c - 带线程的代码比没有线程花费的时间更长
问题描述
我正在用 C 语言试验线程,但我对一些结果感到困惑。
我有以下循环:
for(size_t i=0;i<1000000000;i++){
a++;
}
它增加一个全局变量a
。我已经用 6 个变量完成了这个,a
到e
.
首先,我连续增加了变量main
:
#include<stdio.h>
#include<pthread.h>
size_t a,b,c,d,e,f;
int main(void){
for(size_t i=0;i<1000000000;i++){
a++;
}
for(size_t i=0;i<1000000000;i++){
b++;
}
for(size_t i=0;i<1000000000;i++){
c++;
}
for(size_t i=0;i<1000000000;i++){
d++;
}
for(size_t i=0;i<1000000000;i++){
e++;
}
for(size_t i=0;i<1000000000;i++){
f++;
}
size_t abcdef=a+b+c+d+e+f;
printf("%zu\n",abcdef);
return 0;
}
然后,当用 测试程序时time
,给出了以下结果:
6000000000
real 0m11.450s
user 0m11.446s
sys 0m0.000s
我希望使用 pthreads 的结果会快很多:
#include<stdio.h>
#include<pthread.h>
size_t a,b,c,d,e,f;
void *t1(void *args){
for(size_t i=0;i<1000000000;i++){
a++;
}
return NULL;
}
void *t2(void *args){
for(size_t i=0;i<1000000000;i++){
b++;
}
return NULL;
}
void *t3(void *args){
for(size_t i=0;i<1000000000;i++){
c++;
}
return NULL;
}
void *t4(void *args){
for(size_t i=0;i<1000000000;i++){
d++;
}
return NULL;
}
void *t5(void *args){
for(size_t i=0;i<1000000000;i++){
e++;
}
return NULL;
}
void *t6(void *args){
for(size_t i=0;i<1000000000;i++){
f++;
}
return NULL;
}
int main(void){
pthread_t p1,p2,p3,p4,p5,p6;
pthread_create(&p1,NULL,t1,NULL);
pthread_create(&p2,NULL,t2,NULL);
pthread_create(&p3,NULL,t3,NULL);
pthread_create(&p4,NULL,t4,NULL);
pthread_create(&p5,NULL,t5,NULL);
pthread_create(&p6,NULL,t6,NULL);
pthread_join(p1,NULL);
pthread_join(p2,NULL);
pthread_join(p3,NULL);
pthread_join(p4,NULL);
pthread_join(p5,NULL);
pthread_join(p6,NULL);
size_t abcdef=a+b+c+d+e+f;
printf("%zu\n",abcdef);
return 0;
}
然而,结果却出乎意料:
6000000000
real 0m14.521s
user 1m26.048s
sys 0m0.014s
不仅实际时间更大,我预计会更低,而且用户时间超过 1 分钟,我没有等一分钟。
这里发生了什么?我该如何解决?
解决方案
您在这里遇到的问题是由于缓存一致性。
在现代处理器中,单个内核一次可以访问的实际最小内存量是一个完整的高速缓存行,在许多现代处理器上是 64 字节。这意味着每个变量的每次增量都会读取 64 个字节,其中 8 个字节会针对增量进行修改。其他 56 个字节只是随手可用。
但是,如果任何其他字节需要由另一个内核修改,它们必须使用缓存一致性协议来确保它们不会破坏彼此的内存。当写入缓存行时,它将被标记为已修改,并且每个其他缓存都必须将其标记为无效并重新加载以再次使用它。
当您在代码中将变量定义为:
size_t a,b,c,d,e,f;
它们都作为一个连续的块在内存中排列,最终将小于一个完整的高速缓存行。这意味着每个线程都在争夺一个 64 字节的内存块,并且在获得它之前无法继续前进。这使得实际执行是串行的,即使多个内核可能同时执行代码。
这是我运行程序的结果:(test 是您的第一个代码示例,test1 是 pthreads 示例)
$ time ./test
6000000000
real 0m22.526s
user 0m22.391s
sys 0m0.000s
$ time ./test1
6000000000
real 0m13.094s
user 1m7.797s
sys 0m0.047s
我的 pthreads 测试实际上更快。我怀疑这是由于我的 CPU 使用了超线程,它实际上在同一个内核上运行两个线程,它们共享同一个缓存行,所以没有争用。
我修改了 pthreads 代码以使用编译器指令使全局变量 64 字节对齐,这会强制每个变量位于其自己的缓存行中。
size_t a __attribute__ ((aligned (64)));
size_t b __attribute__ ((aligned (64)));
size_t c __attribute__ ((aligned (64)));
size_t d __attribute__ ((aligned (64)));
size_t e __attribute__ ((aligned (64)));
size_t f __attribute__ ((aligned (64)));
结果如下:
$ time ./test2
6000000000
real 0m2.665s
user 0m15.281s
sys 0m0.016s
它的速度更快!
推荐阅读
- python - 索引除最后两个值之外的所有值
- html - 如何使用 React 更改悬停效果的“react-ionicons”颜色
- visual-studio - 通过扩展读取/写入任意 Visual Studio 选项?
- php - 根据 wp_usermeta 表新建 wp 数据表
- angular - 带有 i18n 的 Angular Universal SSR 未从服务器端加载语言环境
- api - 添加带有标签的子树
- javascript - 将属性名称与其在数组中的值匹配;
- python - 如何在不写入磁盘的情况下解压缩?
- python - Python:删除具有相同元素但顺序不同的列表
- python - 使用分解或分类将数字转换为因子有什么区别?