### C++ 多线程计算与 Python 调用 #### 创建 C++ 多线程计算程序并封装为动态链接库 为了使 C++ 程序能够被 Python 调用，通常会将其编译为共享库（Windows 上是 `.dll` 文件，在 Linux 和 macOS 是 `.so`）。以下是创建一个多线程 C++ 应用程序的具体方法。 ```cpp // thread_example.cpp #include <iostream> #include <thread> #include <vector> extern "C" { void perform_computation(int num_threads) { std::cout << "Starting computation with " << num_threads << " threads." << std::endl; auto task = [](int id){ for (size_t i = 0; i < 1e8; ++i) { /* Simulate some work */ } std::cout << "Thread ID: " << id << " finished its job.\n"; }; std::vector<std::thread> workers; try { for (int i = 0; i < num_threads; ++i) { workers.emplace_back(task, i); } for (auto& worker : workers) { if(worker.joinable()) worker.join(); } std::cout << "All computations completed successfully!" << std::endl; } catch (...) { // Handle exceptions here... throw; } } } ``` 这段代码定义了一个名为 `perform_computation()` 的函数，该函数接受一个整数参数作为要启动的线程数量。每个线程都会执行模拟工作负载的任务，并打印完成消息[^1]。 #### 编译 C++ 源文件为共享库 在 Windows 平台上： ```bash g++ -c -fPIC thread_example.cpp -o thread_example.o g++ -shared -Wl,-soname,libexample.so -o libexample.dll thread_example.o ``` 对于 Unix-like 系统，则应使用如下命令构建共享对象: ```bash g++ -std=c++17 -fPIC -c thread_example.cpp -o thread_example.o g++ -shared -o libexample.so thread_example.o ``` 注意：上述指令假设 GCC/G++ 已经安装并且路径已配置好；另外还需要确保 `-pthread` 参数也被加入到编译选项中以便支持 POSIX 线程 API[^2]。 #### 在 Python 中加载和调用 C++ 函数 一旦有了 DLL/SO 文件之后就可以利用 Python 的 `ctypes` 模块轻松地访问其中的功能了。这里展示怎样导入之前生成的库并在 Python 解释器里调用它所暴露出来的接口。 ```python import os from ctypes import CDLL, c_int if os.name == 'nt': # 如果是在 Windows 下运行 path_to_dll = './libexample.dll' else: path_to_dll = './libexample.so' try: cpp_lib = CDLL(path_to_dll) number_of_workers = c_int(4) cpp_lib.perform_computation(number_of_workers.value) except Exception as e: print(f'Error occurred while calling the external library function:\n{str(e)}') ``` 此脚本尝试打开指定位置处的共享库，并通过传递适当的数据类型来调用先前声明过的 C++ 方法。如果一切正常的话将会看到来自各个子线程的日志输出以及最终的成功提示信息[^3]。