多核和多CPU编程——基础数据结构

一、并发并行计算常用的数据结构

其实数据结构是通用的，但是在并行计算中，一般需要对任务和数据进行拆解，以最大化的达到并行执行的目的。在这个过程中，有一些数据结构就更适合在这个场合下应用，这也是介绍这些常用数据结构的目的。一般来说，在并行设计开发和应用中，常用的数据结构包括：数组、链表、哈希和树。
但是，这并不代表其它的数据结构不能在并行设计中使用。只是说，上面几种应用的比较多而已。同样，这几种数据结构并不是说单纯一个就包打天下，经常是几种混合在一起应用，你中有我，我中有你的一种共生共用的态势，这样能更好的实现任务的分解和数据的分解使用。

二、数据结构的应用

这几种数据结构在并行设计中常用的方式是什么样的呢？下面进行简要的说明一下，在后面的任务设计和数据分解中会逐一进行分析说明。
1、数组
数组的读取开销是稳定的，这意味着，可以对数组进行分拆，而分拆的意义就是在于可以在多个核心或者多个CPU中进行操作。当然，删除的场景需要特殊设计一下。举一个例子，一个拥有10000个单元的数组，可以分拆成10个组，每个线性的从低到高即可（0_999，10001999，…）。每个核心对应的线程可以访问其中一组做为私有数据对象。
同时，数组还可以实现一些相关的数据结构，如栈等。这些数据结构，同样是做为基础的应用而不可或缺。
在实际的应用中，排序、查找这些通常也是使用数组来实现，这也是在并行开发中的一个重要的环节。

2、链表
链表在并行设计中应用在于，任务分解过程中的单元控制。在上面的数组中，可以处理连续的空间，但在实际的应用中，往往不一定是连续的空间出现或者说连续的空间太大不好分配。不过在实际的应用中，链表也可以用实际连续的空间来实现，但表面却用链表来实现，这样分配和回收内存的过程简单方便，又具有了链表的灵活的特性。而且通过两个或三个链表来实现内存池，提高在并行开发中的内存应用效率。

3、哈希
哈希表在小粒度的单元设计开发中，体现不出什么优势来。但在多核心和分布式开发中，哈希表的用处非常大。哈希表的访问在没有冲突的情况下也是稳定的。但有一个前提，这个哈希函数设计的要比较好，否则动不动就有冲突，访问速度反而会退化成其它设计的结构。哈希表在分布式数据系统中应用最广泛的当然是一致性哈希，而在并行设计中，动态处理任务和数据的分解有着重要的应用。比如在服务端并行处理客户端的任务时，就可以通过哈希来动态分配任务队列。

4、树
树是数据结构中，相对复杂的一种数据结构，它一般用来处理数据应用比较多，比如常见的数据库，底层数据的控制就是用B树实现的，而在并行设计中，平衡二叉树（AVL，也叫平衡二叉搜索树），用得相当广泛，另外就是一些复合的树结构，如哈希树（这个树包括红黑树和AVL树等）。在处理动态复杂且需要增删改查需要一个侧重和平衡的过程中，可以不断的选取相关的树的类型。
这种应用典型的是对不同核心上的线程进行动态处理，然后在每个核心线程上再用复杂的树来实现动态的数据管理（增删改查）。比如在游戏中的不同的种类的各方管理，在大数据中的快速查询等等。

5、混合应用
混合应用主要是在复杂的应用场景中出现，比如大规模的数据处理中，既需要快速的定位具体的目标，又需要在目标内进行数据分类处理。这可能就需要数组+链表、数组+树，哈希+链表，哈希+树等等的具体的实现。这些实现方式，不但可以利用这些数据结构中的优点，又尽量的减少了其缺点的暴露。换句话说，把多个数据结构的优点尽量组合起来应用，融合其长，抛弃其短，以抽象的设计和复杂的实现达到应用的高效。
这个最典型的应用当属Google中的分布式查找使用这种MapReduce结构了。

三、总结

数据结构是基础，是设计和实现的砖头瓦块。更灵活的数据结构设计就意味着更好的适应性和可扩展性，这就是代表着整个程序的生命力的一种基础。这篇文章不是具体讲解某几个数据结构的内容的。这些内容在相关的数据结构的书籍上，已经被重复了N遍，如果确实有不清楚的地方，翻翻任何一本相关书籍，都能得到想要的结果。但国内的书籍一个缺点在于，它只着重于如何实现这个数据结构，但对这个数据结构的应用场景，怎么应用？基本上是不提的。而恰恰是这种应用场景的具体应用，才是激发一个设计人员的思想火花的源泉，而只有不断的有这种火花的闪现，才能汇聚在一起，成燎原之势，最后实现一种较好的设计和实现。
实践和理论不结合，就不能产生真正的生产力。计算机技术同样如此。