想象一下，我们有0到n-1的整数（让我们说我们有n个图像并使用此索引识别它们）和一对带有这些整数。在这里我们如何创建这些对并不是很重要，但只是为了可视化问题，我们可以说对是那些具有共同区域的图像。
我们的任务是使用多个线程处理所有可用对。如果要求只是每个对都可以被一个线程占用，那么任务就很简单：我们可以使用互斥对象的每个元素。但在我的情况下，情况更加困难：如果某个线程处理一对(m,n)，则另一个线程不能使用由m或n组成的任何一对。
对每个图像使用互斥锁的简单解决方案是不足的。例如，我们假设我们有图片0,1,2,3和对(0,1)，(1,2)，(2,3)，(3,0)。如果算法对一对使用互斥，然后为每个图像使用两个互斥，则可能出现死锁：th_0将处理对(0,1)，th_1 - 对(1,2)，{{ 1}} - 对th_2和(2,3) - 对th_3。然后每个线程将使用互斥体作为单个图像。
(3,0) th_0: lock 0, lock 1
th_1: lock 1, lock 2
th_2: lock 2, lock 3
th_3: lock 3, lock 0
将锁定图片th_0，0会锁定图片th_1，但1会停止，因为它会尝试锁定图片{{1已经锁定的。所有其他线程都会发生同样的情况。
似乎为了实现目标，每个线程必须用对锁定整个向量以避免死锁，这似乎不是一个好的解决方案。这是正确的吗？这个问题有更好的解决方案吗？我想到的唯一解决方案是将互斥锁用于图像以及线程优先级信息。例如，如果第二个图像被锁定，则线程将检查锁定线程的线程ID是否更高，然后它应该释放第一个图像上的锁并继续。它会工作还是我可以再次陷入僵局？
答案 0 :(得分：5)
当持有资源R1的线程T1尝试获取R2而T2持有R2尝试获取R1时，发生死锁。完全是你的情况。
打破僵局的通常方法是始终以相同的顺序获取资源（如果可能的话）。
在您的情况下，“相同订单”是一个简单的解决方案：首先锁定min(first, second)然后锁定另一个。所以当你在试图锁定“较小”的时候持有“更大”的资源时，你将永远不会结束。
虽然这个解决方案很简单，但它可能不是最理想的，取决于图像处理需要很长时间并且线程经常彼此等待时的争用。
答案 1 :(得分：0)
即使没有死锁，也可能阻塞许多线程等待下一个资源。这可以将并行度降低到最佳水平以下。要提高并行度，必须增加线程数，这需要大量内存。
我看到了两种方法：1）使用一些异步任务并行库，每个任务是处理一些（n，m）对。由于任务使用少量内存，因此您可以在启动时生成所有任务。大量任务承诺高水平的并行性。
然而，最好的结果是动态计算提供最高并行度水平的对的序列。它可以是在专用线程上运行的算法。它从生成N对（0,1），（2,3），...（N-2，N-1）开始。然后它等待下一个任务的结束，并查看是否可以将其他任务提交给执行者。