我手头有一项任务，概念上简化为13M元素中的每个元素添加一个常数，25MB大小的数组，不适合20MB大小的缓存。因此，我的实现是迭代遍历数组索引的for循环。我使用英特尔线程构建模块（TBB）将英特尔至强E系列服务器上的任务与以下规范并行化：
20 CPUs
Sandy Bridge Micro-architecture
32K L1D, 256K L2, 20M L3
有两种可能的并行化方案。一方面，我可以使用Intel TBB中的parallel_for模板函数来实现它，其中Block_range对象有助于将数组分成块。另一方面，我可以选择手动将数组分成块，并将每个块调用一个任务，该任务可以传递给TBB的管道模式。
令我惊讶的是，对于两种实现，使用Oprofile在固定块大小10000（大约L2高速缓存大小）下测量的执行时间差别很大。更简单的parallel_for函数以200MB / s处理，而更复杂的管道模式以600MB / s处理。对于parallel_for，改变grain_size（1,000,000到10，每次递减10倍。）不会大大改变数据处理速率。改变流水线模式的chunk_size会改变处理速率，这些变化可以与L1，L2和L3缓存的大小相关联。
我是否将parallel_for与错误的grain_size一起使用？或者管道固有地比parallel_for快？当手动和自动分割阵列时，通常建议使用parallel_for或pipeline吗？用管道替换parallel_for有什么优缺点？
谢谢， 谷