建议89:在并行方法体中谨慎使用锁

并行编程中的锁使用
本文探讨了在并行编程中使用锁的注意事项,尤其是在长时间锁定共享资源的情况下。介绍了如何利用Interlocked类来提高整型数据同步的效率,并通过实例说明了不当使用锁可能带来的性能问题。

建议89:在并行方法体中谨慎使用锁

除了建议88所提到的场合,要谨慎使用并行的情况还包括:某些本身就需要同步运行的场合,或者需要较长时间锁定共享资源的场合。

在对整型数据进行同步操作时,可以使用静态类Interlocked的Add方法,这就极大地避免了由于进行原子操作长时间锁定某个共享资源所带来的同步性能损耗。回顾建议83中的例子。

复制代码
static void Main(string[] args)  
{  
    int[] nums = new int[] { 1, 2, 3, 4 };  
    int total = 0;  
    Parallel.For<int>(0, nums.Length, () =>
        {  
            return 1;  
        }, (i, loopState, subtotal) =>
        {  
            subtotal += nums[i];  
            return subtotal;  
        },  
        (x) => Interlocked.Add(ref total, x)  
        );  
    Console.WriteLine("total={0}", total);  
    Console.ReadKey();  
} 
复制代码

理论上,针对total的加法操作,需要使用一个同步锁,否则就无法避免一次torn read(即两次mov操作所导致的字段内存地址边界对齐问题)。FCL通过提供Interlocked类型解决了这个问题。FCL用来解决简单类型的原子性操作还提供了volatile关键字。不过这些都不是本建议所要讨论的重点。FCL现有的原子性操作为我们同步整型数据的时候,带来了性能上的提高。但是,在其他一些场合,我们却不得不考虑因为同步锁带来的损耗。

来看一个例子:

复制代码
static void Main(string[] args)  
{  
    SampleClass sample = new SampleClass();  
    Parallel.For(0, 10000000, (i) =>
    {  
        sample.SimpleAdd();  
    });  
    Console.WriteLine(sample.SomeCount);  
}  
 
class SampleClass  
{  
    public long SomeCount { get; private set; }  
 
    public void SimpleAdd()  
    {  
        SomeCount++;  
    }  
} 
复制代码

这段代码的输出或许是:
8322580

显然,这与我们的期待输出10000000有很大的差距。为了保证输出正确,必须为并行中的方法体加锁(假设SampleClass是外部提供的API,无权进行源码修改在其内部加锁):

复制代码
object syncObj = new object();  
Parallel.For(0, 10000000, (i) =>
{  
    lock (syncObj)  
    {  
        sample.SimpleAdd();  
    }  
}); 
复制代码

经过以上修改后,代码输出就正确了。但是,这段代码也带来了另外的问题。由于锁的存在,系统的开销也增加了,同步带来的线程上下文切换,使我们牺牲了CPU时间与空间性能。简单地说,就是这段代码还不如不用并行。在建议73中曾经提到过,锁其实就是让多线程变成单线程(因为同时只允许有一个线程访问资源)。所以,我们需要谨慎地对待并行方法中的同步问题。如果方法体的全部内容都需要同步运行,就完全不应该使用并行。

 

 

转自:《编写高质量代码改善C#程序的157个建议》陆敏技

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值