随着我增加尴尬并行线性问题的核心数量（每次迭代进行大量计算的for循环，所有迭代都与其他迭代无关），效率降低（效率为Ts /（p * Tp））不知何故线性地与核心数量相关
我知道在实践中，线程调度，操作系统和缓存问题可能会大大减慢实现速度。
我可以补充一点，我确实得到了加速，理论上的问题在理论上具有线性加速 当p增加时效率为1。
问题：随着处理器数量的增加，操作系统，线程调度，内存加入以及其他类型的技术限制如何影响算法的效率？它应该影响吗？
答案 0 :(得分：3)
您可能会考虑类似Amdahl's Law之类的内容，但每种情况的细节都很难将其固定下来。
答案 1 :(得分：1)
你应该考虑强有力的扩展：
https://www.sharcnet.ca/help/index.php/Measuring_Parallel_Scaling_Performance#Strong_Scaling
由于您提到的所有因素，在问题中添加更多核心时，您的回报基本上会减少。
答案 2 :(得分：0)
您的问题是CPU绑定还是内存绑定？您的系统架构是什么 - SMP或NUMA？你的处理器有多少缓存？您是否将线程绑定到核心？ ...
在有人回答你的问题之前，有太多的参数需要考虑。我建议您使用英特尔VTune Amplifier或Oracle收集器/分析器之类的东西，以查看导致效率低下的原因和原因。