我是一名生物学家，我正在尝试学习计算机语言。但是，当我尝试了解lpthread库时，结果似乎很奇怪，因为结果低于顺序版本。
事实上，我仍在阅读 Tanenbaum 的书。但我的主要重点是学习计算 RNA 二级结构的基础知识。所以我在一本书中找到了对 nussinov 算法的解释，并确实实现了它。但是当我尝试制作一个并行版本时，我相信我可能错过了重点，因为这是我第一次接触并行实现。
我的问题是：
1. 我应该如何为这个算法实现数据并行版本？
2. 为什么我的实现比顺序的稍慢？
该代码可在：https ://gist.github.com/drenge/6395472 （每个文件是不同的版本并行/顺序）
有两种方法可以制作算法/程序的并行版本。
你研究算法并编写串行程序。之后，您开始分析程序以查看在哪里可以获得速度增益。这些是并行性可能派上用场的地方（可能，不会）。我把这种方法称为“亡命之徒”。这种方法很有用（！），但大多数时候，下面的方法可以提供更好的性能增益。这种做优化方法的方式只考虑了编程和用户体验。
您采用该算法并尝试找出另一个允许并行处理问题的算法。算法中是否有独立的计算或步骤，是否有部分算法可以在其他部分完全完成之前完成，......这可以称为“理论方法”。请记住，每个线程都有其开销，并且您不希望开销大于您希望获得的收益。
实际上，将两者结合起来是最好的方法（如果确实需要并行性）：首先专注于方法 2（优化算法，使其在科学上保持正确，但可以在多线程中处理）。然后查看关键线程（可以在分析时找到）并开始优化该线程。
正如 Kerrek SB 已经说过的：并行编程是一个非常复杂的话题，有很多可能的陷阱。在路的尽头，你应该问自己：是否值得付出努力。毕竟：为了获得几分钟而浪费几周的学习和编程时间是不值得的。
另一方面，如果您的程序将运行数千次，由于等待时间长或缺乏响应能力而让用户感到沮丧，那么制作一个性能更高的版本可能会很有用。但是再一次：您不能通过优化顺序版本而没有并行混乱来达到相同的目标吗？许多算法的顺序为 O(exp(x)) 或更差，可以简化为 O(x) 甚至 O(log(x))。
亲切的问候，PB