本章主要內容算法
- 線程間劃分數據的技術
- 影響併發代碼性能的因素
- 性能因素是如何影響數據結構的設計
- 多線程代碼中的異常安全
- 可擴展性
- 並行算法的實現
前面主要介紹了併發的數據結構，如今從高層(但也是基本的)考慮，如何使用線程，哪些代碼應該在哪些線程上執行；以及，這將如何影響代碼的清晰度，並從底層細節上了解，如何構建共享數據來優化性能。緩存
1、線程間劃分工做的技術安全
使用線程，可使用全能的線程，用調度器調度；或者使用「專業」線程只專一完成一件事，每一個線程都有分工，或者兩者混合。數據結構
一、在線程處理前對數據進行劃分。多線程
最簡單的並行算法，就是並行化的 std::for_each ：單位數據分配一個線程，各個線程單獨工做不會溝通，在主線程合併。併發
二、遞歸劃分async
（並行算法博客裏面有）快速排序模型性能
三、任務類型劃分優化
分離關注：QT程序將圖像處理交給圖像處理線程，防止界面卡住；主控線程等待用戶操做和線程返回。spa
劃分任務序列：當任務會應用到相同操做序列，去處理獨立的數據項時，就可使用流水線(pipeline)系統進行併發。使用這種方式劃分工做，能夠爲流水線中的每一階段操做建立一個獨立線程。當一個操做完成，數據元素會放在隊列中，以供下一階段的線程提取使用。
這種流水線看起來不能保證每一個線程時刻都有工做，在開頭結尾會有等待。可是一旦流動起來，對瓶頸的數據段加大優化，實現快速移動。舉例：爲了讓視頻可以播放，你至少要保證25幀每秒的解碼速度。一樣的，這些圖像須要有均勻的間隔，纔會給觀衆留有連續播放的感受；一個應用能夠在1秒解碼100幀，不過在解完就須要暫停1s的時候，這個應用就沒有意義了。另外一方面，觀衆能接受在視頻開始播放的時候有必定的延遲。這種狀況，並行使用流水線就能獲得穩定的解碼率。
2、影響併發的因素
一、處理器數量
一個單核16芯的處理器和四核雙芯或十六核單芯的處理器相同：在任何系統上，都能運行16個併發線程。當線程數量少於16個時，會有處理器處於空閒狀態(除非系統同時須要運行其餘應用，不過咱們暫時忽略這種可能性)。另外一方面，當多於16個線程在運行的時候(都沒有阻塞或等待)，應用將會浪費處理器的運算時間在線程間進行切換，這種狀況發生時，咱們稱其爲超額認購。
std::thread::hardware_concurrency() 能夠獲取處理器數目，可是他不會考慮正在運行的其餘線程，很容易超額認購。std::async() 就能避免這個問題，由於標準庫會對全部的調用進行適當的安排。一樣，謹慎的使用線程池也能夠避免這個問題。
二、數據爭用與乒乓緩存
三、超額認購致使的頻繁任務切換
四、僞共享
處理器緩存一般不會用來處理在單個存儲位置，但其會用來處理稱爲緩存行(cache lines)的內存塊。好比：一般int類型的大小要小於一個緩存行，同一個緩存行中能夠存儲多個數據項。每當線程訪問0號數據項，並對其值進行更新時，緩存行的全部權就須要轉移給執行該線程的處理器。而此時雖然緩存行是共享的(即便沒有數據存在)，可是其餘處理器沒有控制權，沒法訪問到數據。所以使用僞共享來稱呼這種方式。
3、提升多線程性能的數據結構
嘗試調整數據在線程間的分佈，就能讓同一線程中的數據緊密聯繫在一塊兒。
嘗試減小線程上所需的數據量。
嘗試讓不一樣線程訪問不一樣的存儲位置，以免僞共享。