3

我编写了这个测试应用程序：它经历了从 0 到 9999 的迭代，对于范围内的每个整数，它都会计算一些无用但计算密集型的函数。结果，程序输出函数值的总和。为了让它在多个线程上运行，我使用了 InterlockedIncrement - 如果在增量之后迭代次数 <10000，那么一个线程处理这个迭代，否则它终止。

我想知道为什么它没有像我希望的那样缩放。使用 5 个线程，它运行 8 秒，而单线程运行 36 秒。这提供了约 4.5 的可扩展性。在我对 OpenMP 的实验中（在稍微不同的问题上），我得到了更好的可扩展性。

源代码如下所示。

我在 Phenom II X6 桌面上运行 Windows7 操作系统。不知道其他哪些参数可能是相关的。

你能帮我解释一下这种次优的可扩展性吗？非常感谢。

#include <boost/thread.hpp>
#include <boost/shared_ptr.hpp>
#include <boost/make_shared.hpp>
#include <vector>
#include <windows.h>
#include <iostream>
#include <cmath>

using namespace std;
using namespace boost;

struct sThreadData
{
  sThreadData() : iterCount(0), value( 0.0 ) {}
  unsigned iterCount;
  double value;
};

volatile LONG g_globalCounter;
const LONG g_maxIter = 10000;

void ThreadProc( shared_ptr<sThreadData> data )
{
  double threadValue = 0.0;
  unsigned threadCount = 0;

  while( true )
  {
    LONG iterIndex = InterlockedIncrement( &g_globalCounter );
    if( iterIndex >= g_maxIter )
      break;

    ++threadCount;

    double value = iterIndex * 0.12345777;
    for( unsigned i = 0; i < 100000; ++i )
      value = sqrt( value * log(1.0 + value) );

    threadValue += value;
  }

  data->value = threadValue;
  data->iterCount = threadCount;
}

int main()
{
  const unsigned threadCount = 1;

  vector< shared_ptr<sThreadData> > threadData;
  for( unsigned i = 0; i < threadCount; ++i )
    threadData.push_back( make_shared<sThreadData>() );

  g_globalCounter = 0;

  DWORD t1 = GetTickCount();
  vector< shared_ptr<thread> > threads;
  for( unsigned i = 0; i < threadCount; ++i )
    threads.push_back( make_shared<thread>( &ThreadProc, threadData[i] ) );

  double sum = 0.0;
  for( unsigned i = 0; i < threadData.size(); ++i )
  {
    threads[i]->join();
    sum += threadData[i]->value;
  }

  DWORD t2 = GetTickCount();
  cout << "T=" << static_cast<double>(t2 - t1) / 1000.0 << "s\n";

  cout << "Sum= " << sum << "\n";
  for( unsigned i = 0; i < threadData.size(); ++i )
    cout << threadData[i]->iterCount << "\n";

  return 0;
}

编辑：附加此测试程序的示例输出（1 和 5 个线程）： 在此处输入图像描述

4

1 回答 1

2

事实证明，结果可以通过我的 CPU 支持AMD Turbo Core技术来解释。

在 Turbo CORE 模式下，AMD Phenom™ II X6 1090T 将频率速度从六核上的 3.2GHz 转移到三核上的 3.6GHz

所以单线程模式和多线程模式的时钟频率是不一样的。我习惯于在不支持 TurboCore 的 CPU 上玩多线程。下面是显示结果的图像

  • AMD OverDrive 实用程序窗口（允许打开/关闭 TurboCore 的东西）
  • 在 TurboCore 开启的情况下运行 1 个线程
  • 在 TurboCore 关闭的情况下运行 1 个线程
  • 运行 5 个线程 在此处输入图像描述

非常感谢那些试图提供帮助的人。

于 2012-10-12T10:01:09.160 回答