数组遍历:并行性能比非并行性能慢
本文关键字:并行 并行性 性能 性能比 遍历 数组 | 更新日期: 2023-09-27 17:53:21
在我的程序中,我想确定有多少数字有9位,多少有8位,等等,使用这个循环:
for (int i = 0; i < 60000000; i++)
{
if (a[i] >= 1000000000) { p[10] += 1; }
else if (a[i] >= 100000000) { p[9] += 1; }
else if (a[i] >= 10000000) { p[8] += 1; }
else if (a[i] >= 1000000) { p[7] += 1; }
else if (a[i] >= 100000) { p[6] += 1; }
else if (a[i] >= 10000) { p[5] += 1; }
else if (a[i] >= 1000) { p[4] += 1; }
else if (a[i] >= 100) { p[3] += 1; }
else if (a[i] >= 10) { p[2] += 1; }
else { p[1] += 1; }
}
我像这样并行化这个循环:
void partiton(int f, int l, int[] p)
{
Parallel.Invoke(()=>calc(f,l/2,p),()=>calc(l/2,l,p));
}
void calc(int f, int l, int[] p)
{
for (int i = f; i < l; i++)
{
if (a[i] >= 1000000000) { p[10] += 1; }
else if (a[i] >= 100000000) { p[9] += 1; }
else if (a[i] >= 10000000) { p[8] += 1; }
else if (a[i] >= 1000000) { p[7] += 1; }
else if (a[i] >= 100000) { p[6] += 1; }
else if (a[i] >= 10000) { p[5] += 1; }
else if (a[i] >= 1000) { p[4] += 1; }
else if (a[i] >= 100) { p[3] += 1; }
else if (a[i] >= 10) { p[2] += 1; }
else { p[1] += 1; }
}
}
private void button1_Click(object sender, EventArgs e)
{
Stopwatch w = new Stopwatch();
w.Restart();
int f = 0;
int l = 60000000;
Parallel.Invoke(() => calc(f, l/2, p), () => calc(l/2, l, p));
w.Stop();
label1.Text = w.Elapsed.ToString();
}
但是基准是:顺序:0.3834平行:0.6864
为什么并行代码较慢?我的代码有问题吗?我的cpu是AMD Phenom™II X4。模型,955。
一切都在变量中。
以p
对象为例。将相同的p
对象传递给两个线程。现在,我不确定Parallel.Invoke
是否能够检测到这一点,因此是串行执行它们(尽管有显着的开销),但我做知道,如果它没有检测到这一点,那么你有一个lot尝试在同一线程中读/写相同的值。
_Main
重命名为Main
,然后按照您认为合适的方式运行。)
static int[] a = new int[100000000];
static void calc(int f, int l, int[] p, int[] a)
{
for (int i = f; i < l; i++)
{
if (a[i] >= 1000000000) { p[10] += 1; }
else if (a[i] >= 100000000) { p[9] += 1; }
else if (a[i] >= 10000000) { p[8] += 1; }
else if (a[i] >= 1000000) { p[7] += 1; }
else if (a[i] >= 100000) { p[6] += 1; }
else if (a[i] >= 10000) { p[5] += 1; }
else if (a[i] >= 1000) { p[4] += 1; }
else if (a[i] >= 100) { p[3] += 1; }
else if (a[i] >= 10) { p[2] += 1; }
else { p[1] += 1; }
}
}
public static void _Main(string[] args)
{
for (int i = 0; i < a.Length; i++)
{
a[i] = i;
}
int f = 0;
int l = a.Length;
int[] p = new int[10];
int[] p1 = new int[10];
int[] p2 = new int[10];
int[] p3 = new int[10];
int[] p4 = new int[10];
int[] a1 = new int[l / 2];
int[] a2 = new int[l / 2];
int[] a11 = new int[l / 4];
int[] a12 = new int[l / 4];
int[] a13 = new int[l / 4];
int[] a14 = new int[l / 4];
for (int i = 0; i < a.Length; i++)
if (i >= l / 2)
a2[i - l / 2] = a[i];
else
a1[i] = a[i];
for (int i = 0; i < a.Length; i++)
if (i >= l / 4 * 3)
a14[i - l / 4 * 3] = a[i];
else if (i >= l / 4 * 2)
a13[i - l / 4 * 2] = a[i];
else if (i >= l / 4 * 1)
a12[i - l / 4] = a[i];
else
a14[i] = a[i];
int rc = 5;
for (int d = 0; d < rc; d++)
{
Stopwatch w = new Stopwatch();
w.Start();
Parallel.Invoke(() => calc(f, l / 2, p1, a1), () => calc(f, l / 2, p2, a2));
w.Stop();
Console.WriteLine("Attempt {0}/{1}: {2}", 1, d, w.ElapsedMilliseconds);
w.Reset();
w.Start();
Parallel.Invoke(() => calc(f, l / 4, p1, a11), () => calc(f, l / 4, p2, a12), () => calc(f, l / 4, p3, a13), () => calc(f, l / 4, p4, a14));
w.Stop();
Console.WriteLine("Attempt {0}/{1}: {2}", 2, d, w.ElapsedMilliseconds);
w.Reset();
w.Start();
Parallel.Invoke(() => calc(f, l / 2, p, a), () => calc(l / 2, l, p, a));
w.Stop();
Console.WriteLine("Attempt {0}/{1}: {2}", 3, d, w.ElapsedMilliseconds);
w.Reset();
w.Start();
calc(f, l, p, a);
w.Stop();
Console.WriteLine("Attempt {0}/{1}: {2}", 4, d, w.ElapsedMilliseconds);
}
}
我肯定还有更多的优化我可以运行。(例如,将if
s转换为while
循环。)我也不能保证它的准确性。我只是采纳了你的逻辑,并对其进行了适当的调试。
但是当我在我的PC上运行这个例子时,我得到了以下结果:
- 尝试1平均耗时327.8ms。这个尝试将
a
和p
变量拆分为两个单独的变量。尝试2平均耗时306ms。这个尝试将a
和p
变量拆分为四个单独的变量。 - 尝试3平均耗时703ms。这和你之前做的一模一样。(尽管在
calc
方法上有一个局部变量) 第4次尝试平均耗时347.6ms。这是同步运行
calc
方法。为什么差别这么大?尝试1和2将处理过的数据拆分为不需要线程同步的变量,而尝试3则强制两个线程使用相同的变量,从而产生冲突,正如Ron Beyer所说,造成上下文切换。
基本上,如果你要尝试并行写入相同的内容,你应该本地化每个线程正在写入的数据,并在最后合并更改。
- 这段代码不会给你正确的数字,因为它在没有同步的情况下从多个线程中增加相同的变量。当不同的CPU内核处理相同的变量时,每个内核都有自己的版本,并且这个版本的修改不会立即流向其他缓存。正因为如此,其他内核只能在旧版本上工作。例如,一个核心可能将p[0]从0增加到1,但另一个核心仍然认为它是0。所以当它增加时,值又变成了1。稍后,这个1将出现在主内存中,而不是2。
- 回答你的问题,问题是你从两个线程使用相同的内存块,它减慢了内存访问。数据通常是缓存的,但是当一个核心写内存区域时,其他核心迟早会发现这一点,他们需要从主内存中重新加载它,这是缓慢的。(早或晚对你来说很重要,它不会立即发生,所以你需要同步,当你做得对的时候,这会让一切变得更慢)。由于这些重新读取,多线程版本会更慢。
当你试图使一个算法多线程,你需要尝试分离任务的方式,他们不使用共享内存。作为一种微优化-这是不好的-你可以尝试分配内存的方式,他们不是彼此相邻,否则前面提到的缓存问题会减慢处理。