单生产者-多消费者模型中遇到的问题

(1)      原始代码

近期使用单生产者-多消费者模型是遇到一个问题，曾经既然都没有想到过。生产者线程的代码例如以下。基本功能就是接收到一个连接之后创建一个Socket对象并放到list中等待处理。

void DataManager::InternalStart() {
    server_socket_ = new ServerSocket();
    if (!server_socket_->SetAddress(NetworkUtil::GetIpAddress().c_str(), 9091)) {
        LOG(ERROR) << "Set address failed.";
        delete server_socket_;
        server_socket_ = NULL;
        return;
    }
    server_socket_->SetSoBlocking(true);
    if (!server_socket_->Listen()) {
        LOG(ERROR) << "listen failed.";
        return;
    }

    Socket *socket = NULL;
    while (!stop_) {
        if ((socket = server_socket_->Accept()) != NULL) {
            LOG(INFO) << "Recieved connection fd: " << socket->GetAddr();
            {
                common::MutexLock lc(&socket_mu_);
                socket_list_.push_back(socket);
                cond_var_.Signal();
            }
        }
    }

多个消费者线程的的代码例如以下，基本功能是从list中取得一个Socket对象进行处理。

void DataManager::WorkEntry() {
   Socket *socket = NULL;
   while (!stop_) {
       // Get connection socket.
       {
           common::MutexLock lc(&socket_mu_);
           if (socket_list_.empty()) {
               cond_var_.Wait(&socket_mu_);
           }
           if (stop_)
               break;
           socket = socket_list_.front();
           socket_list_.pop_front();
       }
 
       bool success = false;
        do{
           {
               Packet request;
               if ((success = socket->GetPacket(&request))) {
                    HandlePacket(&request);
               }
           }
       } while (success);
 
       delete socket;
       socket = NULL;
    }
}

(2)      问题

执行过程中进场出现段错误，都是在12行（socket = socket_list_.front()）。使用GDB调试发现socket_list_的size为0。

(3)      增加log调试

增加以下的log进行调试

@@ -115,6 +115,7 @@ voidDataManager::InternalStart() {
            {
                 common::MutexLocklc(&socket_mu_);
                socket_list_.push_back(socket);
+                LOG(INFO) << "1:size: " << socket_list_.size();
                 cond_var_.Signal();
            }                                 
        }
@@ -129,11 +130,14 @@ voidDataManager::WorkEntry() {
            common::MutexLock lc(&socket_mu_);
            if (socket_list_.empty()) {
                cond_var_.Wait(&socket_mu_);
+                LOG(INFO) << "2:size: " << socket_list_.size();
            }
            if (stop_)
                 break;
+           LOG(INFO) << "3: size: " << socket_list_.size();
            socket = socket_list_.front();
            socket_list_.pop_front();
+            LOG(INFO) << "4: size:" << socket_list_.size();

 

打印的log例如以下：

I0809 02:35:45.269896 17305DataManager.cc:114] Recieved connection fd: 10.237.92.30:37220
I0809 02:35:45.269902 17305DataManager.cc:118] 1: size: 1
I0809 02:35:45.269928 17310DataManager.cc:133] 2: size: 1
I0809 02:35:45.269935 17310DataManager.cc:137] 3: size: 1
I0809 02:35:45.269937 17310DataManager.cc:140] 4: size: 0
………
I0809 02:35:45.271636 17305 DataManager.cc:114]Recieved connection fd: 10.237.92.30:37224
I0809 02:35:45.271644 17305DataManager.cc:118] 1: size: 1
I0809 02:35:45.271663 17310DataManager.cc:137] 3: size: 1
I0809 02:35:45.271670 17310DataManager.cc:140] 4: size: 0
I0809 02:35:45.271739 17309 DataManager.cc:133]2: size: 0
I0809 02:35:45.271750 17309DataManager.cc:137] 3: size: 0

(4)      分析：

a)        正常的log顺序

正常的log顺序应该是，add一个Socket之后得到，有一个消费者线程被signal唤醒并处理这个socket。

I0809 02:35:45.269902 17305DataManager.cc:118] 1: size: 1
I0809 02:35:45.269928 17310DataManager.cc:133] 2: size: 1
I0809 02:35:45.269935 17310DataManager.cc:137] 3: size: 1
I0809 02:35:45.269937 17310DataManager.cc:140] 4: size: 0

b)       出错时的log顺序

出现错误时的log顺序例如以下。

I0809 02:35:45.271644 17305DataManager.cc:118] 1: size: 1
I0809 02:35:45.271663 17310DataManager.cc:137] 3: size: 1
I0809 02:35:45.271670 17310DataManager.cc:140] 4: size: 0
I0809 02:35:45.271739 17309 DataManager.cc:133]2: size: 0
I0809 02:35:45.271750 17309DataManager.cc:137] 3: size: 0

线程号能够从第三列得出。 17305的线程是生产者线程，17310和17309为消费者线程。从打印的log能够看除执行的顺序例如以下：

a) 初始状态；
    i.   17305：获得socket_mu_准备向socket_list_中插入socket。
    ii.  17309：正处于cond_var_.Wait(&socket_mu_);状态下等待cond_var发生。
    iii. 17310 ：socket_mu_应该是在试图
b) 17305线程调用cond_var_.Signal()唤醒17309。此时17309和17310还须要争夺socket_mu_。应该是17310先得到了socket_mu_所以17309必须再次睡眠。
c) 17310将刚才17305生产的socket消耗了，而且释放了socket_mu_。
可是此时的socket_list_有变成空的了。
d) 17309得到socket_mu_。调用socket_list_.front()时程序crash。

 

(4)      解决的方法：多加一个推断。

@@ -129,6 +129,9 @@ voidDataManager::WorkEntry() {
            common::MutexLock lc(&socket_mu_);
            if (socket_list_.empty()) {
                 cond_var_.Wait(&socket_mu_);
+
+                if (socket_list_.empty())
+                    continue;
            }
            if (stop_)
                 break;