易语言 多线程 记录
生活随笔
收集整理的這篇文章主要介紹了
易语言 多线程 记录
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
1.多線程調(diào)用函數(shù)?
? ? ? ? 答:函數(shù)參數(shù)不會引起沖突,經(jīng)測試每個線程調(diào)用函數(shù)傳遞過去的參數(shù)的內(nèi)存地址都不同
2.多線程讀寫全局變量?
????????答:會出錯,經(jīng)測試讀全局變量時有可能會讀取舊的數(shù)據(jù)
3.多線程讀寫全局變量數(shù)組?
????????答:不會出錯,有可能內(nèi)存在不同的內(nèi)存地址,數(shù)組并不是讀寫的同一塊內(nèi)存地址
4.多線程讀寫全局變量,寫入是否可能失敗?
????????答:不會失敗,有可能讀全局變量時會讀取舊的數(shù)據(jù)
1.多線程調(diào)用函數(shù),函數(shù)參數(shù)?
.版本 2 .支持庫 EThread .支持庫 spec.子程序 _按鈕1_被單擊 .局部變量 局_計次, 整數(shù)型.計次循環(huán)首 (100, 局_計次)啟動線程 (&線程_測試功能, 局_計次, ) .計次循環(huán)尾 ().子程序 線程_測試功能 .參數(shù) 參_傳遞參數(shù), 整數(shù)型 .局部變量 局_邏輯, 邏輯型 .局部變量 局_整數(shù), 整數(shù)型局_整數(shù) = 1 .如果真 (參_傳遞參數(shù) % 2 = 0)局_整數(shù) = 2 .如果真結(jié)束 局_邏輯 = 真 .判斷循環(huán)首 (局_邏輯)測試函數(shù) (局_整數(shù), 參_傳遞參數(shù)) .判斷循環(huán)尾 ().子程序 測試函數(shù) .參數(shù) a, 整數(shù)型 .參數(shù) b, 整數(shù)型.如果真 (b % 2 = 0).如果真 (a ≠ 2)調(diào)試輸出 (b)2.多線程讀寫全局變量?
.版本 2 .支持庫 EThread .支持庫 spec.子程序 _按鈕1_被單擊 .局部變量 局_計次, 整數(shù)型.計次循環(huán)首 (100, 局_計次)啟動線程 (&線程_測試功能, 局_計次, ) .計次循環(huán)尾 ().子程序 線程_測試功能 .參數(shù) 參_傳遞參數(shù), 整數(shù)型.計次循環(huán)首 (10000000, )全_測試變量 = 全_測試變量 + 1 .計次循環(huán)尾 ().子程序 _按鈕2_被單擊調(diào)試輸出 (全_測試變量)3.多線程讀寫全局變量數(shù)組?
.版本 2 .支持庫 EThread .支持庫 spec.子程序 _按鈕1_被單擊 .局部變量 局_計次, 整數(shù)型.計次循環(huán)首 (100, 局_計次)啟動線程 (&線程_測試功能, 局_計次, ) .計次循環(huán)尾 ().子程序 線程_測試功能 .參數(shù) 參_傳遞參數(shù), 整數(shù)型.計次循環(huán)首 (10000000, )全_變量數(shù)組 [參_傳遞參數(shù)] = 全_變量數(shù)組 [參_傳遞參數(shù)] + 1 .計次循環(huán)尾 ().子程序 _按鈕2_被單擊 .局部變量 局_計次, 整數(shù)型.計次循環(huán)首 (100, 局_計次)調(diào)試輸出 (全_變量數(shù)組 [局_計次]) .計次循環(huán)尾 ()4.多線程讀寫全局變量,寫入是否可能失敗?
.版本 2 .支持庫 EThread .支持庫 spec.子程序 _按鈕1_被單擊 .局部變量 局_計次, 整數(shù)型全_邏輯 = 真 全_變量 = 0 全_許可證1 = 創(chuàng)建進入許可證 () .計次循環(huán)首 (10, 局_計次).如果真 (啟動線程 (&線程_測試功能, 局_計次, ) = 假)調(diào)試輸出 (“線程啟動失敗”).如果真結(jié)束.計次循環(huán)尾 ().子程序 線程_測試功能 .參數(shù) 參_傳遞參數(shù), 整數(shù)型.判斷循環(huán)首 (全_邏輯).判斷循環(huán)尾 () 進入許可區(qū) (全_許可證1) 全_變量 = 全_變量 + 1 退出許可區(qū) (全_許可證1).子程序 _按鈕2_被單擊全_邏輯 = 假.子程序 _按鈕3_被單擊調(diào)試輸出 (全_變量)總結(jié)
以上是生活随笔為你收集整理的易语言 多线程 记录的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: VMware vSphere 创建虚拟机
- 下一篇: 特征提取算法--ORB