可；如果遇到空桶，说明目标元素不在哈希表中，返回 None 。 图 6‑6 展示了开放寻址（线性探测）哈希表的键值对分布。根据此哈希函数，最后两位相同的 和 {5, 4} 是同一个子集。 第 13 章 回溯 hello‑algo.com 291 1. 参考全排列解法 类似于全排列问题，我们可以把子集的生成过程想象成一系列选择的结果，并在选择过程中实时更新“元素 和”，当元素和等于 target 时，就将子集记录至结果列表。 而与全排列问题不同的是，本题集合中的元素可以被无限次选取，因此无须借助 selected 布尔列表来记录元 素是否已

括以下三个重点设计。 ‧ 初始容量：选取一个合理的数组初始容量。在本示例中，我们选择 10 作为初始容量。 ‧ 数量记录：声明一个变量 size ，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据 此变量，我们可以定位列表尾部，以及判断是否需要扩容。 ‧ 扩容机制：若插入元素时列表容量已满，则需要进行扩容。先根据扩容倍数创建一个更大的数组，再将 当前数组的所有元素依次移动至新 通哈希表有所不同。 ‧ 插入元素：通过哈希函数计算桶索引，若发现桶内已有元素，则从冲突位置向后线性遍历（步长通常为 1 ），直至找到空桶，将元素插入其中。 ‧ 查找元素：若发现哈希冲突，则使用相同步长向后进行线性遍历，直到找到对应元素，返回 value 即 可；如果遇到空桶，说明目标元素不在哈希表中，返回 None 。 图 6‑6 展示了开放寻址（线性探测）哈希表的键值对分布。根据此哈希函数，最后两位相同的 4} 是同一个子集。 第 13 章 回溯 www.hello‑algo.com 289 1. 参考全排列解法 类似于全排列问题，我们可以把子集的生成过程想象成一系列选择的结果，并在选择过程中实时更新“元素 和”，当元素和等于 target 时，就将子集记录至结果列表。 而与全排列问题不同的是，本题集合中的元素可以被无限次选取，因此无须借助 selected 布尔列表来记录元 素是否已

？稍后会说明。 • 运行以后，就会在 GPU 上执行 printf 了。 • 这里的 kernel 函数在 GPU 上执行，称为核 函数，用 __global__ 修饰的就是核函数。 没有反应？同步一下！ • 然而如果直接编译运行刚刚那段代码，是不会打印出 Hello, world! 的。 • 这是因为 GPU 和 CPU 之间的通信，为了高效，是异 步的。也就是 CPU 调用 kernel<<<1 里的板块数和线程数可以动态指定，无需 先传回到 CPU 再进行调用，这是 CUDA 特有的能力。 常用于这种情况：需要从 GPU 端动态计算出 blockDim 和 gridDim ，而又不希望导回数据到 CPU 导致强制同步影响性能。 这种模式被称为动态并行（ dynamic parallelism ）， OpenGL 有一 个 glDispatchComputeIndirect 的 API 和这个很像，但毕竟没有 CUDA cudaMemcpyDeviceToHost 。 • 同理，还有 cudaMemcpyHostToDevice 和 cudaMemcpyDeviceToDevice 。 cudaMemcpy 会自动同步！ • 注意： cudaMemcpy 会自动进行同步操作 ，即和 cudaDeviceSynchronize() 等价！ 因此前面的 cudaDeviceSynchronize() 实 际上可以删掉了。 统一内存地址技术（

需要结果的时候，调用一个线程等待函数来获得执行的结果。 而 C++11 提供的 std::future 简化了这个流程，可以用来获取异步任务的结果。自然地，我们很 容易能够想象到把它作为一种简单的线程同步手段，即屏障（barrier）。 为了看一个例子，我们这里额外使用 std::packaged_task，它可以用来封装任何可以调用的目标， 从而用于实现异步的调用。举例来说： #include result.get() << std::endl; return 0; } 在封装好要调用的目标后，可以使用 get_future() 来获得一个 std::future 对象，以便之后实施 线程同步。 7.4 条件变量 条件变量 std::condition_variable 是为了解决死锁而生，当互斥操作不够用而引入的。比如，线程 可能需要等待某个条件为真才能继续执行，而一个忙等待循环中可能会导致所有其他线程都无法进入临 提供线程间自动的状态转换，即『锁住』这个状态 2. 保障在互斥锁操作期间，所操作变量的内存与临界区外进行隔离 这是一组非常强的同步条件，换句话说当最终编译为 CPU 指令时会表现为非常多的指令（我们之 后再来看如何实现一个简单的互斥锁）。这对于一个仅需原子级操作（没有中间态）的变量，似乎太苛刻 了。 关于同步条件的研究有着非常久远的历史，我们在这里不进行赘述。读者应该明白，现代 CPU 体系 结构提供了 CPU