我在C中实现了Barnes-Hut重力算法，如下所示：
阶段2是最昂贵的阶段，因此通过划分星组来并行实施。例如。有1000颗星和2个线程，我有一个线程处理前500颗星，第二个线程处理第二个500颗。
在实践中，这是有效的：与非线程版本相比，在双核机器上使用两个线程可以将计算速度提高约30％。此外，它产生与原始非线程版本相同的数值结果。
我担心的是两个线程同时访问相同的资源（即树）。我没有向线程工作者添加任何同步，因此他们可能会尝试在某个时刻从同一位置读取。虽然访问树是严格只读的，但我并不是100％确定它是安全的。它在我测试它时起作用，但我知道这不能保证正确性！
问题
更新好奇的基准测试结果：
机器：Intel Atom CPU N270 @ 1.60GHz，cpu MHz 800，缓存大小512 KB
Threads real user sys
0 69.056 67.324 1.720
1 76.821 66.268 5.296
2 50.272 63.608 10.585
3 55.510 55.907 13.169
4 49.789 43.291 29.838
5 54.245 41.423 31.094
0表示根本没有线程; 1及以上意味着产生许多工作线程和主线程等待它们。我不希望超过2个线程的任何改进，因为它完全受CPU限制，而且有多少核心。有趣的是，奇数个线程比偶数更差。
看sys，显然制作线程需要付出代价。目前它正在为每个帧创建线程（因此N * 1000线程创建）。这很容易编程（今天早上我在火车上的15分钟）。我需要考虑一下如何重用线程...
更新＃2 我已经使用了一个线程池，与两个障碍同步。与每帧重新创建线程相比，这没有明显的性能优势。
答案 0 :(得分：7)
您没有指定数据的结构，但通常从多个线程同时读取内存是安全的，并且不会引入任何性能问题。如果有人写作，你只会遇到问题。
有趣的是，你说你的两个线程只能获得30％的加速。如果你有一台空闲的机器，两个或多个CPU，只有只读共享数据（即没有同步），我预计会有更接近50％的速度提升。这表明您的操作实际上很快完成，创建线程的开销在您的数字中变得非常重要。你是在超线程CPU上运行吗？
答案 1 :(得分：4)
如果您的数据是只读的，那么不需要，您不需要为每个线程制作树的私有副本。这是共享内存线程模型提供的最大优势！
我不知道这种模型有任何性能问题。如果有的话，它应该更快，这取决于你的CPU是否可以共享一些缓存。