您是否使用多核来提高速度？你做了什么，值得付出努力吗？

Question

所以在发布这篇文章之前，我没有看对位置。

I was looking at the result of the computer language benchmark game:

<http://shootout.alioth.debian.org/u32q/index.php>

And it seems that most of the fastest solutions are still C/C++ using just 
a single core of the 4 core machine that runs the tests.

I was wondering if multi-core is worth it at all for single tasks or if you 
really need some more speed just tune up your code, rewrite in C/C++ instead.

当你点击完整的基准测试链接，比如：http://shootout.alioth.debian.org/u32q/benchmark.php?test=knucleotide&lang=all，很明显，相当多的解决方案使用了多核。

听到你的个人经历还是很有趣的：

您是否成功地使用了4个或8个内核来实际提高单个任务的性能？

您使用了什么工具/语言？

改进幅度有多大？

这样的努力值得吗？

Answer 1

，似乎最快的解决方案仍然是C/C++，只使用运行测试的4核机器中的一个核。

不，并不是所有代码都是这样的。事实上，在我看过的代码中，都使用了多个并行线程，因此使用了多个内核。事实上，一些(例如k-nucleotide)使用像OpenMP (或者，同样有趣的是，SSE parallelization)这样的奇特架构来帮助并行化。

编辑事实上，对于每个问题，最快的C++解决方案都使用并行线程，但有三个例外：

由于随机生成器的使用，

1. fasta benchmark，很难(但完全有可能)并行化usage.
2. pidigits，使用GMP library.
3. n-body，可能是parallelized.

…大多数其他解决方案也使用SSE2支持。

Answer 2

为了在多核系统上提高单个任务的性能，您必须将任务设计为拆分成不同的部分(ala mapreduce)，并将每个部分交给不同的核心。很多程序都会做这样的事情，而且确实提高了性能。

一些压缩算法目前支持多个处理器，例如7zip。做这样的事情并不是很困难，但是如果你的任务不能分解成协作的部分，你将不会从多个核心得到任何帮助。

Answer 3

这实际上取决于算法的工作方式和您正在处理的数据集的大小，即它是否在多个核心之间具有良好的伸缩性。保持在同一个核心上会给你带来很多好处，包括利用处理器流水线以及使用寄存器和缓存--所有这些都非常快。

随着多核在未来变得越来越重要，我们可能会看到一些有趣的跨核优化。