真正的工作窃取要求本地操作完全无锁，仅窃取路径引入最小同步；需用原子变量+环形缓冲区（大小为2的幂）、避免std::deque、steal失败须退让而非忙等，并合理负载均衡任务提交。
std::deque + mutex 不是 Work Stealing，只是带锁轮询
直接用 std::deque 配 std::mutex 实现“每个线程一个队列”，然后在空时调用 other_deque.pop_front() —— 这根本不是工作窃取，而是中心化锁竞争的变体。问题在于：std::deque 内存不连续，pop_front() 可能触发节点释放，多线程同时访问极易造成迭代器失效、use-after-free 或 std::out_of_range；更关键的是，所有偷取操作都得抢同一把锁，吞吐量甚至低于单线程。
真正的工作窃取要求：本地 push/pop 完全无锁，仅 steal 路径引入最小同步。可行做法是：
- 每个线程持有一个
std::stack<:function>></:function>（基于std::vector，避免std::deque的跳转开销）用于本地 LIFO 执行 - 额外维护两个
std::atomic_size_t：一个m_bottom记录最新插入位置（本地线程可fetch_add），一个m_top供 steal 线程 CAS 推进 - steal 操作只读
m_bottom和m_top，不碰std::stack本身，避免锁和迭代器问题
环形缓冲区大小必须是 2 的幂，且不能满
自定义无锁双端队列若用数组 + 原子索引实现，缓冲区大小必须为 2 的幂（如 1024、4096），否则无法用位运算 & (N-1) 替代取模，分支和除法会显著拖慢高频本地操作。同时，必须预留至少一个空槽——即当 bottom_ == top_ 时判定为空，(bottom_ - top_) == N-1 时判定为满，否则无法区分空/满边界。
常见错误是设大小为 1000 或直接用 std::vector::capacity() 动态伸缩，这会导致位运算越界、CAS 失败率飙升，或在 resize 时让其他线程访问 dangling 指针。
立即学习“C++免费学习笔记（深入）”；
-
size_t mask = N - 1;必须在构造时确定，且N是编译期常量或严格验证为 2 的幂 - 本地
push()：先bottom_.fetch_add(1)，再写入array_[b & mask]；失败重试不需锁 - steal 时若
top_ >= bottom_，立即返回nullptr，不自旋
steal() 失败后必须 yield 或 pause，不能忙等
很多实现写成 while (!try_steal()) { /* nothing */ }，结果是空闲线程死循环读其他 core 的 cache line，不仅耗尽 CPU，还加剧 false sharing 和 NUMA 跨节点延迟。真实场景中 steal 是低频例外路径，不是主干逻辑。
正确做法是失败后立刻退让：
- 首选
std::this_thread::yield()，让调度器切换上下文 - 高性能场景可用
_mm_pause()（x86）或__builtin_ia32_pause()，降低流水线干扰 - 连续失败 3 次后，可 fallback 到等待全局 mpsc 队列（如有），而非继续随机偷
- 绝对不要在 steal 失败后 sleep 1ms —— 这会让短任务响应延迟爆炸
任务提交不能只进本地队列，要兼顾初始负载均衡
主线程调用 submit(task) 时，如果一律推入当前线程（比如主线程）的本地队列，会导致所有初始任务堆积在一个线程，其他 worker 空转，违背 Work Stealing 设计初衷。
合理策略是分层提交：
- 若当前线程是 worker 线程（通过 TLS 或 ID 可判），则 push 到其本地队列尾部
- 若当前线程非 worker（如主线程、IO 线程），则轮询所有 worker 队列，选择
size()最小者 push（注意：该size()应由原子变量维护，不可调用deque.size()） - 更优方案是引入一个无锁 mpsc 全局队列（multi-producer, single-consumer），所有 submit 都走这里；worker 线程本地队列空时，先批量 pop 若干任务到本地，再执行
最后提醒一点：Work Stealing 的收益高度依赖任务粒度。毫秒级任务才值得窃取；微秒级任务的 steal 开销可能超过执行时间，此时应改用静态分片或 pipeline 模式。
