网站临时会话,做网站iiwok,wordpress优势,快速做网站哪家好在运行时选择线程数量
C标准库中对此有所帮助的特性是std::thread::hardware_currency()。这个函数返回一个对于给定程序执行时能够真正并发运行的线程数量的指示。例如#xff0c;在多核系统上它可能是CPU 核心的数量。它仅仅是一个提示#xff0c;如果该信息不可用则函数可…在运行时选择线程数量
C标准库中对此有所帮助的特性是std::thread::hardware_currency()。这个函数返回一个对于给定程序执行时能够真正并发运行的线程数量的指示。例如在多核系统上它可能是CPU 核心的数量。它仅仅是一个提示如果该信息不可用则函数可能会返回0但它对于在线程间分割任务是一个有用的指南。
清单2.8展示了std::accumulate 的一个简单的并行版本实现。它在线程之间划分所做的工作使得每个线程具有最小数目的元素以避免过多线程的开销。请注意该实现假定所有的操作都不引发异常即便异常可能会发生。例如std::thread构造函数如果不能启动一个新的执行线程那么它将引发异常。在这样的算法中处理异常超出了这个简单示例的范围。
//std::accumulate的简单的并行版本
#include thread
#include numeric
#include algorithm
#include functional
#include vector
#include iostreamtemplatetypename Iterator,typename T
struct accumulate_block
{void operator()(Iterator first,Iterator last,T result){resultstd::accumulate(first,last,result);}
};templatetypename Iterator,typename T
T parallel_accumulate(Iterator first,Iterator last,T init)
{unsigned long const lengthstd::distance(first,last);if(!length)return init; //❶unsigned long const min_per_thread25;unsigned long const max_threads(lengthmin_per_thread-1)/min_per_thread; //❷unsigned long const hardware_threads //❸std::thread::hardware_concurrency();unsigned long const num_threadsstd::min(hardware_threads!0?hardware_threads:2,max_threads);unsigned long const block_sizelength/num_threads; //❹std::vectorT results(num_threads);std::vectorstd::thread threads(num_threads-1); //❺Iterator block_startfirst;for(unsigned long i0;i(num_threads-1);i){Iterator block_endblock_start;std::advance(block_end,block_size); //❻threads[i]std::thread( //❼accumulate_blockIterator,T(),block_start,block_end,std::ref(results[i]));block_startblock_end; //❽}accumulate_blockIterator,T()(block_start,last,results[num_threads-1]); //❾std::for_each(threads.begin(),threads.end(),std::mem_fn(std::thread::join)); //❿return std::accumulate(results.begin(),results.end(),init); //⓫
} int main()
{std::vectorint vi;for(int i0;i10;i){vi.push_back(10);}int sumparallel_accumulate(vi.begin(),vi.end(),5);std::coutsumsumstd::endl;
}虽然这是一个相当长的函数但它实际上是很直观的。如果输入范围为空❶只返回初始值init。否则此范围内至少有一个元素于是你将要处理的元素数量除以最小的块大小以获取线程的最大数量❷。这是为了避免当范围中只有五个值时在一个32核的机器上创建32个线程。
要运行的线程数是你计算出的最大值和硬件线程数量❸的较小值。你不会想要运行比硬件所能支持的更多的线程超额订阅oversubscription)因为上下文切换将意味着更多的线程会降低性能。如果对std::thread::hardware_concurrency()的调用返回0你只需简单地替换上你所选择的数量在这个例子中我选择了2。你不会想要运行过多的线程因为在单核的机器上这会使事情变慢但同样地你也不希望运行的过少因为那样的话你就会错过可用的并发。
每个待处理的线程的条目数量是范围的长度除以线程的数量❹。如果你担心数量不能整除没必要——稍后再来处理。
既然你知道有多少个线程你可以为中间结果创建一个 std::vectorT同时为线程创建一个 std::vectorstd::thread❺。请注意你需要启动比 num_threads 少一个的线程因为已经有一个了。
启动线程是个简单的循环递进block_end迭代器到当前块的结尾❻并启动一个新的线程来累计此块的结果❼。下一个块的开始是这一个的结束❽。
当你启动了所有的线程后这个线程就可以处理最后的块❾。这就是你处理所有未被整除的地方。你知道最后一块的结尾只能是last无论在那个块里有多少元素。一旦累计出最后一个块的结果你可以等待所有使用std::for_each 生成的线程❿如清单2.7中所示接着通过最后调用std::accumulate将结果累加起来⓫。
在你离开这个例子前值得指出的是在类型T的加法运算符不满足结合律的地方(如float和 double)这个parallel_accumulate的结果可能会跟std::accumulate的有所出入这是将范围分组成块导致的。此外对迭代器的需求要更严格一些它们必须至少是前向迭代器(forward iterators)然而std::accumulate可以和单通输入迭代器(input iterators一起工作同时T必须是可默认构造的(default constructible)以使得你能够创建results向量。这些需求的各种变化是并行算法很常见的就其本质而言它们以某种方式的不同是为了使其并行并且在结果和需求上产生影响。另外值得一提的是因为你不能直接从一个线程中返回值所以你必须将相关项的引用传入results向量中。从线程中返回结果的替代方法会通过使用future来实现。
在这种情况下每个线程所需的所有信息在线程开始时传入包括存储其计算结果的位置。实际情况并非总是如此。有时作为进程的一部分有必要能够以某种方式标识线程。你可以传入一个标识数如同在清单2.7中 i 的值但是如果需要此标识符的函数在调用栈中深达数个层次并且可能从任意线程中被调用那样做就很不方便。当我们设计C线程库时就预见到了这方面的需求所以每个线程都有一个唯一的标识符。
