我的目标是使用带有pthreads的线程池并尝试在这两种线程模型之间进行选择，在我看来，对等模型在使用固定输入时更合适，而boss / worker模型更好用于动态更改工作项。但是，我有点不确定如何让对等模型与线程池一起工作。
我有许多任务都需要在同一个数据集上执行。这是一些简单的伪代码，用于解决这个问题：
data = [0 ... 999]
data_index = 0
data_size = 1000
tasks = [0 ... 99]
task_index = 0
threads = [0 ... 31]
thread_function()
{
while (true)
{
index = data_index++ (using atomics)
if index > data_size
{
sync
if thread_index == 0
{
data_index = 0
task_index++
sync
}
else
{
sync
}
continue
}
tasks[task_index](data[index])
}
}
（首先，似乎应该有一种方法可以只使用一个同步点，但我不确定这是否可行？）
上面的代码似乎适用于预先知道任务的情况，尽管我猜这个特定问题不需要线程池。但是，即使数据项仍然是在所有任务中预定义的，如果事先不知道任务，那么老板/工人模型似乎更适合？是否可以使用boss / worker模型，但仍然允许线程本身（如上所述）拾取任务，在这里，boss会基本上暂停，直到所有任务完成为止？ （也许这仍然被称为同伴模型？）
最后一个问题是关于同步，障碍或条件变量以及为什么？
如果有人能就如何更好地解决这个问题提出任何建议，甚至在我的任何假设中挖洞，那会不会很好？不幸的是，我被限制使用更高级别的库，如tbb来解决这个问题。
编辑：我应该指出，如果不清楚，每个任务都需要在完成下一个任务之前完成。
答案 0 :(得分：1)
我对你的描述感到有点困惑，希望以下内容是相关的。
我总是看着这种模式，发现它很有用：＆＃34;老板＆＃34;负责检测工作并根据某种算法将其发送到工作池，从那时起，工作者是独立的。
在这种情况下，工作人员总是在等待工作，不知道任何其他实例，处理请求以及何时完成，可能会触发完成通知。 这具有工作本身和在线程之间平衡的算法之间的良好分离的优点。
另一个选择是＆＃34;老板＆＃34;维持一个工作项目池，工人们一旦获得自由就会随时接收它们。但我想这实现起来比较复杂，需要更多的同步。我没有看到第二种方法比前一种方法带来的好处。
控制逻辑和工人状态由＆＃34;老板＆＃34;维护。在两种情况下。 由于平行工作是在一项任务上完成的，所以＆＃34;老板＆＃34; ＆＃34;对象＆＃34;正在处理一项任务，在一个简单的实现中，这个老板＆＃34;阻止任务完成，允许呼叫下一个老板＆＃34;在线。
关于同步，除非我在这里遗漏了一些东西，否则你只需要为所有工人完成一次同步，这个同步是在＆＃34; boss＆＃34;工人只是发送他们完成的通知。