linux利用多核多线程进行程序优化

《linux利用多核多线程进行程序优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、利用多核多线程进行程序优化简介： 大家也许还记得2005年3月C++大师HerbSutter在Dr.Dobb’sJournal上发表了一篇名为《免费的午餐已经结束》的文章。文章指出：现在的程序员对效率、伸缩性、吞吐量等一系列性能指标相当忽视，很多性能问题都仰仗越来越快的CPU来解决。但CPU的速度在不久的将来，即将偏离摩尔定律的轨迹，并达到一定的极限。所以，越来越多的应用程序将不得不直面性能问题，而解决这些问题的办法就是采用并发编程技术。样例程序程序功能：求从1一直到 APPLE_MAX_VALUE(100000000) 相加累计的和，并赋值给apple的 a 和 b ；

2、求orange数据结构中的a[i]+b[i]的和，循环 ORANGE_MAX_VALUE (1000000) 次。说明：1.由于样例程序是从实际应用中抽象出来的模型，所以本文不会进行test.a=test.b=test.b+sum、中间变量(查找表)等类似的优化。2.以下所有程序片断均为部分代码，完整代码请参看本文最下面的附件。清单1.样例程序#defineORANGE_MAX_VALUE1000000#defineAPPLE_MAX_VALUE100000000#defineMSECOND1000000structapple{unsignedlonglonga;unsi

3、gnedlonglongb;};structorange{inta[ORANGE_MAX_VALUE];intb[ORANGE_MAX_VALUE];};intmain(intargc,constchar*argv[]){//insertcodehere...structappletest;structorangetest1;for(sum=0;sum

4、index]+test1.b[index];}return0;}回页首K-Best测量方法在检测程序运行时间这个复杂问题上，将采用RandalE.Bryant和DavidR.O’Hallaron提出的K次最优测量方法。假设重复的执行一个程序，并纪录K次最快的时间，如果发现测量的误差ε很小，那么用测量的最快值表示过程的真正执行时间，称这种方法为“K次最优（K-Best）方法”，要求设置三个参数：K:要求在某个接近最快值范围内的测量值数量。ε测量值必须多大程度的接近，即测量值按照升序标号V1,V2,V3,…,Vi,…，同时必须满足（1+ε）Vi>=VkM:在结束测试之前，测量

5、值的最大数量。按照升序的方式维护一个K个最快时间的数组，对于每一个新的测量值，如果比当前K处的值更快，则用最新的值替换数组中的元素K，然后再进行升序排序，持续不断的进行该过程，并满足误差标准，此时就称测量值已经收敛。如果M次后，不能满足误差标准，则称为不能收敛。在接下来的所有试验中，采用K=10，ε=2%，M=200来获取程序运行时间，同时也对K次最优测量方法进行了改进，不是采用最小值来表示程序执行的时间，而是采用K次测量值的平均值来表示程序的真正运行时间。由于采用的误差ε比较大，在所有试验程序的时间收集过程中，均能收敛，但也能说明问题。为了可移植性，采用gettimeo

6、fday()来获取系统时钟（systemclock）时间，可以精确到微秒。回页首测试环境硬件：联想Dual-core双核机器，主频2.4G，内存2G软件：SuseLinunxEnterprise10，内核版本：linux-2.6.16回页首软件优化的三个层次医生治病首先要望闻问切，然后才确定病因，最后再对症下药，如果胡乱医治一通，不死也残废。说起来大家都懂的道理，但在软件优化过程中，往往都喜欢犯这样的错误。不分青红皂白，一上来这里改改，那里改改，其结果往往不如人意。一般将软件优化可分为三个层次：系统层面，应用层面及微架构层面。首先从宏观进行考虑，进行望闻问切，即系统层面的

7、优化，把所有与程序相关的信息收集上来，确定病因。确定病因后，开始从微观上进行优化，即进行应用层面和微架构方面的优化。1.系统层面的优化：内存不够，CPU速度过慢，系统中进程过多等2.应用层面的优化：算法优化、并行设计等3.微架构层面的优化：分支预测、数据结构优化、指令优化等软件优化可以在应用开发的任一阶段进行，当然越早越好，这样以后的麻烦就会少很多。在实际应用程序中，采用最多的是应用层面的优化，也会采用微架构层面的优化。将某些优化和维护成本进行对比，往往选择的都是后者。如分支预测优化和指令优化，在大型应用程序中，往往采用的比较