我正在学习在c ++中使用线程
我用整数创建了一个很长的向量,并设置了另一个整数x。我想计算该整数与向量中整数之间的差。
但是,在我的实现中,使用两个线程的函数比使用单个线程的函数要慢。我想知道为什么是原因,以及如何正确实现线程以使其运行得更快。
代码如下:
#include <iostream>
#include <vector>
#include <thread>
#include <future>
#include <math.h>
using namespace std;
vector<int> vector_generator(int size) {
vector<int> temp;
for (int i = 0; i < size; i++) {
temp.push_back(i);
}
return temp;
}
vector<int> dist_calculation(int center, vector<int> &input, int start, int end) {
vector<int> temp;
for (int i = start; i < end; i++) {
temp.push_back(abs(center - input[i]));
}
return temp;
}
void multi_dist_calculation(int center, vector<int> &input) {
int mid = input.size() / 2;
vector<int> temp1(input.begin(), input.begin() + mid);
vector<int> temp2(input.begin()+mid, input.end());
auto future1 = async(dist_calculation, center, temp1, 0, mid);
auto future2 = async(dist_calculation, center, temp2, 0, mid);
vector<int> result1 = future1.get();
vector<int> result2 = future2.get();
return;
}
int main() {
vector<int> v1 = vector_generator(1000000000);
vector<int> result;
multi_dist_calculation(0, v1);
//dist_calculation(50, v1, 0, v1.size());
return 0;
}
更新#1
添加了 std :: launch :: async 和 reserve()的建议,它确实使代码更快。但是2线程函数仍然比单线程函数慢。我可以说在这种计算中,单线程更快吗?
#include <iostream>
#include <vector>
#include <thread>
#include <future>
#include <math.h>
using namespace std;
vector<int> vector_generator(int size) {
vector<int> temp;
temp.reserve(size);
for (int i = 0; i < size; i++) {
temp.push_back(i);
}
return temp;
}
vector<int> dist_calculation(int center, vector<int> &input, int start, int end) {
vector<int> temp;
temp.reserve(end - start);
for (int i = start; i < end; i++) {
temp.push_back(abs(center - input[i]));
}
return temp;
}
void multi_dist_calculation(int center, vector<int> &input) {
int mid = input.size() / 2;
auto future1 = async(std::launch::async, dist_calculation, center, input, 0, mid);
auto future2 = async(std::launch::async, dist_calculation, center, input, mid, input.size());
vector<int> result1 = future1.get();
vector<int> result2 = future2.get();
return;
}
int main() {
vector<int> v1 = vector_generator(1000000000);
vector<int> result;
int center = 0;
multi_dist_calculation(center, v1);
//dist_calculation(center, v1, 0, v1.size());
return 0;
}
答案 0 :(得分:6)
您没有将任何std::launch policy
传递给std::async
,因此给实现带来了很大的自由度。
行为类似于调用(2)且策略为std :: launch :: async | std :: launch ::递延。换句话说,当查询生成的std :: future以获取值时,f可以在另一个线程中执行,或者可以同步运行。
但还要注意,更普遍的是,使用更多的线程,尤其是在执行小型任务时,可能不会更快。
dist_calculation
或您想线程化的任何任务仅是少量工作的情况下,请注意开销。创建新线程的成本相对较高,并且任何内部池std::async
的使用,承诺和未来都会产生开销。std::mutex
一起使用,可能会比获得更多线程所花费的性能更高。std::async
要复杂得多)。这些中的多线程只会增加开销,但没有好处。您应该尽可能先利用其他基本优化方法,例如向量reserve
的大小,以避免不必要的分配和复制,例如resize
,并使用vector[index] = a
代替push_back
等
对于像abs(centre - input[i])
这样简单的事情,您可能会从SIMD(单指令多数据)优化中获得更多改进。例如确保您正在使用诸如SSE2
之类的任何优化进行编译,并且如果编译器没有适当地优化循环(我认为push_back
可能会干扰,进行测试!),请对其稍加更改,以确保确实如此。 ,甚至可以显式使用向量指令(对于x86,请检出_mm_add_epi32
等)。
答案 1 :(得分:2)
如果我正确理解这一点,那么您的单线程版本只需在给定的向量上调用dist_calculation
,它将对向量进行一次遍历并产生一个新的向量,并将其返回。另一方面,您的多线程版本首先将输入数据的每半复制到两个单独的向量中。之后,它将为每个半启动dist_calculation
,可能会在两个线程中启动。 std::async
甚至可能没有使用单独的线程运行,因为您未指定启动策略。如果碰巧是使用单独的线程运行的,则由于std::thread
构造函数的工作方式,您传递的向量将再次被复制。您必须使用例如std::reference_wrapper
才能正确传递引用。想想那里发生了什么。将数据复制到这两个向量意味着您已经运行了整个数据一次,甚至还没有到达要启动一些线程来执行实际计算的地步,如果 if 线程是甚至会被用来作为开始。如果是这样,您将第二次复制数据。两次,复制都发生在单个线程中。因此,为了达到实际的多线程计算开始的目的(如果确实使用多个线程进行了计算),您的“多线程”版本基本上必须完成单线程版本总共要完成的工作的三倍。而且它必须在单个线程中完成所有这些工作……
您的dist_calculation
不会修改原始数据。此外,各个线程将访问完全独立的数据部分。因此,根本不需要复制数据。只需给每个线程一个指针/迭代器指向它应处理的原始数据部分即可。另外,您预先知道将要生成多少个元素。因此,与其连续增长两个单独的输出向量,不如预分配一个向量以接收输出,并为每个线程提供另一个指针,该指针应指向输出向量的子范围。
最后,从C ++ 17开始,您可以将std::transform的并行版本与std::execution::par_unseq
一起使用,并获得自动并行化(甚至可能是矢量化)的解决方案。 For example:
template <typename ExecutionPolicy, typename ForwardIterator, typename OutputIterator>
void multi_dist_calculation(OutputIterator dest, ForwardIterator begin, ForwardIterator end, int center, ExecutionPolicy&& execution_policy)
{
std::transform(std::forward<ExecutionPolicy>(execution_policy), begin, end, dest, [center](int x)
{
return std::abs(center - x);
});
}
int main()
{
constexpr int data_size = 1000000000;
auto data = std::unique_ptr<int[]> { new int[data_size] };
std::iota(&data[0], &data[0] + data_size, 0);
auto result = std::unique_ptr<int[]> { new int[data_size] };
multi_dist_calculation(&result[0], &data[0], &data[0] + data_size, 0, std::execution::par_unseq); // multithreaded
// multi_dist_calculation(&result[0], &data[0], &data[0] + data_size, 0, std::execution::seq); // singlethreaded
return 0;
}