編程邏輯 - 拆分線程之間的任務

Question

假設您想要5個線程同時處理數據。還假設，你有89個任務要處理。

離開蝙蝠你知道89/5 = 17其餘爲4.分離任務的最好方法是讓4個（餘數）線程處理每個18（17 + 1）個任務，然後有1個（＃線程 - 餘數）線程處理17.

這將消除其餘部分。只是爲了驗證：

Thread 1: Tasks 1-18 (18 tasks) 
Thread 2: Tasks 19-36 (18 tasks) 
Thread 3: Tasks 37-54 (18 tasks) 
Thread 4: Tasks 55-72 (18 tasks) 
Thread 5: Tasks 73-89 (17 tasks) 

給你總共完成89個任務。

我需要一種獲得每個線程的開始和結束範圍的數學/可編程性的方法;其中，以下應打印我上面列出的確切的事情：

$NumTasks = 89 
$NumThreads = 5 
$Remainder = $NumTasks % $NumThreads 
$DefaultNumTasksAssigned = floor($NumTasks/$NumThreads) 

For $i = 1 To $NumThreads 
    if $i <= $Remainder Then 
     $NumTasksAssigned = $DefaultNumTasksAssigned + 1 
    else 
     $NumTasksAssigned = $DefaultNumTasksAssigned 
    endif 
    $Start = ?????????? 
    $End = ?????????? 
    print Thread $i: Tasks $Start-$End ($NumTasksAssigned tasks) 
Next 

這也應該適用於任何數量的$NumTasks。

注意：請堅持回答手邊的數學，避免暗示或假設情況。

Answer 1

我第二次將哈爾頓的話。您可以一次只給一個任務提供一個任務（或者一次執行幾個任務，具體取決於是否有大量開銷，即，相對於啓動/回收線程的成本，個別任務通常以非常快的速度完成）。你的後續評論有效地解釋了你的「線索」帶來了巨大的創造成本，因此你希望儘可能多地爲它們提供一次工作，而不是浪費時間創造新的「線程」，每個線程都需要少量的工作。

反正...要去math question ...

如果你想分配任務只有一次，下面的公式，插代替的了?????????在你的邏輯，應該做的伎倆：

$Start = 1 
     + (($i -1) * ($DefaultNumTasksAssigned + 1) 
     - (floor($i/($Remainder + 1)) * ($i - $Remainder)) 
$End = $Start + $NumTasksAssigned -1 

的公式如下解釋：
    1是一個事實，即顯示器/邏輯是一個基於不從零開始
   第二項是因爲我們通常在每次迭代中添加（$ DefaultNumTasksAssigned + 1）。
   第三項爲前幾次迭代提供了一個修正。
     它的第一部分，(floor($i/($Remainder + 1))提供0至$我到達的第一個線程
     不接受一個額外的任務，此後1。
     第二部分表達了我們需要糾正多少。

爲$結束的公式是更加容易，唯一的招是減1，這是因爲開始值和結束值是包含性的（因此，例如，1之間的19有19個任務不是18）

的以下邏輯的稍微修改一塊也應該工作，避免了通過保持$開始變量的運行選項卡，而不是每次都重新計算它的「神奇」的公式..

$NumTasks = 89 
$NumThreads = 5 
$Remainder = $NumTasks % $NumThreads 
$DefaultNumTasksAssigned = floor($NumTasks/$NumThreads) 
$Start = 1 
For $i = 1 To $NumThreads 
    if $i <= $Remainder Then // fixed here! need <= because $i is one-based 
     $NumTasksAssigned = $DefaultNumTasksAssigned + 1 
    else 
     $NumTasksAssigned = $DefaultNumTasksAssigned 
    endif 
    $End = $Start + $NumTasksAssigned -1 
    print Thread $i: Tasks $Start-$End ($NumTasksAssigned tasks) 

    $Start = $Start + $NumTasksAssigned 
Next 

這裏是上面的一個Python轉錄

>>> def ShowWorkAllocation(NumTasks, NumThreads): 
... Remainder = NumTasks % NumThreads 
... DefaultNumTasksAssigned = math.floor(NumTasks/NumThreads) 
... Start = 1 
... for i in range(1, NumThreads + 1): 
...  if i <= Remainder: 
...  NumTasksAssigned = DefaultNumTasksAssigned + 1 
...  else: 
...  NumTasksAssigned = DefaultNumTasksAssigned 
...  End = Start + NumTasksAssigned - 1 
...  print("Thread ", i, ": Tasks ", Start, "-", End, "(", NumTasksAssigned,")") 
...  Start = Start + NumTasksAssigned 
... 
>>> 
>>> ShowWorkAllocation(89, 5) 
Thread 1 : Tasks 1 - 18 (18) 
Thread 2 : Tasks 19 - 36 (18) 
Thread 3 : Tasks 37 - 54 (18) 
Thread 4 : Tasks 55 - 72 (18) 
Thread 5 : Tasks 73 - 89 (17) 

>>> ShowWorkAllocation(11, 5) 
Thread 1 : Tasks 1 - 3 (3) 
Thread 2 : Tasks 4 - 5 (2) 
Thread 3 : Tasks 6 - 7 (2) 
Thread 4 : Tasks 8 - 9 (2) 
Thread 5 : Tasks 10 - 11 (2) 
>>> 

>>> ShowWorkAllocation(89, 11) 
Thread 1 : Tasks 1 - 9 (9) 
Thread 2 : Tasks 10 - 17 (8) 
Thread 3 : Tasks 18 - 25 (8) 
Thread 4 : Tasks 26 - 33 (8) 
Thread 5 : Tasks 34 - 41 (8) 
Thread 6 : Tasks 42 - 49 (8) 
Thread 7 : Tasks 50 - 57 (8) 
Thread 8 : Tasks 58 - 65 (8) 
Thread 9 : Tasks 66 - 73 (8) 
Thread 10 : Tasks 74 - 81 (8) 
Thread 11 : Tasks 82 - 89 (8) 
>>> 

Answer 2

爲什麼？而是預先確定調度順序，將所有任務放在隊列中，然後讓每個線程在準備就緒時將它們逐個拉出。那麼你的任務將基本上「儘可能快」地運行。

如果您預先分配了，那麼一個線程可能會進行特別長的處理並阻止其後的所有任務的運行。使用隊列，隨着每個任務完成並且線程釋放，它抓住下一個任務並繼續前進。

把它想象成一個銀行，每個櫃員一條線，一條線和很多出納員。在前者中，你可能會被卡在存錢幣的人的後面，並逐個計算出來，後者可以到達下一個可用的出納員，而PocketChange先生卻數不勝數。

Answer 3

我想你已經solved the wrong half of your problem。

這將是幾乎不可能精確地確定它會完成所有任務的時間，除非以下所有條件都爲真：

• 你的任務是100％的CPU綁定的：那就是，他們使用100％的CPU運行時，並不需要做任何I/O
• 沒有你的任務以任何方式與任何您的其他任務同步
• 你有一樣多的線程，你有CPU的
• 運行這些任務的計算機未執行同時

在實踐紐約其他有趣的任務，大多數的時候，你的任務是I/O密集型而非CPU密集型的：那就是，你在等待一些外部資源，如從閱讀一個文件，從數據庫中取出或與遠程計算機通信。在這種情況下，你只會通過增加更多的線程來讓事情變得更糟，因爲它們都在爭奪相同的稀缺資源。最後，除非你有一些非常奇怪的硬件，否則你不可能真正有5個線程同時運行。 （通常處理器配置至少有兩個倍數）。如果你的任務是CPU限制的，通常情況下，每個CPU的最佳位置約爲1個線程，如果任務花費了一半的CPU時間，一半的時間在做IO等

tl; dr：我們需要知道更多關於您的任務和硬件的樣子，然後才能就此問題爲您提供建議。