多核开发入门指南

转自 /article/1710486.html

一、为什么需要多核开发？

答案很简单，目前的芯片制造技术对CPU主频的提升已经达到一个极限了，也就是说性能的垂直伸缩已经不太可能了。因此通过多核的方法，可以让程序横向的伸缩，这就类似于用多台服务器实现负载均衡（水平伸缩），而不是简单的靠将服务器升级成小型机来提供处理能力（垂直伸缩）。

虽然多核并行计算的概念已经存在了几十年了，但直到最近多核CPU在PC上的普及，多核开发才不得不提引起程序员的重视。

多核开发的本质就是使用多线程进行程序开发，我们在学数据结构和算法的时候，写的所有的算法都是面向单线程的。而多核开发的目的就是将这些算法改造成多线程的支持，然后系统运行时将这些多线程平均分配到多核处理器上，以实现运行的加速。

多核开发可以应用的领域非常多，对于初学者，可以从优化现有的各种算法开始，例如对于搜索状态空间数的各种算法，例如各种棋类问题的求解等等。此外，在视频，音频或图形的编码，加密解密算法，数据分析统计，以及需要高性能计算的各种仿真学领域都可以进行应用。当然在Web开发领域，多核应用一般不需要程序员来关心，因为现在的主流Web服务器都是基于轻量级的进程池，即每个请求由一个进程处理，而服务器会自动将进程分配到不同的核上去处理。

二、如何进行多核开发

如果你很熟悉POSIX threads (pthreads) 或者 WinAPI threads，你就可以自己进行开发。

如果你不想设计过多底层的线程操作，那就选择一个并发开发平台，由平台来自动协调，调度和管理多核资源。并发开发平台包括各种线程池的库，例如

.NET的ThreadPool类

Java的Concurrent类

消息传递环境，例如MPI

data-parallel编程环境，例如NESL, RapidMind, ZPL

task-parallel编程环境, 例如Intel的Threading Building Blocks (TBB) 和 Microsoft的Task Parallel Library (TPL)

动态编程环境,例如Cilk or Cilk++或者业界标准OpenMP.

这些并发平台通过提供语言抽象，扩充注释或者提供库函数的方式来支持多核开发。

三、使用并发开发平台具体有哪些好处

我们从下面几个方面来看：

软件开发中最重要的三个考虑的要素就是

程序的性能 （使用多核就是为了提升程序的性能的）

开发的时间

程序的可靠性

而其中影响开发时间的三个要素是

伸缩性：如果你自己编写线程，你必须考虑用户是双核，四核还是八核。如何将线程自动适应用户的核数，并且在多核上将线程均衡的负载。

代码简洁：直接使用底层线程库操作代码是十分复杂的

模块化：直接使用底层线程库操作还会破坏代码的模块化

四、具体实例

下面以Fibonacci的例子来演示：它的递归算法经常被用来作为多核开发的例子，虽然我们知道该算法的迭代法效率最高，但是这里仅仅是为了说明如何使用多核开发库，所以请不要较真。

单核时代，我们写Fibonacci代码的方法如下：

int fib(int n) 
		{
			if (n < 2) return n;
			else {
      				int x = fib(n-1);
      				int y = fib(n-2);
      				return x + y;
     			}
		}       
                
		int main(int argc, char *argv[])
		{       
			int n = atoi(argv[1]);
			int result = fib(n);
			printf("Fibonacci of %d is %d./n", n, result);
			return 0;
		}

这个算法的核心就是f(n) = f(n-1) + f(n-2),当n很大时，我们希望计算f(n-1)和f(n-2)这两个任务能否分摊在一个双核处理器上同时执行。

如果直接使用WinAPI-threaded操作的代码如下：

int fib(int n)
		{
			if (n < 2) return n;
			else {
				int x = fib(n-1);
				int y = fib(n-2);
				return x + y;
    			 }
		}
     
		typedef struct {
			int input;
			int output;
		} thread_args;
     
		void *thread_func ( void *ptr )
		{
			int i = ((thread_args *) ptr)->input;
			((thread_args *) ptr)->output = fib(i);
			return NULL;
		}
      
		int main(int argc, char *argv[])
		{
			pthread_t thread;
			thread_args args;
			int status;
			int result;
			int thread_result;
			if (argc < 2) return 1;
			int n = atoi(argv[1]);
			if (n < 30) result = fib(n);
			else {
				args.input = n-1;
				status = pthread_create(thread,
							NULL, thread_func,
							(void*) &args );
				// main can continue executing while the thread executes.
				result = fib(n-2);
				// Wait for the thread to terminate.
				pthread_join(thread, NULL);
				result += args.output;
			}
			printf("Fibonacci of %d is %d./n", n, result);
			return 0;
		}

注意main里面的if(n<30)，当n在30以内时，计算非常快，就不需要使用多线程，当n大于30之后，我们生成一个线程用来计算f(n-1)，而main的主线程将继续计算f(n-2)，这样等两个线程都结束以后（pthread_join(thread, NULL);），我们将他们的结果相加。

从这个例子就可以看出，自己实现线程的缺点：

1 这个例子正好可以用两个线程分配在两个核上来实现，可如果一个任务需要16个线程同时执行，我们又不知道客户端到底是几核的CPU时，这个任务如何分配就成为一个问题。

2 这段代码非常不简洁

3 额外的结构和函数也破坏了算法本身的完整性。

下面我们使用多核支持库OpenMP来实现该代码，该代码通过GCC的编译（具体配置请参考我的上一篇关于Windows下安装MinGW的文章）：

使用OpenMP

#include <stdio.h>
	#include <omp.h>
	#include <time.h>
	using namespace std;
	int fib(int n)
	{
		if (n < 2) return n;
		else {
			int x = fib(n-1);
			int y = fib(n-2);
			return x + y;
		}
	}

	int fib_parallel(int n)
	{
		if (n < 2) return n;
		else {
			int x,y;
			#pragma omp parallel sections
			{
				#pragma omp section
				x = fib(n-1);
				#pragma omp section
				y = fib(n-2);
			}
			return x + y;
		}
	}

	int main(int argc, char *argv[])
	{
 		int n = 42;
		int result = 0;
 		////////////////////////////////////////////
		clock_t t1,t2;
		t1 = clock();
		result = fib(n);
		t2 = clock();
		printf("Total time of fib() = %u/n",  t2-t1);
		printf("Fibonacci of %d is %d./n", n, result);
		////////////////////////////////////////////
		t1 = clock();
		result = fib_parallel(n);
		t2 = clock();
		printf("Total time of fib_parallel() = %u/n",  t2-t1);
		printf("Fibonacci of %d is %d./n", n, result);
		////////////////////////////////////////////
		return 0;
	}

注意，和之前直接生成线程一样，我们仅在第一次递归的时候，拆分两个线程，之后的运算都不生成新的线程，也就是整个运算理论上的时间应该缩短50%。程序运行结果如下：

Total time of fib() = 10468

Fibonacci of 42 is 267914296.

Total time of fib_parallel() = 6500

Fibonacci of 42 is 267914296.

这里面的10468的单位是毫秒，也就是10.468秒。而使用了多核后（本人机器双核），时间是6.500秒。时间为前者的62%。可以看到性能的确得到了提升。并且在此过程中，你无需掌握任何创建线程的知识，只要调用简单的“注释”标签。

此外下面再列举几个其他的多核开发库的例子：

使用Cilk++

int fib(int n) 
	{
		if (n < 2) return n;
		else {
			int x = cilk_spawn fib(n-1);
			int y = fib(n-2);
			cilk_sync;
			return x + y;
		}
	}       
                
	int main(int argc, char *argv[])
	{       
		int n = atoi(argv[1]);
		int result = fib(n);
		printf("Fibonacci of %d is %d./n", n, result);
		return 0;
	}

	.NET Task Parallel Library中相应的例子
	Private Function FiboFullParallel(ByVal N As Long) As Long
		If N <= 0 Then Return 0
		If N = 1 Then Return 1
   
		Dim t1 As Tasks.Future(Of Long) = Tasks.Future(Of Long).Create( Function() FiboFullParallel(N - 1))
		Dim t2 As Tasks.Future(Of Long) = Tasks.Future(Of Long).Create( Function() FiboFullParallel(N - 2))
   
		Return t1.Value + t2.Value
	End Function

可以看到无论使用哪种并发平台，代码都非常简洁，没有破坏原有的算法封装，仅仅通过简单的改造就可以实现自动任务的分派。

五、什么情况下该使用多核编程呢？

如果一个任务的执行时间在10-100毫秒，那么就无需使用多核，因为将任务通过多线程分解到多核上计算，然后再将结果集合起来的开销大致需要100毫秒(当然具体多少依据机器的性能以及你所使用的编译器的性能),而且还需要消耗内存的空间。

在OpenMP里面我们可以使用"if clause"来给双核配置增加条件，例如下面的代码很明显，当n小于100000的时候，不使用多核，当n大于的时候再使用

#pragma omp parallel for if(n > 100000)
	for (i = 0; i < n;, i++) {
		...
	}

六、后记

本文旨在告诉你为何要进行多核开发，以及简单展示了多核开发平台的使用。实际的多核开发要复杂的多，而且我们知道目前的PC机的多核系统都是基于共享内存的，虽然每个核都有自己的一级缓存。因此不同核上的线程在运行时就涉及到对资源竞争使用的问题。除此以外如果应用需要用到IO（硬盘，网络）的时候，也存在同样的问题。因此多核的设计的难点就在于需要具体情况具体分析，找出多核应用的瓶颈，通过改进数据结构或算法，消除或优化这个瓶颈。