Question

我想将代码编写为并行化：

for(int c=0; c<n; ++c) {
    Work(someArray, c);
}

我这样做了：

#include <thread>
#include <vector>

auto iterationsPerCore = n/numCPU;
std::vector<std::future<void>> futures;

for(auto th = 0; th < numCPU; ++th) {
    for(auto n = th * iterationsPerCore; n < (th+1) * iterationsPerCore; ++n) {
        auto ftr = std::async( std::launch::deferred | std::launch::async,
            [n, iterationsPerCore, someArray]()
            {
                for(auto m = n; m < n + iterationsPerCore; ++m)
                    Work(someArray, m);
            }
        );
        futures.push_back(std::move(ftr));
    }

    for(auto& ftr : futures)
        ftr.wait();
}

// rest of iterations: n%iterationsPerCore
for(auto r = numCPU * iterationsPerCore; r < n; ++r)
    Work(someArray, r);

问题是它在英特尔CPU上的运行速度只有 50％，而在AMD上运行速度 300％更快。我在三个Intel CPU（Nehalem 2core + HT，Sandy Bridge 2core + HT，Ivy Brigde 4core + HT）上运行它。 AMD处理器是Phenom II x2，解锁4核。在2核英特尔处理器上，4线程运行速度提高50％。在4核上，它在4个线程上运行速度提高了50％。我正在使用VS2012，Windows 7进行测试。

当我尝试使用8个线程时，它比英特尔上的串行环路慢8倍。我想这是由HT引起的。

你怎么看？这种行为的原因是什么？也许代码不正确？

Answer 1

我怀疑虚假分享。当两个变量共享同一个缓存行时会发生这种情况。实际上，它们上的所有操作必须非常昂贵地同步即使它们不是同时访问的，因为缓存只能在特定大小的缓存行中运行，即使您的操作更精细-grained。我怀疑AMD硬件更具弹性或者有不同的硬件设计来应对这种情况。

要进行测试，请更改代码，以便每个内核仅适用于64字节倍数的块。这应该避免任何缓存行共享，因为Intel CPU只有64字节的缓存行。

Answer 2

我想说你需要改变你的编译器设置，使所有编译的代码最小化分支数量。两种不同的CPU样式具有不同的操作前瞻设置。您需要更改编译器优化设置以匹配目标 CPU，而不是编译代码的CPU。

Answer 3

你也应该是cpu缓存的一部分。 Here是关于此主题的好文章。

简短版本：hw缓存数据，但是如果你正在处理相同的内存（SomeArray），它必须在cpus的缓存之间一直同步，它甚至可能导致运行速度慢于单个内存线程方式。

英特尔的多线程比AMD慢多了

3 个答案: