Поделиться через

Библиотека параллельных шаблонов

  • Статья

Библиотека параллельных шаблонов (PPL) предоставляет императивную модель программирования, обеспечивающую масштабируемость и повышающую удобство разработки параллельных приложений. Библиотека PPL основана на компонентах планирования и управления ресурсами среды выполнения с параллелизмом. Она создает уровень абстракции между кодом приложения и базовым потоковым механизмом, предоставляя универсальные типобезопасные алгоритмы и контейнеры, работающие с данными параллельно. Кроме того, PPL позволяет разрабатывать приложения с возможностью масштабирования, предоставляя альтернативы состоянию с общим доступом.

PPL обеспечивает следующие возможности.

  • Параллелизм задач: механизм, который работает над Windows ThreadPool для параллельного выполнения нескольких рабочих элементов (задач)

  • Параллельные алгоритмы: универсальные алгоритмы, которые работают поверх среды выполнения параллелизма для параллельного использования коллекций данных

  • Параллельные контейнеры и объекты: универсальные типы контейнеров, обеспечивающие безопасный одновременный доступ к их элементам

Пример

PPL предоставляет модель программирования, похожую на стандартную библиотеку C++. В следующем примере показаны различные функции PPL. В нем последовательно и параллельно вычисляется несколько чисел Фибоначчи. Оба вычисления действуют на объекте std::array . В этом примере в консоль также выводится время, необходимое на выполнение обоих вычислений.

Последовательная версия использует алгоритм стандартной библиотеки C++ std:::for_each для обхода массива и хранения результатов в объекте std::vector . Параллельная версия выполняет ту же задачу, но использует алгоритм параллелизма PPL ::p arallel_for_each и сохраняет результаты в объекте параллелизма::concurrent_vector . Класс concurrent_vector позволяет каждой итерации цикла одновременно добавлять элементы, не требуя синхронизации доступа на запись в контейнер.

Поскольку parallel_for_each действует одновременно, версия программы для параллельного вычисления, используемая в данном примере, должна выполнить сортировку объекта concurrent_vector, чтобы получить те же результаты, что и версия программы для последовательного вычисления.

Обратите внимание, что в примере используется упрощенный метод вычисления чисел Фибоначчи, однако этот метод показывает, как с помощью среды выполнения с параллелизмом можно повысить производительность системы при выполнении длинных вычислений.

// parallel-fibonacci.cpp
// compile with: /EHsc
#include <windows.h>
#include <ppl.h>
#include <concurrent_vector.h>
#include <array>
#include <vector>
#include <tuple>
#include <algorithm>
#include <iostream>

using namespace concurrency;
using namespace std;

// Calls the provided work function and returns the number of milliseconds 
// that it takes to call that function.
template <class Function>
__int64 time_call(Function&& f)
{
   __int64 begin = GetTickCount();
   f();
   return GetTickCount() - begin;
}

// Computes the nth Fibonacci number.
int fibonacci(int n)
{
   if(n < 2)
      return n;
   return fibonacci(n-1) + fibonacci(n-2);
}

int wmain()
{
   __int64 elapsed;

   // An array of Fibonacci numbers to compute.
   array<int, 4> a = { 24, 26, 41, 42 };

   // The results of the serial computation.
   vector<tuple<int,int>> results1;

   // The results of the parallel computation.
   concurrent_vector<tuple<int,int>> results2;

   // Use the for_each algorithm to compute the results serially.
   elapsed = time_call([&] 
   {
      for_each (begin(a), end(a), [&](int n) {
         results1.push_back(make_tuple(n, fibonacci(n)));
      });
   });   
   wcout << L"serial time: " << elapsed << L" ms" << endl;
   
   // Use the parallel_for_each algorithm to perform the same task.
   elapsed = time_call([&] 
   {
      parallel_for_each (begin(a), end(a), [&](int n) {
         results2.push_back(make_tuple(n, fibonacci(n)));
      });

      // Because parallel_for_each acts concurrently, the results do not 
      // have a pre-determined order. Sort the concurrent_vector object
      // so that the results match the serial version.
      sort(begin(results2), end(results2));
   });   
   wcout << L"parallel time: " << elapsed << L" ms" << endl << endl;

   // Print the results.
   for_each (begin(results2), end(results2), [](tuple<int,int>& pair) {
      wcout << L"fib(" << get<0>(pair) << L"): " << get<1>(pair) << endl;
   });
}

В следующем примере показаны выходные данные, полученные на четырехпроцессорном компьютере.

serial time: 9250 ms
parallel time: 5726 ms

fib(24): 46368
fib(26): 121393
fib(41): 165580141
fib(42): 267914296

Все итерации цикла различаются по продолжительности. Производительность parallel_for_each ограничивается операцией, которая завершается последней. Следовательно, не стоит ожидать линейного повышения производительности системы в зависимости от версий, используемых в данном примере (для последовательных и параллельных вычислений).

Заголовок Description
Параллелизм задач Описывает роль задач и групп задач в PPL.
Параллельные алгоритмы Описывает способы использования алгоритмов параллельной обработки, таких как parallel_for и parallel_for_each.
Параллельные контейнеры и объекты Описывает различные параллельные контейнеры и объекты, предоставляемые PPL.
Отмена в библиотеке параллельных шаблонов Объясняет, как отменить работу, выполняемую алгоритмом параллельной обработки.
Среда выполнения с параллелизмом Описывает среду выполнения с параллелизмом, которая упрощает процесс параллельного программирования и содержит ссылки на соответствующие разделы.