多线程并行分析

多线程并行分析
上网百度谷歌了一些关于多线程与并行的知识点，加上老师上课所讲的概念，弄明白了关于多线程计算与并行计算的基本区别于联系。

简而言之，并行是将问题分解交给不同的CPU内核去处理，而多线程是串行，使用时间分片。

处于对多线程与并行的基本理解，我自己修改了两个简易的小程序来阐述二者的联系与不同。

因为c++与Java都提供了多线程，我们可以模拟多台处理机，这里使用一段很简单的c++程序来对多线程计算和并行计算的过程以及结果进行分析比较。

（1）令n＝（2^m），随机生成n个数，A是一个长度为2n的一维数组，待求最大值的数存放在A(n),A(n＋1)，……A(2n-1)中，所求得的最大值置于A(1),于是算法描述如下：
输入：n＝(2^m)个数存在数组A(n；2n－1)中；
输出：最大数置于A(1)中。

Begin
For k=m-1 to 0 do
For j=2 to 2n-1 par do
A(j)=max(A(2j)，A(2j+1))
End For
End For
End
显然，算法的时间t(n)=O(lgn),总比较次数为O(n)，而最大的处理器数p(n)=n/2。

（也即最大的线程数。

）
首先，我们建立一个基于对话框的应用程序，然后放置如图所示控件：
然后定义全局变量如下，array用于存放产生的随机数。

实现代码：
int g_nCount=0,j=0;
int *array;
在对话框的初始化函数中，我们随机产生n个数并存于数组array中，程序代码如下：
void CDemoDlg::OnBtnInitial()
{
// 初始化数组
srand((unsigned)time(NULL));
int i,temp;
CString str;
UpdateData(true);
g_nCount=pow(2,m_intCount);
array=new int[2*g_nCount];
//根据用户的输入，产生2的m次方的随机数并存于array[n]…a[2n-1]中
for(i=g_nCount;i <2*g_nCount;i++)
{
temp=rand()/100;
array[i]=temp;
}
//显示产生的n个随机数
for(i=g_nCount;i <2*g_nCount;i++)
{
m_strArray+="\r\n";
m_strArray+= str;
m_strArray+="\r\n";
}
m_strArray+="\r\n";
UpdateData(false);
}void CDemoDlg::OnBtnCompute()
{
// 启动线程进行计算
int k;
for(k=m_intCount-1;k> =0;k--)
{
for(j=pow(2,k);j＜pow(2,K+1);J++)
{
AfxBeginThread(ComputeThread,GetSafeHwnd(),
THREAD_PRIORITY_NORMAL);
}
}
//线程体：较array[2j]与array[2j+1]的大小，将大值置于array[j]中UINT ComputeThread(LPVOID pParam)
{
if(array[2*j]> =array[2*j+1])
{
array[j]=array[2*j];
}
else
{
array[j]=array[2*j+1];
}
return 0;
}
}
//显示计算结果
void CDemoDlg::OnBtnShow()
{
// TODO: Add your control notification handler code here
int k;
CString str;
for(k=1;k <2*g_nCount;k++)
{
m_strArray+="\r\n";
m_strArray+= str;
m_strArray+="\r\n";
}UpdateData(false);
}
//重置—清空数组
void CDemoDlg::OnBtnClear()
{
// TODO: Add your control notification handler code here
m_strArray.Empty ();
m_ctrlCount.SetFocus();
m_ctrlCount.Clear();
m_ctrlCount.SetSel(1);
UpdateData(false);
g_nCount=0;
j=0;}
运行结果：
从运行的结果图上我们可以清楚的看到线程的计算排序过程。

结果分析：
这里m的值为2，生成四个随机数，得出最大值放在Array[1]中，并行的解决这个小问题的计算。

以下，我们还有一个关于多线程解决一个小问题的程序：
（2）对一个数组求和，数组的大小是1000，单线程的时候需要从1计算到1000,下面开辟10个线程，每个线程处理100个数据的和，10个线程并行计算，这只是一个思路。

但是究竟线程的数目多大才会比较好，这个和内核的个数有关，线程的切换时间也是不小的，所以多线程的并行并不一定可以提高效率。

以下是多线程并行计算的代码：
#include <afx.h>
#include <iostream>
#include <math.h>
using namespace std;
#define THREAD_NUM 7
#define N 31
DWORD WINAPI test(LPVOID lpParameter);
int *array = new int[N];
int sumper_thread[THREAD_NUM];
double numofperthread = ceil((double)N/THREAD_NUM);
DWORD WINAPI test(LPVOID lpParameter)
{
int id = (int)lpParameter;
sumper_thread[id] = 0;
int minNum = N>(id+1)*numofperthread?(id+1)*numofperthread:N;
for (int j = id*numofperthread;j<minNum;j++)
{
sumper_thread[id] += array[j];
}
return 0;
}
int main( int argc, const char** argv )
{
HANDLE cascadeHandle[THREAD_NUM];
DWORD dwThreadID = 0;
for (int i=0;i<N;i++)
{
array[i] = i+1;
}
for (int i=0;i<THREAD_NUM;i++)
{
cascadeHandle[i]=CreateThread(NULL,0,test,(LPVOID)i,0,NULL);
}
for (int i=0;i<THREAD_NUM;i++)
{
CloseHandle(cascadeHandle[i]);
}
Sleep(4000);
int sum = 0;
for (int i=1;i<=N;i++)
{
sum += i;
}
cout<<sum<<endl;
sum = 0;
for (int i=0;i<THREAD_NUM;i++)
{
sum += sumper_thread[i];
}
cout<<sum<<endl;
return 0;
}
结果分析：多线程数量的多少以及并行的处理需要加以具体衡量，毕竟这和能够同时进行运算的处理器数目有关，如果不对实际情况考虑盲目的进行并行运算不一定能够提高运算效率。