一、多核时代
随着数字IC工艺的提升，单核性能越来越高，但随之来的是功率密度增大，芯片发热严重，要进一步提升性能，很自然会想到C多核。将计算任务分配到不同的cpu，最后将结果整合，完成多核并行。
二、C\C 的多线程
C提供了很方便的多线程库，最基本的是pthread库，C 里有thread库（调用起来更加方便），还有omp库（不必自己设置线程，已封装好），接下来将介绍C pthread库的应用实例，这些实例能够很方便移植到不同的应用中。omp库的实例可参看C openmp并行计算实例。
三、实例
pthread的实例参考了B站up主“正月点灯”的教学视频，讲得非常通俗易懂。
假设我们有一个数组arr[]，长度为1亿，元素大小为0~4的随机数，我们需要计算它的和。
为此我们可以用两个线程，一个线程计算前5千万个元素之和，另一个线程计算后5千万个元素之和，最后两种相加。
顺便比较单线程的耗时，代码如下：
#include <stdio.h>
#include <stdlib.h>
#include <pthread.h>
#include <time.h>
#include <omp.h>
#define MAX_SIZE 100000000
int* arr;
// 定义数据结构，用来传递参数
typedef struct{
int first;
int last;
int result;
}MY_ARGS;
//定义函数，给多线程调用
void* myfunc(void* args){
int i;
int s=0;
MY_ARGS* my_args = (MY_ARGS*) args;
int first = my_args->first;
int last = my_args->last;
for(i=first;i<last;i ){
s=s arr[i];
}
my_args -> result = s;
return NULL;
}
int main(){
pthread_t th1;
pthread_t th2;
int i;
arr = malloc(sizeof(int) * MAX_SIZE);
int mid = MAX_SIZE/2;
for(i=0;i<MAX_SIZE;i ){
arr[i]=rand()%5;
}
MY_ARGS args1 = {0,mid,0};
MY_ARGS args2 = {mid,MAX_SIZE,0};
//1.pthread running time
clock_t start,end;
start = clock();
pthread_create(&th1,NULL,myfunc,&args1);
pthread_create(&th2,NULL,myfunc,&args2);
pthread_join(th1,NULL);
pthread_join(th2,NULL);
int s = args1.result args2.result;
end = clock();
printf("s = %d\n",s);
printf("thread2 time : %ld\n",end-start);
// 2.single running time
start = clock();
s = 0;
for(i=0;i<MAX_SIZE;i ){
s = s arr[i];
}
end = clock();
printf("s = %d\n",s);
printf("single time: %ld\n",end-start);
// 3.omp running time
start = clock();
s = 0;
omp_set_num_threads(2);
#pragma omp parallel
{
#pragma omp for reduction( :s)
for(i=0;i<MAX_SIZE;i ){
s = s arr[i];
}
}
end = clock();
printf("s = %d\n",s);
printf("omp time: %ld\n",end-start);
return 0;
}
代码比较了pthread2线程，单线程，omp2线程的结果：
可见两个线程，甚至还有可能变慢，可能的原因是这里的数据连续分布，gcc的优化已经很极致。如果两个任务比较独立，并行的效果会更明显。这里只是给个pthread应用的实例。
另见C 多线程——pthread
来源：https://www./content-1-856001.html
|
