Delphi 的并行计算

所谓并行计算，可以让一段代码让 CPU 的多个核同时开跑，非常明显地提高代码执行速度。

所谓“程序”，这个中文单词，严格意义上来说，就是按照特定顺序，一步一步地执行一些指令。这是标准的串行计算。串行计算的好处是有上下文依赖关系的事情，不会搞错顺序。好比先洗碗，再打饭，程序这样写了，计算机绝对不会搞错成先打了饭吃完了才发现碗先没洗导致肚子疼。

但很多时候，我们有大量数据需要计算，并且数据之间没有前后依赖关系。比如：图片处理。我需要逐个像素处理，但处理第一个像素和处理第二个像素，没有依赖关系。处理第一行和处理第二行，也没有依赖关系。这时候，可以同时并行地处理。传统做法是，我们写一个循环，一行一行的逐行处理；在一行中，我们写个循环，一个像素一个像素地逐个处理。最终结果就是一张图片，我们是逐个像素地处理。如果图片有 100 万个像素，就要循环 100 万次。很消耗时间。

现代的 CPU，都是多核的。一个循环跑下来，只使用了一个核。其它几个核都空闲着。并行计算的概念就是，把上面说的那种没有先后依赖关系的数据处理，分到几个核里面同时处理。就好比有 12 个碗要洗，找一个人来一只一只地洗，需要12分钟；找4个人来一起洗，每个人只需要洗三个碗，洗完 12 个碗只需要3分钟。

Delphi 已经支持并行计算。语法上，该怎么写呢？我们来看一个例子。这个例子的代码，是我自己写了以后测试过的（在英巴的官方论坛上请教了一下，得到 Delphi 官方人员的帮助下写出来的代码）。测试程序是一个跑在手机里的 APP，测试 Delphi 的并行计算代码跑安卓手机上面，是否能利用手机 CPU 的多个核。这个代码完成一个图片逐个像素的处理：将 RGB565 格式的图片转为 RGB888 的图片，每个像素单独计算。注意这是 Delphi 写的手机程序，是基于 FireMonkey 框架的，里面的 TBitmap 和 VCL 底下的 TBitmap 有点不一样。

看代码，第一个函数，对图片像素的一行，做一个循环，将一行里面的每个像素拿出来，做一次转换计算：

//这是计算一行的颜色值。其中 InputPtr 是 RGB565 的数据在内存里面的指针；ColorPtr 是 TBitmap 的 TBitmapData 的指针。 
//BTW: 以下代码有点问题：颜色值可能搞错，出来的结果，灰色正确，黄色变成了蓝色。图像清晰度没问题。

procedure TForm1.ConvertOneLine(const BmpWidth: Integer; InputPtr: PWord;
  ColorPtr: PByte);
var
  Col: Integer;
  Color: Word;
begin
  for Col := 1 to BmpWidth do
  begin
    Color := InputPtr^;
    Inc(InputPtr);

    ColorPtr^ := (( Color         and $1F) * $FF) div $1F;
    Inc(ColorPtr);

    ColorPtr^ := (((Color shr  5) and $3F) * $FF) div $3F;
    Inc(ColorPtr);

    ColorPtr^ := (((Color shr 11) and $1F) * $FF) div $1F;
    Inc(ColorPtr);

    ColorPtr^ := $FF;
    Inc(ColorPtr);;
  end;
end;

第二个函数，是对图片的行数，做一个循环，逐行处理。这个函数里面调用上面那个一行里面逐点处理的方法。实际上就是两层循环：

//以下代码，有串行计算的代码，也有并行计算的代码，都测试通过。

procedure TForm1.ConvertRGB565ToRGB8888(const BmpWidth, BmpHeight: Integer; RGB565DataPtr: PWord; BmpData: TBitmapData);
var
  InputPitch: Integer;
  Row, Col: Integer;
  Color: Word;
  ColorPtr: PByte;
  InputPtr: PWord; // Pointer to RGB565 data
begin
{------------------------------------------------------------------------
  把 RGB565 的数据转换到 FireMonkey 的 TBitmap 里面去。算法来自 Delphi 官方网站论坛里面的一个程序员对我的问题的回复。
------------------------------------------------------------------------}
  InputPitch:= BmpWidth*2;


  //将下面的串行循环，改为并行循环，在4核手机上测试通过。
  //大概比串行循环的时间少一半（并没有少 1/4）。
  TParallel.For(1, BmpHeight, procedure(Row: Integer)
  begin
    InputPtr:= PWord(PByte(RGB565DataPtr) + (Row-1)*InputPitch);
    ColorPtr:= PByte(BmpData.Data) + (BmpHeight-Row)*BmpData.Pitch;

    Self.ConvertOneLine(BmpWidth, InputPtr, ColorPtr);
  end

  );

  { 测试结果：以下串行计算代码执行正确。
  for Row := 1 to BmpHeight do
  begin
    InputPtr:= PWord(PByte(RGB565DataPtr) + (Row-1)*InputPitch);
    ColorPtr:= PByte(BmpData.Data) + (BmpHeight-Row)*BmpData.Pitch;

    Self.ConvertOneLine(BmpWidth, InputPtr, ColorPtr);
    //TParallel.&For
  end;
  }
end;

下面是主程序，输入一张图片，调用上面那个函数，完成转换：

//以下代码是调用 ConvertRGB565ToRGB8888 的主程序：

procedure TForm1.DrawRGB656OntoBMP;
var
  //直接将 RGB656 的数据画到 BITMAP 上去试试看：
  ABitmap: TBitmap;
  BmpData: TBitmapData;
  BmpWidth: Integer;
  BmpHeight: Integer;
  RGB565DataPtr, InputPtr: PWord; // Pointer to RGB565 data
  AMemoryStream: TMemoryStream;
  Fn: string;
  T: TDateTime;
  InputPitch: Integer;
  Row, Col: Integer;
  Color: Word;
  ColorPtr: PByte;
begin
// 这段代码的测试结果：1. 在安卓下，直接出现浮点运算异常错误；
//2. 在 WINDOWS 底下，执行完成，但没有图像显示。并且转换过程耗时 200MS.跟踪 ScanlineToAlphaColor 函数内部，实际上是逐个点转换为 RGB888
  Fn := Memo1.Lines.Strings[0];

  AMemoryStream := TMemoryStream.Create;
  AMemoryStream.LoadFromFile(Fn);

  try

    //ABitmap := Image1.Bitmap;

    BmpWidth:= 1280;
    BmpHeight:= 720;

    Image1.Bitmap.SetSize(BmpWidth, BmpHeight);
    RGB565DataPtr := PWord(NativeInt(AMemoryStream.Memory) + 66);
    InputPitch:= BmpWidth*2; // Bytes by row

    T := Now;
    if Image1.Bitmap.Map(TMapAccess.Write, BmpData) then  //Map 方法取得 Bitmap 内部的数据结构，然后才能直接操作数据结构内部的指针。
    try

      Self.ConvertRGB565ToRGB8888(BmpWidth, BmpHeight, RGB565DataPtr, BmpData);
    finally
      Image1.Bitmap.Unmap(BmpData);
      Image1.UpdateEffects;
    end;

    Memo1.Lines.Add('time consuming = ' + IntToStr(MilliSecondsBetween(Now, T)));
  finally
    AMemoryStream.Free;
  end;
end;

测试结果：

对720P 的 RGB565 转码为 RGBA888，串行计算在 Find5 手机上耗时58MS，并行计算耗时 32MS。

结论：Delphi 的并行计算代码，确实可以让多个核同时跑起来，缩短计算时间。