Question

我刚刚开始使用ffmpeg-mt合并到的最新版本的ffmpeg。

但是，由于我的应用程序使用TBB（英特尔线程构建模块），因此新的线程创建和同步的ffmpeg-mt实现不太合适，因为它可能会阻止执行解码功能的TBB任务。此外，它会不必要地丢弃缓存。

我在pthread.c中环顾四周，它似乎实现了ffmpeg用来启用多线程的接口。

我的问题是，是否可以创建一个实现相同功能但使用tbb任务而不是显式线程的tbb.c？

我对C没有经验，但我的猜测是不可能轻易地将tbb（也就是C ++）编译成ffmpeg。所以也许以某种方式在运行时覆盖ffmpeg函数指针将是要走的路？

我很感激有关将TBB实施到ffmpeg线程api的任何建议或意见。

Answer 1

所以我通过阅读ffmpeg代码找出了如何做到这一点。

基本上，您只需要包含以下代码，然后使用tbb_avcodec_open/tbb_avcodec_close代替ffmpegs'avcodec_open/avcodec_close。

这将使用TBB任务并行执行解码。

 // Author Robert Nagy

#include "tbb_avcodec.h"

#include <tbb/task.h>
#include <tbb/atomic.h>

extern "C" 
{
    #define __STDC_CONSTANT_MACROS
    #define __STDC_LIMIT_MACROS
    #include <libavformat/avformat.h>
}

int task_execute(AVCodecContext* s, std::function<int(void* arg, int arg_size, int jobnr, int threadnr)>&& func, void* arg, int* ret, int count, int size)
{   
    tbb::atomic<int> counter;
    counter = 0;

    // Execute s->thread_count number of tasks in parallel.
    tbb::parallel_for(0, s->thread_count, 1, [&](int threadnr) 
    {
        while(true)
        {
            int jobnr = counter++;
            if(jobnr >= count)
                break;

            int r = func(arg, size, jobnr, threadnr);
            if (ret)
                ret[jobnr] = r;
        }
    });

    return 0;
}

int thread_execute(AVCodecContext* s, int (*func)(AVCodecContext *c2, void *arg2), void* arg, int* ret, int count, int size)
{
    return task_execute(s, [&](void* arg, int arg_size, int jobnr, int threadnr) -> int
    {
        return func(s, reinterpret_cast<uint8_t*>(arg) + jobnr*size);
    }, arg, ret, count, size);
}

int thread_execute2(AVCodecContext* s, int (*func)(AVCodecContext* c2, void* arg2, int, int), void* arg, int* ret, int count)
{
    return task_execute(s, [&](void* arg, int arg_size, int jobnr, int threadnr) -> int
    {
        return func(s, arg, jobnr, threadnr);
    }, arg, ret, count, 0);
}

void thread_init(AVCodecContext* s)
{
    static const size_t MAX_THREADS = 16; // See mpegvideo.h
    static int dummy_opaque;

    s->active_thread_type = FF_THREAD_SLICE;
    s->thread_opaque      = &dummy_opaque; 
    s->execute            = thread_execute;
    s->execute2           = thread_execute2;
    s->thread_count       = MAX_THREADS; // We are using a task-scheduler, so use as many "threads/tasks" as possible.
}

void thread_free(AVCodecContext* s)
{
    s->thread_opaque = nullptr;
}

int tbb_avcodec_open(AVCodecContext* avctx, AVCodec* codec)
{
    avctx->thread_count = 1;
    if((codec->capabilities & CODEC_CAP_SLICE_THREADS) && (avctx->thread_type & FF_THREAD_SLICE))
        thread_init(avctx);
// ff_thread_init will not be executed since thread_opaque != nullptr || thread_count == 1.
    return avcodec_open(avctx, codec); 
}

int tbb_avcodec_close(AVCodecContext* avctx)
{
    thread_free(avctx);
    // ff_thread_free will not be executed since thread_opaque == nullptr.
    return avcodec_close(avctx); 
}

Answer 2

在此重新发布我对你at the TBB forum的回复，为了SO的任何人都可以感兴趣。

上面的答案中的代码对我来说很好;在使用本机线程设计的上下文中使用TBB的一种聪明方法。我想知道是否可以制作更多的TBBish。如果你有时间和愿望，我有一些你可以尝试的想法。

如果需要/需要控制线程数，则可以关注以下两个项目。

在thread_init中，创建一个堆分配的tbb::task_scheduler_init（TSI）对象，并根据需要使用尽可能多的线程对其进行初始化（不需要MAX_THREADS）。如果可能/允许，请将此对象的地址保留在s->thread_opaque中;如果没有，可能的解决方案是将AVCodecContext*映射到相应task_scheduler_init的地址的全球地图。
相应地在thread_free中，获取并删除TSI对象。

独立于上述情况，另一个潜在的变化是如何调用tbb::parallel_for。而不是仅使用它来创建足够的线程，它不能用于它的直接目的，如下所示？

int task_execute(AVCodecContext* s,
                 std::function<int(void*, int, int, int)>&& f,
                 void* arg, int* ret, int count, int size)   
{      
    tbb::atomic<int> counter;   
    counter = 0;   

    // Execute 'count' number of tasks in parallel.   
    tbb::parallel_for(tbb::blocked_range<int>(0, count, 2),
                      [&](const tbb::blocked_range<int> &r)    
    {   
        int threadnr = counter++;   
        for(int jobnr=r.begin(); jobnr!=r.end(); ++jobnr)
        {   
            int r = func(arg, size, jobnr, threadnr);   
            if (ret)   
                ret[jobnr] = r;   
        }
        --counter;
    });   

    return 0;   
}

如果count明显大于thread_count，这可以更好地执行，因为a）更多并行松弛意味着TBB更有效地运行（您显然知道），以及b）集中式原子的开销计数器分布在更多迭代上。请注意，我为blocked_range选择了2的粒度;这是因为计数器在循环体内递增和递减，因此每个任务至少需要两次迭代（相应地，count>=2*thread_count）才能“匹配”你的变体。

ffmpeg（-mt）和TBB

2 个答案: