OpenMP创建线程中的锁及原子操作性能比较

PHP版本对接支付宝支付接口 电脑网站 详细介绍 沙箱环境 超简单易懂 PHP版本对接支付宝支付接口 其实理顺了思路后,按照我接下来的步骤来,真的超级简单啊,为啥有那么多的朋友们折腾了那么久呢,嘿嘿,跟我走吧~ 我是昨天晚上洗完澡之后,大概八九点,才开始正式开工尝试去这一工程的,我去支付宝的蚂蚁金服开放平台里把各个知识点和文档大概都看了一遍,大致弄明白了要怎么操作了,建议大家看看电脑网站开发文档,忙到了夜里十二点左右,成功地用支付宝给的Demo完成了付款操... 阅读详情

 

OpenMP 创建线程中的锁及原子操作性能比较
 
相关文档连接:
 双核CPU上的快速排序效率            
 
在多核 CPU中锁竞争到底会造成性能怎样的下降呢?相信这是许多人想了解的,因此特地写了一个测试程序来测试原子操作,windows CriticalSection, OpenMP的锁操作函数在多核CPU中的性能。
 
原子操作选用 InterlockedIncrement来进行测试,
对每种锁和原子操作,都测试在单任务执行和多任务执行 2000000次加锁解锁操作所消耗的时间。
测试的详细代码见后面。
 
测试机器环境: Intel 2.66G 双核CPU 机器一台
 
测试运行结果如下:
SingleThread, InterlockedIncrement 2,000,000: a = 2000000, time = 78
MultiThread, InterlockedIncrement 2,000,000: a = 2000000, time = 156
SingleThread, Critical_Section 2,000,000:a = 2000000, time = 172
MultiThread, Critical_Section, 2,000,000:a = 2000000, time = 3156
SingleThread,omp_lock 2,000,000:a = 2000000, time = 250
MultiThread,omp_lock 2,000,000:a = 2000000, time = 1063
 
在单任务运行情况下,所消耗的时间如下:
原子操作                 78ms
Windows CriticalSection 172ms
OpenMP 的lock操作        250ms
 
因此从单任务情况来看,原子操作最快, Windows CriticalSection次之,OpenMP库带的锁最慢,但这几种操作的时间差距不是很大,用锁操作比原子操作慢了2~3倍左右。
 
在多个任务运行的情况下,所消耗的时间如下:
 
原子操作                 156ms
Windows CriticalSection 3156ms
OpenMP 的lock操作        1063ms
 
在多任务运行情况下,情况发生了意想不到的变化,原子操作时间比单任务操作时慢了一倍,在两个 CPU上运行比在单个CPU上运行还慢一倍,真是难以想象,估计是任务切换开销造成的。
Windows CriticalSection则更离谱了,居然花了 3156ms,是单任务运行时的18倍多的时间,慢得简直无法想象。
OpenMP的 lock操作比Windows CriticalSection稍微好一些,但也花了1063ms,是单任务时的7倍左右。
 
由此可以知道,在多核 CPU的多任务环境中,原子操作是最快的,而OpenMP次之,Windows CriticalSection则最慢。
 
同时从这些锁在单任务和多任务下的性能差距可以看出,,多核 CPU上的编程和以往的单核多任务编程会有很大的区别。
需要说明的是,本测试是一种极端情况下的测试,锁住的操作只是一个简单的加1操作,并且锁竞争次数达200万次之多,在实际情况中,一由于任务中还有很多不需要加锁的代码在运行,实际情况中的性能会比本测试的性能好很多。
 
 
测试代码如下:
 
// TestLock.cpp : OpenMP 任务中的原子操作和锁性能测试程序。
//
 
#include
#include
#include
#include
#include
 
void TestAtomic()
{
     clock_t t1,t2;
     int      i = 0;
     volatile LONG      a = 0;
 
     t1 = clock();
 
     for( i = 0; i < 2000000; i++ )
     {
         InterlockedIncrement( &a);
     }
    
     t2 = clock();
     printf("SingleThread, InterlockedIncrement 2,000,000: a = %ld, time = %ld/n", a, t2-t1);
 
     t1 = clock();
 
#pragma omp parallel for
     for( i = 0; i < 2000000; i++ )
     {
         InterlockedIncrement( &a);
     }
    
     t2 = clock();
     printf("MultiThread, InterlockedIncrement 2,000,000: a = %ld, time = %ld/n", a, t2-t1);
}
 
void TestOmpLock()
{
     clock_t t1,t2;
     int i;
     int a = 0;
     omp_lock_t    mylock;
 
     omp_init_lock(&mylock);
 
     t1 = clock();
 
     for( i = 0; i < 2000000; i++ )
     {
         omp_set_lock(&mylock);
         a+=1;
         omp_unset_lock(&mylock);
     }
     t2 = clock();
    
     printf("SingleThread,omp_lock 2,000,000:a = %ld, time = %ld/n", a, t2-t1);
 
     t1 = clock();
 
#pragma omp parallel for
     for( i = 0; i < 2000000; i++ )
     {
         omp_set_lock(&mylock);
         a+=1;
         omp_unset_lock(&mylock);
     }
     t2 = clock();
    
     printf("MultiThread,omp_lock 2,000,000:a = %ld, time = %ld/n", a, t2-t1);
 
     omp_destroy_lock(&mylock);
}
 
 
 
void TestCriticalSection()
{
     clock_t t1,t2;
     int i;
     int a = 0;
     CRITICAL_SECTION   cs;
 
     InitializeCriticalSection(&cs);
 
     t1 = clock();
 
     for( i = 0; i < 2000000; i++ )
     {
         EnterCriticalSection(&cs);
         a+=1;
         LeaveCriticalSection(&cs);
     }
     t2 = clock();
 
     printf("SingleThread, Critical_Section 2,000,000:a = %ld, time = %ld/n", a, t2-t1);
 
     t1 = clock();
 
#pragma omp parallel for
     for( i = 0; i < 2000000; i++ )
     {
         EnterCriticalSection(&cs);
         a+=1;
         LeaveCriticalSection(&cs);
     }
     t2 = clock();
 
     printf("MultiThread, Critical_Section, 2,000,000:a = %ld, time = %ld/n", a, t2-t1);
 
     DeleteCriticalSection(&cs);
 
}
 
int main(int argc, char* argv[])
{
 
     TestAtomic();
     TestCriticalSection();
     TestOmpLock();
 
     return 0;
}
 
 


Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1689853


数据分享】中国12.5m数字高程模型(DEM)数据(分省) 数据名称:ALOS 12.5m DEM 数据。数据名称:ALOS 12.5m DEM 数据。数据大小:61.5GB。空间分辨率:12.5m。数据大小:61.5GB。空间分辨率:12.5m。 阅读详情

相关推荐

MatterPort3D 数据集下载

【代码】MatterPort3D 数据集下载。

qq_44106838的博客 6788

OpenMP 原子指令设计与实现

在本篇文章当中主要是深入剖析了 OpenMP 当中各种原子指令的实现原理以及分析了他们对应的汇编程序,OpenMP 在处理 #pragma omp atomic 的时候如果能够使用原子指令完成需求那就直接使用原子指令,否则的话就使用 CAS cmpxchg 指令和 while 循环完成对应的需求。

qq_45537774的博客 1825

Stable-Baselines3性能优化:多环境训练对比指南(DummyVecEnv vs SubprocVecEnv)

本文深入对比了Stable-Baselines3中DummyVecEnv与SubprocVecEnv两种向量化环境的性能差异与应用场景。DummyVecEnv适用于轻量级、步进快的环境,调试友好且开销低;而SubprocVecEnv则通过真正的多进程并行,能显著加速计算密集型环境的训练。文章通过基准测试与决策树,指导开发者根据环境计算成本、CPU核心数等关键因素做出最优选择,以实现训练效率最大化。

weixin_29063979的博客 148

【OpenMP】并行编程和OpenMP

OpenMP的基本操作

weixin_43730667的博客 1262

STM32F103多通道PWM输出避坑指南:TIM1_CH1异常输出的解决方案

本文深入解析STM32F103多通道PWM输出中的TIM1_CH1异常问题,提供从时钟配置到GPIO复用的系统化解决方案。通过黄金法则配置流程和高级调试技巧,帮助开发者快速定位并解决PWM输出不稳定、占空比异常等问题,同时拓展多定时器协同和互补PWM等高级应用场景。

weixin_29194817的博客 119

XCAT集群管理实战:从裸机到节点批量部署

在数据中心与HPC集群运维中,裸机配置与操作系统批量部署是关键环节。PXE引导、IPMI带外管理等基础技术为自动化装机提供了底层支持,而集群管理工具则将这些能力整合为可扩展的运维体系。XCAT作为一款开源集群管理工具,通过数据库驱动的方式统一管理DHCP、TFTP、HTTP等服务,实现从裸机发现、系统安装到电源控制的全流程自动化。本文从XCAT的核心设计出发,详细介绍了环境准备、安装配置、节点定义、镜像分发及常见问题排查,帮助运维人员快速构建高效的集群部署流程,降低规模化管理的复杂度。

weixin_30899023的博客 244

并行计算-OPENMP(windows)

OpenMp提供了对并行算法的高层的抽象描述,程序员通过在源代码中加入专用的pragma来指明自己的意图,由此编译器可以自动将程序进行并行化,并在必要之处加入同步互斥以及通信。它的基本思想是用多个处理器来协同求解同一问题,即将被求解的问题分解成若干个部分,各部分均由一个独立的处理机来并行计算。并行计算系统既可以是专门设计的、含有多个处理器的超级计算机,也可以是以某种方式互连的若干台的独立计算机构成的集群。如果在代码中的该位置定义了没有 num_threads 的并行区域,则返回等于或大于可用线程数的整数。

kgzhwang 2287

4.6 鞅-一致可积,L1收敛(Durrett)答案

概率-理论与实例第五章 答案:6 鞅-一致可积,L1收敛

weixin_40614311的博客 1060

OpenMP Windows 配置指南

概述 OpenMP 是一套支持跨平台共享内存方式的多线程并发的编程 API。目前,主流 C/C++ 编译器,如 gcc、Visual C++ 等都已内建支持 OpenMP,如果你使用的是目前主流且较新的 Linux 发行版,那么使用 gcc 即可编译 OpenMP 程序。但是对于未安装 Visual C++ 的 Windows 用户和使用 Apple LLVM Clang 编译环境的 OS

sun小武 1万+

Jetson Thor平台JP7.0版本96712 GMSL相机驱动调试记录

摘要:本文档记录了在Thor Custom Board (JP7.0GA)上配置GMSL摄像头时遇到的视频流问题及调试过程。问题表现为视频设备(/dev/video11)能正常创建,但获取视频时出现"Internal data stream error",而相同配置在AGX Orin JP6.0上运行正常。通过梳理硬件拓扑、v4l2-ctl测试、提升时钟频率及分析内核日志,发现VI引擎未接收到帧数据包。调试步骤包括检查设备树冲突、调整I2C总线配置、修正通道名称,最终通过屏蔽传感器启动时

jzwjzw19900922的博客 1113

多物理场光学仿真软件:Ansys Lumerical_(8).CHARGE解决方案详解

CHARGE 模块主要用于求解 Poisson 方程和连续性方程,以模拟半导体器件中的电荷分布和载流子输运。通过 CHARGE 模块,可以分析器件的能带结构、载流子浓度、电流密度等关键参数。这些参数对于理解器件的工作原理和优化设计至关重要。

kkchenjj的博客 1394

OpenMP: 创建线程中的锁及原子操作性能比较

相关文档连接:多核编程中的任务随机竞争模式的概率分析多核编程中的任务分组竞争模式           多核编程中的负载平衡难题多核编程中的锁竞争难题多核编程的几个难题及其应对策略(难题一)OpenMP并行程序设计(二)OpenMP并行程序设计(一)双核CPU上的快速排序效率            在多核CPU中锁竞争到底会造成性能怎样的下降呢?相信这是许多人想了解的,因此特地写了一个测试程序来测试

Augusdi的专栏 2758

apt-get update时出现GPG error:... bionic InRelease:The following signatures were invalid: EXPKEYS解决方案

本文主要介绍了apt-get update时出现W: GPG error: … bionic InRelease: The following signatures were invalid: EXPKEYSIG B7B3B788A8D3785C MySQL Release Engineering E: The repository ‘… bionic InRelease’ is not signed.解决方案,希望能对使用Ubuntu系统的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 11万+
上一篇: 多核编程中的任务分组竞争模式
下一篇: 多核编程中的任务随机竞争模式的概率分析
techweb
博客等级 码龄19年 226粉丝 3842原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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