【原】C++11并行计算 — 数组求和

  • 时间:
  • 浏览:0
  • 来源:大发uu快3_uu快3app邀请码_大发uu快3app邀请码

本文转载请注明出处 —— polobymulberry-博客园

0x00 - 前言


最近想优化ORB-SLAM2,准备使用并行计算来提高其中ORB社会形态提取的数率。完后 对并行计算方面一窍不通。借此可能,学习一下基本的并行编程。

在选折 并行编程的工具时,并能考虑以下问提:即该工具尽量过多使用与平台相关的API,如iOS端的GCD(Grand Central Dispatch),可能希望程序池池具有很强的移植性。一结束了了了我不让 到的并能并能 一种生活 选折 ,有有两个是以TBB和OpenMP为首的第三方程序池库,那我 是原生程序池库。其中TBB和OpenMP对于Xcode的支持算是很好,原生程序池库又依赖于系统平台,但是 尝试后都放弃了。但是 想到C++11可能从语言层面支持了程序池池开发,也但是 提供了thread库,于是抱着试一试学一学的态度就入坑了。

并行计算中有有两个很经典的案例但是 数组求和,网络上有但是 介绍C++11的thread使用、源码分析的文章,不过使用C++11进行数组求和并行计算的示例却很少,但是 才有了这篇博文。

0x01 - 代码解析


在iOS系统使用C++11进行开发。

//
//  ViewController.m
//  TestDispatch
//
//  Created by poloby on 2017/1/7.
//  Copyright © 2017年 polobymulberry. All rights reserved.
//

#import "ViewController.h"
#include <iostream>
#include <thread>

using namespace std;

// 作为求和函数的参数
// 封装了求和函数的输入和输出
typedef struct ThreadArg {
    long long base;     // 从base~base+length数列求和
    long long length;
    long long sum;      // 将上述数列的和存储在sum中
}ThreadArg;

void sum(ThreadArg *arg)
{
    long long begin = arg->base;
    long long end = arg->base + arg->length;
    long long sum = 0;
    // 过多直接使用for(long long i = arg->base; i < arg->base + arg->length)
    // 但是

要使用arg->sum += i;
    // 可能指针的读取比普通栈的读取并能多花费这些时间
    for (long long i = begin; i < end; ++i) {
        sum += i;
    }
    arg->sum = sum;
}

@interface ViewController ()

@end

@implementation ViewController

- (void)viewDidLoad {
    [super viewDidLoad];

    // 计算1~count数列之和
    const long long count = 50000000000;
    
    // 单程序池常用最好的最好的措施
    NSDate *commonMethodDate = [NSDate date];
    long long commonMethodSum = 0;
    for (long long i = 0; i < count; ++i) {
        commonMethodSum += i;
    }
    // 计算单程序池使用时间
    double commonMethodDuration = [[NSDate date] timeIntervalSinceDate:commonMethodDate];

    NSLog(@"Common method spend time = %fms, sum = %lld", commonMethodDuration * 50000, commonMethodSum);
    
    // 并行计算最好的最好的措施
    // 将1~count数列平均分为threadCount组,求解每组数列之和,再将其相加得到总和
    NSDate *parallelMethodDate = [NSDate date];
    // 设置并行程序池数目
    const int threadCount = 2;
    thread threads[threadCount];
    ThreadArg args[threadCount];
    // 初始化程序池及其参数
    for (int i = 0; i < threadCount; ++i) {
        long long offset = (count / threadCount) * i;
        args[i].base = offset;
        args[i].length = MIN(count - offset, count / threadCount);
        threads[i] = thread(sum, &args[i]);
    }
    
    // 启动程序池并等候程序池退出
    for (int i = 0; i < threadCount; ++i) {
        threads[i].join();
    }
    
    long long parallelMethodSum = 0;
    // 将每组数列之和相加得到总和
    for (int i = 0; i < threadCount; ++i) {
        parallelMethodSum += args[i].sum;
    }
    
    // 计算程序池池使用时间
    double parallelMethodDuration = [[NSDate date] timeIntervalSinceDate:parallelMethodDate];
    
    NSLog(@"Parallel method spend time = %fms, sum = %lld", parallelMethodDuration * 50000, parallelMethodSum);
}

@end

0x02 - 结果分析


Xcode8.2.1+苹果6手机手机模拟器+1~50000000000数列之和:

程序池数目 2 4 8
程序池池耗时 1921.2550026ms 981.855008ms 684.50050035ms
单程序池耗时 3171.6950034ms 3472.517014ms 3447.206974ms

Xcode8.2.1+苹果6手机手机模拟器+1~500000数列之和:

程序池数目 2 4 8
程序池池耗时 0.279963ms 0.212014ms 0.297010ms
单程序池耗时 0.038981ms 0.027955ms 0.035008ms

可见程序池池一种生活 也并能消耗一定的资源,但是 并能并能 在系统规模较大的请况下并能取得显著的性能提升。

0x03 - 注意事项


1. thread调用类的成员函数:

thread memberFuncThread(&ClassName::MemberFuncName, this, arg1, arg2...);

2. thread传递引用参数:

并能使用std::ref进行包装,详见thread - 传递引用参数。