C++学习系列（13）：C++ 并行算法（Parallel Algorithms）

C++学习系列（13）：C++ 并行算法（Parallel Algorithms）

1. 引言

在现代计算机上，多核 CPU 和 GPU 使并行计算成为提升程序性能的重要手段。C++17 引入了 并行算法（Parallel Algorithms），大大简化了并行编程，使得 标准算法（如 sort、reduce、for_each）能够并行执行，充分利用多线程能力。

本篇博客将介绍：

• C++17 并行算法的基本概念
• 并行执行策略 std::execution::par、par_unseq
• 如何使用并行版本的 std::sort、std::reduce、std::for_each
• 并行算法的性能对比与应用场景

---

2. C++17 并行算法概述

C++17 通过 <execution> 头文件引入了 并行执行策略，用于加速标准算法：

执行策略	说明
std::execution::seq	默认顺序执行（单线程）
std::execution::par	并行执行（多线程）
std::execution::par_unseq	并行 & 向量化执行（可能使用 SIMD 指令）

📌 示例

#include <algorithm>
#include <execution>
#include <vector>
#include <iostream>

int main() {
    std::vector<int> data = {5, 2, 8, 4, 1};

    std::sort(std::execution::par, data.begin(), data.end()); // 并行排序
    for (int n : data) std::cout << n << " ";
}

✅ std::execution::par 并行执行 std::sort，提升排序速度

---

3. std::sort 并行排序

3.1 顺序排序

std::sort(std::execution::seq, data.begin(), data.end()); // 单线程

📌 默认使用单线程执行

3.2 并行排序

std::sort(std::execution::par, data.begin(), data.end()); // 并行排序

📌 多线程加速排序

3.3 par_unseq 并行 + 向量化

std::sort(std::execution::par_unseq, data.begin(), data.end()); // 可能使用 SIMD 加速

📌 适用于 CPU 支持 SIMD（如 AVX 指令集）

---

4. std::reduce 并行累加

C++17 提供 std::reduce() 用于并行累加，比 std::accumulate() 更快。

4.1 传统 std::accumulate

#include <numeric>
#include <vector>
#include <iostream>

int main() {
    std::vector<int> data(1000000, 1);
    int sum = std::accumulate(data.begin(), data.end(), 0); // 单线程
    std::cout << "Sum: " << sum << std::endl;
}

📌 单线程计算，速度较慢

4.2 std::reduce 并行加速

#include <numeric>
#include <execution>
#include <vector>
#include <iostream>

int main() {
    std::vector<int> data(1000000, 1);
    int sum = std::reduce(std::execution::par, data.begin(), data.end()); // 并行计算
    std::cout << "Sum: " << sum << std::endl;
}

✅ 相比 std::accumulate()，std::reduce() 采用 无锁并行执行，更高效

---

5. std::for_each 并行遍历

std::for_each() 可用于 并行处理数组元素。

5.1 顺序执行

std::for_each(std::execution::seq, data.begin(), data.end(), [](int &x) {
    x *= 2;
});

📌 单线程执行

5.2 并行执行

std::for_each(std::execution::par, data.begin(), data.end(), [](int &x) {
    x *= 2;
});

✅ 多线程加速数据处理

---

6. 并行算法性能对比

算法	单线程（seq）	并行（par）	向量化（par_unseq）
std::sort	❌ 较慢	✅ 提升 2~4 倍	✅ 进一步优化
std::reduce	❌ 较慢	✅ 大幅加速	✅ 适用于 SIMD
std::for_each	❌ 较慢	✅ 并行计算	✅ 适合大数据

📌 建议

• 数据量 小（<10000）：单线程（seq）
• 数据量 大（>1000000）：并行（par）
• 计算 向量化（如浮点运算）：par_unseq

---

7. 总结

✅ C++17 并行算法加速计算
✅ std::sort 支持并行排序
✅ std::reduce 替代 std::accumulate，提升性能
✅ std::for_each 并行处理数据
✅ 合理选择执行策略 seq、par、par_unseq

---

📢 下一篇 C++学习系列（14）：C++ 文件操作（文件读写、流操作），敬请期待！🚀

💡 如果你喜欢这篇文章，欢迎点赞、收藏，并关注本系列！