多核开发入门指南

一、为什么需要多核开发？

        答案很简单，目前的芯片制造技术对CPU主频的提升已经达到一个极限了，也就是说性能的垂直伸缩已经不太可能了。因此通过多核的方法，可以让程序横向的伸缩，这就类似于用多台服务器实现负载均衡（水平伸缩），而不是简单的靠将服务器升级成小型机来提供处理能力（垂直伸缩）。

        虽然多核并行计算的概念已经存在了几十年了，但直到最近多核CPU在PC上的普及，多核开发才不得不提引起程序员的重视。

        多核开发的本质就是使用多线程进行程序开发，我们在学数据结构和算法的时候，写的所有的算法都是面向单线程的。而多核开发的目的就是将这些算法改造成多线程的支持，然后系统运行时将这些多线程平均分配到多核处理器上，以实现运行的加速。

 

二、如何进行多核开发

      如果你很熟悉POSIX threads (pthreads) 或者 WinAPI threads，你就可以自己进行开发。
      如果你不想设计过多底层的线程操作，那就选择一个并发开发平台，由平台来自动协调，调度和管理多核资源。并发开发平台包括各种线程池的库，例如
          .NET的ThreadPool类
          Java的Concurrent类
          消息传递环境，例如MPI
          data-parallel编程环境，例如NESL, RapidMind, ZPL
          task-parallel编程环境, 例如Intel的Threading Building Blocks (TBB) 和 Microsoft的Task Parallel Library (TPL)
          动态编程环境,例如Cilk or Cilk++或者业界标准OpenMP. 
    这些并发平台通过提供语言抽象，扩充注释或者提供库函数的方式来支持多核开发。

 

三、使用并发开发平台具体有哪些好处

      我们从下面几个方面来看：

      软件开发中最重要的三个考虑的要素就是
              程序的性能 （使用多核就是为了提升程序的性能的）
              开发的时间
              程序的可靠性

      而其中影响开发时间的三个要素是

                 伸缩性：如果你自己编写线程，你必须考虑用户是双核，四核还是八核。如何将线程自动适应用户的核数，并且在多核上将线程均衡的负载。
                 代码简洁：直接使用底层线程库操作代码是十分复杂的
                 模块化：直接使用底层线程库操作还会破坏代码的模块化

 

四、具体实例

          下面以Fibonacci的例子来演示：它的递归算法经常被用来作为多核开发的例子。

          单核时代，我们写Fibonacci代码的方法如下：

1. int fib(int n) 
2. {
3.   if (n < 2) return n;
4.  else {
5.       int x = fib(n-1);
6.       int y = fib(n-2);
7.       return x + y;
8.      }
9. }       
10.                 
11. int main(int argc, char *argv[])
12. {       
13.   int n = atoi(argv[1]);
14.  int result = fib(n);
15.  printf("Fibonacci of %d is %d./n", n, result);
16.  return 0;
17. }

       这个算法的核心就是f(n) = f(n-1) + f(n-2),当n很大时，我们希望计算f(n-1)和f(n-2)这两个任务能否分摊在一个双核处理器上同时执行。

 

       如果直接使用WinAPI-threaded操作的代码如下：

  

1.       int fib(int n)
2.  {
3.    if (n < 2) return n;
4.    else {
5.     int x = fib(n-1);
6.     int y = fib(n-2);
7.      return x + y;
8.      }
9.  }
10.      
11.  typedef struct {
12.        int input;
13.        int output;
14.      } thread_args;
15.      
16.   void *thread_func ( void *ptr )
17.   {
18.     int i = ((thread_args *) ptr)->input;
19.     ((thread_args *) ptr)->output = fib(i);
20.     return NULL;
21.   }
22.       
23.  int main(int argc, char *argv[])
24.      {
25.        pthread_t thread;
26.        thread_args args;
27.        int status;
28.        int result;
29.        int thread_result;
30.        if (argc < 2) return 1;
31.        int n = atoi(argv[1]);
32.        if (n < 30) result = fib(n);
33.        else {
34.          args.input = n-1;
35.          status = pthread_create(thread,
36.      NULL, thread_func,
37.      (void*) &args );
38.         // main can continue executing while the thread executes.
39.          result = fib(n-2);
40.         // Wait for the thread to terminate.
41.          pthread_join(thread, NULL);
42.          result += args.output;
43.        }
44.  printf("Fibonacci of %d is %d./n", n, result);
45.  return 0;
46.  }

       注意main里面的if(n<30)，当n在30以内时，计算非常快，就不需要使用多线程，当n大于30之后，我们生成一个线程用来计算f(n-1)，而main的主线程将继续计算f(n-2)，这样等两个线程都结束以后（pthread_join(thread, NULL);），我们将他们的结果相加。

 

      从这个例子就可以看出，自己实现线程的缺点：

        1 这个例子正好可以用两个线程分配在两个核上来实现，可如果一个任务需要16个线程同时执行，我们又不知道客户端到底是几核的CPU时，这个任务如何分配就成为一个问题。

        2 这段代码非常不简洁

        3 额外的结构和函数也破坏了算法本身的完整性。

 

下面我们使用多核支持库来实现该代码：

使用OpenMP

 

1. int fib(int n) {
2.   int i, j;
3.   if (n<2)
4.      return n;
5.   else {
6.     #pragma omp task shared(i)
7.     i=fib(n-1);
8.     #pragma omp task shared(j)
9.     j=fib(n-2);
10.     #pragma omp taskwait
11.     return i+j;
12.   }
14. }

使用Cilk++

1. int fib(int n) 
2. {
3.   if (n < 2) return n;
4.  else {
5.       int x = cilk_spawn fib(n-1);
6.       int y = fib(n-2);
7.       cilk_sync;
8.       return x + y;
9.      }
10. }       
11.                 
12. int main(int argc, char *argv[])
13. {       
14.   int n = atoi(argv[1]);
15.  int result = fib(n);
16.  printf("Fibonacci of %d is %d./n", n, result);
17.  return 0;
18. }

.NET Task Parallel Library中相应的例子

1.   Private Function FiboFullParallel(ByVal N As Long) As Long
2.        If N <= 0 Then Return 0
3.        If N = 1 Then Return 1
4.    
5.        Dim t1 As Tasks.Future(Of Long) = Tasks.Future(Of Long).Create( Function() FiboFullParallel(N - 1))
6.        Dim t2 As Tasks.Future(Of Long) = Tasks.Future(Of Long).Create( Function() FiboFullParallel(N - 2))
7.    
8.        Return t1.Value + t2.Value
9.    End Function

     可以看到无论使用哪种并发平台，代码都非常简洁，没有破坏原有的算法封装，仅仅通过简单的改造就可以实现自动任务的分派。

 

五、什么情况下该使用多核编程呢？

        如果一个任务的执行时间在10-100毫秒，那么就无需使用多核，因为将任务通过多线程分解到多核上计算，然后再将结果集合起来的开销大致需要100毫秒(当然具体多少依据机器的性能以及你所使用的编译器的性能),而且还需要消耗内存的空间。

        在OpenMP里面我们可以使用"if clause"来给双核配置增加条件，例如下面的代码很明显，当n小于100000的时候，不使用多核，当n大于的时候再使用

1. #pragma omp parallel for if(n > 100000)
2. for (i = 0; i < n;, i++) {
3. ...
4. }

六、后记

       本文旨在告诉你为何要进行多核开发，以及简单展示了多核开发平台的使用。实际的多核开发要复杂的多，而且我们知道目前的PC机的多核系统都是基于共享内存的，虽然每个核都有自己的一级缓存。因此不同核上的线程在运行时就涉及到对资源竞争使用的问题。除此以外如果应用需要用到IO（硬盘，网络）的时候，也存在同样的问题。因此多核的设计的难点就在于需要具体情况具体分析，找出多核应用的瓶颈，通过改进数据结构或算法，消除或优化这个瓶颈。