多线程向量加法与 DotProduct 性能分析

在计算机体系结构的实验室第六课中，CodiMD1主要关注了两个实验：向量加法（VectorAddition）和点积（DotProduct）。这两个实验涉及到多线程编程和并行计算，目的是理解并比较不同并发策略对性能的影响。 实验1：向量加法（method_1 vs method_2 vs method_3） 在这个实验中，参与者首先研究了两个版本的向量加法方法：method_1和method_2。method_1没有利用并行化，而method_2则通过OpenMP并行化，将工作负载分布在多个线程中。当增加线程数时，method_1的运行时间显著增长，原因是线程间的内存竞争导致缓存命中率降低，内存访问延迟增加。相比之下，method_2的性能随着线程数增加而提升，因为它减少了单个线程对共享数据的竞争。 method_3试图改进method_1的性能，通过智能地分割数组，每个线程处理一部分，避免了全局数组的直接读写冲突。在提供的代码中，`#pragma omp parallel`用于开启并行区域，实现了某种程度的负载均衡。结果显示，method_3虽然在某些情况下接近method_2，但并未完全达到同等性能，尤其是在低线程数时，可能由于任务调度和线程上下文切换的影响。 实验2：点积（DotProduct） 实验2涉及编译和运行一个计算向量点积的程序，这同样是一个适合并行化的任务。这个部分可能会探讨如何优化算法和代码以充分利用多核处理器的性能，比如使用SIMD指令或者数据并行计算，以及如何调整编译选项来启用适当的优化。 总结来说，本实验室旨在让学生理解并行计算的基本原理，如线程同步、数据竞争和缓存效应，并通过实际操作掌握如何设计和优化多线程程序以提高性能。通过对比不同方法，学生能够学习到如何平衡任务分解、内存访问和线程管理，以达到更好的并行计算效果。此外，实验室还强调了在实际编程实践中，性能分析和调优的重要性。