PLINQ進行AsParallel（）的ForAll（）訪問資源

假設我有一些Particle S IN X，Y空間，我想他們正常化一切，使得平均X和Y是0PLINQ進行AsParallel（）的ForAll（）訪問資源

串行執行：

public void Normalise() 
{ 
    double avgX = 0.0; 
    double avgY = 0.0; 

    foreach (Particle p in Particles) 
    { 
    avgX += p.X; 
    avgY += p.Y; 
    } 

    avgX /= (double)Particles.Count; 
    avgY /= (double)Particles.Count; 

    foreach (Particle p in Particles) 
    { 
    p.X -= avgX; 
    p.Y -= avgY; 
    } 
}

這個工作，而且性能也不錯，因爲它是爲O（n），但它的「易並行」。看看我的PLINQ實現：

public void PNormalise() 
{ 
    double avgX = 0.0; 
    double avgY = 0.0; 

    Particles.AsParallel().ForAll(p => 
    { 
    avgX += p.X; 
    avgY += p.Y; 
    }); 

    avgX /= (double)Particles.Count; 
    avgY /= (double)Particles.Count; 

    Particles.AsParallel().ForAll(p => 
    { 
    p.X -= avgX; 
    p.Y -= avgY; 
    }); 
}

我不確定這裏的性能，但我會想象它會更好。問題是，粒子都是隨機跳躍的。我只能假設avgX和avgY上的+=操作正在相互競爭，儘管它們已經相當原子了。

有什麼我可以做的，以解決它？我不能lock他們，因爲他們不是對象，但我不確定我想要反正因爲不鎖定相當昂貴？

來源

2012-11-19 Ozzah

沒有「相當原子」這樣的東西，一個操作或者是原子的，或者不是。 – svick

可以繞過經由並行LINQ的正常機械鎖的需要（或原子操作）：

var avgX = Particles.AsParallel().Average(p => p.X); 
var avgY = Particles.AsParallel().Average(p => p.Y); 

Particles.AsParallel().ForAll(p => { p.X -= avgX; p.Y -= avgY });

由於求和的數目爲O（N）的操作，我將是如果極爲驚訝這部分時間佔用了很多時間。

來源

2012-11-19 01:13:21

我每天都越來越熱愛LINQ ...... – Ozzah

使用

Particles.AsParallel().ForAll(p => 
{ 
    Interlocked.Add(avgX, p.X); 
    Interlocked.Add(avgY, p.Y); 
}

做一個線程安全的原子加法。欲瞭解更多信息，請參閱Interlocked Class的文檔。

來源

2012-11-19 01:09:11

更好的解決方案可能是做一個並行總和，它會自動爲你處理。 –

'Interlocked.Add'只能重載'（ref int，int）'和'（ref long，long）'，但我使用'double' – Ozzah

實際上，並行化這個O（n） - 算法不會帶來更好的性能，因爲您的內存訪問量與計算指令大致相同。

來源

2012-11-19 01:18:50

I不知道JIT編譯器是否執行它，但它很可能會通過[SSE處理器擴展]（http）將指令更改爲[SIMD指令]（http://en.wikipedia.org/wiki/SIMD）：//en.wikipedia.org/wiki/Streaming_SIMD_Extensions）。 [這是一個博客]（http://blogs.msdn.com/b/davidnotario/archive/2005/08/15/451845.aspx）以及一些關於CLR和擴展的更多信息，如SSE –

是的，但是算法仍然是內存綁定的，所以CPU仍然大部分是空閒的，但是現在它所做的少數工作現在均勻地分佈在其內核中。 –

@MathiasBecher：這樣的O（N）問題實際上對並行性非常好。如果問題規模變得更大，那麼大多數情況下，您可以投入更多硬件來執行與之前類似的操作。我同意，雖然它可能有點微不足道，除非你有類似N = 10^7的東西。 –

PLINQ進行AsParallel（）的ForAll（）訪問資源

回答

相關問題