为什么4个进程比4个线程更好？

Question

void task1(void* arg) {
    static volatile long res = 1;
    for (long i = 0; i < 100000000; ++i) {
        res ^= (i + 1) * 3 >> 2;
    }
}

4个线程同时工作，在30秒内执行task1 193次。但4个过程同时工作，在30秒内执行task1 348次。为什么会有这么大的差别？我在MacOSX10.7.5，英特尔核心i5 (4个逻辑核)上测试了它。想想看，Windows和Linux的区别是一样的。

Answer 1

res变量是static，这意味着它由同一进程中的所有线程共享。这意味着在四个线程的情况下，一个线程中的res变量的每一个修改都必须对其他线程可用，这通常涉及总线上的某种锁定、一级缓存的失效以及所有其他cpus中的重新加载。

在四个进程的情况下，变量实际上不是由不同的进程共享的，因此它们可以真正并行地运行，而不会相互干扰。

注意，主要的区别不是线程/进程，而是这样一个事实:在一种情况下，每个人都访问相同的变量，而在另一种情况下，每个人访问不同的变量。此外，对于线程，真正的问题不是性能，而是最终结果可能是不正确的事实：

res ^= x;

这不是原子操作，处理器将加载res的旧值，然后在寄存器中修改它并将其写回。如果没有同步原语，多个线程可以加载相同的值，独立地修改它，并将其写回变量，在这种情况下，一些线程的工作将被其他线程覆盖。最终结果将取决于不同线程的执行模式，而不是程序的代码。

要模拟变量的不共享，您需要确保线程中访问不同的缓存行。最简单的更改是从变量中删除static限定符，这样每个线程都将更新它自己的堆栈中的变量，与其他线程的变量位于不同的内存地址，并希望映射到不同的缓存行。另一个选项是将四个变量放在一起创建，但在它们之间添加足够的填充，以便将它们扩展到不同的缓存行：

struct padded_long {
    volatile unsigned long res;
    char [CACHE_LINE_SIZE - sizeof(long)]; // Find this in your processor documentation
};
void f(void *) {
   static padded_long res[4];
   // detect which thread is running based on the argument and use res[0]..res[3]
   // for the different threads

Answer 2

这是一个进程中所有线程的一个变量：

static volatile long res = 1;

因此，如果您只在四个进程中的每个进程中运行一个线程，那么您就有四个不同的"res“存在于不同的内存中。在线程处理的情况下，"res“对于所有四个线程都是相同的变量，因此每次更新时，其他三个处理器都必须使其副本失效(摆脱)，并从上次更新它的处理器中获取一个新的。一切都变慢了。如果您实际上想要更新每个线程的变量，我建议您这样做：

void task1(void* arg) {
    volatile long* res = const_cast<volatile long *>(
           reinterpret_cast<long *>(arg));
    for (long i = 0; i < 100000000; ++i) {
        res ^= (i + 1) * 3 >> 2;
    }
}

并从内存的不同部分传入不同的long (例如，使用new long生成每个线程的唯一地址)。