Question

我有一个我作为基准测试编写的因子程序，用一个线程计算100万的阶乘需要3分钟。我很好奇是否有可能为同一算法分配多个线程，而不是同时运行，但总体上提高了处理速度并减少了运行算法所需的时间。我认为这是可能的，因为超级计算机有很多线程，通常是平均CPU频率。

Answer 1

正如Alex所说，这个问题很容易在多个线程中传播。

让我们看看使用Java8流的单线程实现：

Stream<BigInteger> numbers = LongStream.rangeClosed(1, 1_000_000).mapToObj(BigInteger::valueOf);
BigInteger reduced = numbers.reduce(BigInteger.ONE, BigInteger::multiply);

现在让我们看看它的多线程版本：

Stream<BigInteger> numbers = LongStream.rangeClosed(1, 1_000_000).mapToObj(BigInteger::valueOf);
numbers = numbers.parallel();
BigInteger reduced = numbers.reduce(BigInteger.ONE, BigInteger::multiply);

（是的，唯一的区别是numbers = numbers.parallel(); - 溪流之美）

第二个多比第一个快（取决于您拥有的真实和超线程CPU的数量），但得到相同的结果。

由于某种原因我还无法完全解释，并行版本比非并行版本更多更快。它可能与内存使用有关。在我的4核2.5Ghz i7 MacBook Pro上，使用并行版本计算需要5.8秒，但非并行版本即使在10分钟（100万）内也无法完成。

对于100,000，并行版本要快得多：并行版本为90毫秒，非并行版本为2500毫秒（在9次预热迭代后测量第10次迭代）。

Answer 2

显然，如果您拥有k个处理器，则可以将n factorial的工作拆分为并行查找[2, n * (1/k)], ... [n * ((k-1)/k) + 1, n]的产品以获取数字P_1, ..., P_k，然后整体factorial是n! = P_1 * ... * P_k。

一起使用多个线程用于单个进程

2 个答案: