文档.NET4.0并行计算技术基础(3)e.docx

.NET4.0 并行计算技术基础（3） 在前面两讲中，基本上介绍完了并行计算基础理论与相关概念，学习不是目的，应用才是。因此，本讲将介绍一个并行计算的例子，并对.NET 4.0 的并行扩展作一个总体的介绍。 ====================================================== 19.1.3 并行计算所带来的挑战 与串行执行的程序相比，开发并行程序需要软件工程师具备一个“多线程” 的大脑。我们先来看一个引例，初步体会一下如何使用.NET 4.0 所提供的任务并行库设计并行程序。 并行计算引例 请读者仔细查看一下本节示例程序 SequentialvsParalled 的源码。此程序完成了一个非常典型的数据处理工作：递增一个整数数组的每个元素值。 示例程序将数组大小设定为 1000000，然后对数组中的每个元素进行 100 次操作，每次操作都将元素值加 1，因此，完成整个数据处理工作需要 108 次操作。 以下是串行代码： //依次给一个数组中指定部分的元素执行OperationCounterPerDataItem 次操 作 staticvoid IncreaseNumberInSquence(int[] arr,int startIndex,int counter) { }  for (int i = 0; i counter; i++) for (int j = 0; j OperationCounterPerDataItem; j++) arr[startIndex+i]++; 上述代码在笔者的双核笔记本电脑上执行时花费了 776 毫秒。现在，使用.NET 4.0 所提供的任务并行库让上述操作并行执行： //将任务划分为 TaskCount 个子任务，然后并行执行 static void IncreaseNumberInParallel(int[] arr) { int counter = DataSize / TaskCount; Parallel.For(0, TaskCount, i = { counter); } int startIndex = i * counter; IncreaseNumberInSquence(arr, startIndex, } ); 测试结果为 419 毫秒，并行加速系数约为 1.85。 再改算法，将对每个元素的每个操作设定为一个任务，然后再并行执行： static void IncreaseNumberInParallel2(int[] arr) { 为//每个数据项创建一个任务 Parallel.For(0, arr.Length, i = { arr[i]++); Parallel.For(0, OperationCounterPerDataItem, j = } ); } 测试结果为 10057 毫秒，并行加速系数为 0.08，比串行算法慢多了！ 并行计算带来的复杂性 上面所介绍的例子非常清晰地展示出并行程序设计的特殊性，并不是“并行” 总比“串行”快的，到底怎样才能获得最大的并行加速系数，需要仔细地设计并行算法，并且应该在多个典型的软硬件环境中进行对比测试，最终才能得到理想的并行设计方案。 开发并行程序的关键在于要找到一个合适的任务分解方案，并行总要付出一定的代价，比如线程同步、线程通讯、同步缓冲数据等都是开发并行程序必须认真考虑的问题。 下表对比了并行程序与串行程序的主要差别： 项目 程序行为特性  串行程序 可以预期的，相同运行环境下总可以得到相同的结果  并行程序 如果没有提供特定的同步手段，则程序执行的结果无法预期 内存访问 独占访问内存单元，数据可靠 有可能因多线程同时存取同一内存单元而引发数据存取错误 锁 不需要 死锁 不可能出现 必须为共享资源加锁 可能出现，需要仔细考虑程序中可能出现的种种情况予以避免 测试 使用代码覆盖的测试方法可以检测出绝大 多数 BUG 调试 相对简单，可以随时停止程序运行，单步 跟踪定位到每条语句和每个变量的值 由于多个线程同时并行，仅使用代码覆盖的测试方法无法检测出程序中隐藏的 BUG，并行程序的测试变得很复杂 由于多个线程同时运行，当你暂停一个线程进行调试时，其他线程可能还在运行中，因此无法保证调试环境的一致性，并行程序的调试非常困难。 正因为并行程序开发、测试和调试都比串行程序要困难，所以一般都是先编写程序的串行版本，等其工作正常之后再将其升级替换为并行版本。 何时使用“并行计算”？ 根据前面的介绍，读者一定对“并行计算”有了个总体的认识，由于“并行” 需要付出代价，因此，不是所有的程序都需要转换为并行的，当要处理的数据量很大，或者要执行的数据处理任务繁重，并且这些任务本身就可