Parallel.For分区

Question

分区是如何完成的，例如

Parallel.For(0, buffer.Length, (i)=> buffer[i] = 0);

我的假设是，对于n核心机器，工作将被划分为n way，而n threads将执行工作负载。这意味着，例如，buffer.Length = 100 and n = 4, each thread will get 0-24, 25-49, 50-74, 75-99块。(100个元素数组是说明分区的一个示例，但请考虑一个包含数百万项的数组。)

这是否合理的假设？请讨论一下。

我注意到，在这个特定的场景中，Array.Clear(...)的执行速度要快得多。你怎么解释这件事？

Answer 1

首先是简单的部分。一个100元素的数组是如此小，它可以很容易地适应一个核心的缓存。此外，清除数组相当于将内存区域设置为0，这是作为CPU命令可用的，因此尽可能快。

事实上，SSE命令和并行优化内存控制器意味着芯片组可能只使用一个CPU命令就可以并行清除内存。

另一方面，Parallel.For引入了一些开销。它必须对数据进行分区，创建适当的任务来处理它们，收集结果并返回最终结果。在Parallel.For下面，运行时必须将数据复制到每个核心，处理内存同步，收集结果等等。在您的示例中，这可能比内存位置零点所需的实际时间要大得多。

事实上，对于小规模的内存，很可能99.999%的开销是内存同步，因为每个内核都试图访问相同的内存页__。请记住，内存锁定在页面级别，您可以在一个4K内存页中安装2K 16位in。

至于PLINQ是如何安排任务的--根据您使用的运算符，使用了许多不同的分区方案。查看LINQ中的分区获得一个很好的介绍。在任何情况下，分区程序将尝试确定分区是否有任何好处，并且可能根本不对数据进行分区。

在您的示例中，分区程序可能会使用远程分区。您的有效负载只使用几个CPU周期，所以您所看到的只是分区、创建任务、管理同步和收集结果的开销。

一个更好的基准是在一个大数组上运行一些聚合，例如。计数和平均数等等。