Question

当我使用我的i7-6700HQ的所有8个逻辑内核时，我的并行化版本的fibonacci实现（效率低，只是为了比较库的性能）比普通的低效实现慢得多，这是一个惊喜。处理器。处理器风扇开始变得混乱，与非并行实现相比，处理时间非常慢。

该示例直接来自英特尔的TBB教程 - https://www.threadingbuildingblocks.org/tutorial-intel-tbb-task-based-programming

这是我的代码

#include <tbb/task_group.h>
#include <chrono>
#include <iostream>

#define FIB_NUM 40

long fib1(int n)
{
    if(n < 2) return n;

    else
    {
        int x, y;
        tbb::task_group g;
        g.run([&]{x=fib1(n - 1);});
        g.run([&]{y=fib1(n - 2);});
        g.wait();
        return x + y;
    }
}

long fib2(int n)
{
    return n < 2? n : fib2(n - 1) + fib2(n - 2);
}

int main()
{
    auto t1 = std::chrono::high_resolution_clock::now();
    std::cout << fib2(FIB_NUM) << std::endl;
    auto t2 = std::chrono::high_resolution_clock::now();
    std::cout << (t2 - t1).count() << std::endl;
    t1 = std::chrono::high_resolution_clock::now();
    std::cout << fib1(FIB_NUM) << std::endl;
    t2 = std::chrono::high_resolution_clock::now();
    std::cout << (t2 - t1).count() << std::endl;
}

我不知道我做错了什么。如果有人能指出它会很有帮助。

由于

Answer 1

该示例的主要问题是小任务。叶任务（n<2）只计算return n。毫无疑问，并行性效率低下。当子问题被认为对于并行化而言太小时，可以利用“截止”条件来改进该示例。让我们假设没有意义并行计算前12个斐波纳契数，我们将使用串行实现：

long fib1(int n)
{
    // Use a serial implementation for "small" numbers.
    if(n < 12) return fib2(n);
    else
    {
        int x, y;
        tbb::task_group g;
        g.run([&]{x=fib1(n - 1);});
        g.run([&]{y=fib1(n - 2);});
        g.wait();
        return x + y;
    }
}

也许，您想阅读有关Divide and Conquer和The Task Scheduler的文章。

P.S。英特尔TBB使用基于任务的方法进行并行处理。方法tbb::task_group::run创建一个任务（不是线程），当线程池中的一个线程可用时执行该任务。因此，系统中有多少任务并不重要 - 线程数总是有限的。

使用intel TBB的低效fibonacci系列比非线程实现慢得多

1 个答案: