Biblioteca de padrões paralelos (PPL)
Os padrões PPL (biblioteca paralelo) fornece um modelo de programação imperativo que promove a escalabilidade e a facilidade de uso para o desenvolvimento de aplicativos simultâneos. A PPL aprimora os componentes de gerenciamento de recursos e agendamento do tempo de execução de simultaneidade. Ele aumenta o nível de abstração entre o código do aplicativo e o mecanismo subjacente de threading, fornecendo algoritmos genéricos e de tipo seguro e contêineres que atuam em dados em paralelo. A PPL permite desenvolver aplicativos que dimensionar fornecendo alternativas para estado compartilhado.
O Classe task e tipos relacionados que são definidos em ppltasks são portáteis em plataformas. Os contêineres e algoritmos paralelos não são portáteis.
A PPL fornece os seguintes recursos:
Paralelismo de tarefas: um mecanismo para executar vários itens de trabalho (tarefas) em paralelo
Paralelo algoritmos: algoritmos genéricos que atuam em coleções de dados em paralelo
Paralelo contêineres e objetos: tipos de contêiner genérico que fornecem seguro acesso simultâneo aos seus elementos
Exemplo
A PPL fornece um modelo de programação que se parece com o modelo Biblioteca STL (Standard). O exemplo a seguir demonstra vários recursos da PPL. Ele calcula vários números Fibonacci em série e em paralelo. Ambas as computações agir em um std:: array objeto. O exemplo também imprime no console o tempo necessário para executar ambas as computações.
A versão serial usa STL std::for_each algoritmo para atravessar a matriz e armazena os resultados em uma std:: Vector objeto. A versão paralela executa a mesma tarefa, mas usa a PPL Concurrency:: parallel_for_each algoritmo e armazena os resultados em uma concurrency::concurrent_vector objeto. O concurrent_vector classe permite que cada iteração do loop simultaneamente adicionar elementos sem a necessidade de sincronizar o acesso de gravação ao contêiner.
Como parallel_for_each age simultaneamente, a versão paralela deste exemplo deve classificar o concurrent_vector objeto para produzir os mesmos resultados que a versão serial.
Observe que o exemplo usa um método simples para calcular números Fibonacci; No entanto, esse método ilustra como o tempo de execução de simultaneidade pode melhorar o desempenho de computações longos.
// parallel-fibonacci.cpp
// compile with: /EHsc
#include <windows.h>
#include <ppl.h>
#include <concurrent_vector.h>
#include <array>
#include <vector>
#include <tuple>
#include <algorithm>
#include <iostream>
using namespace concurrency;
using namespace std;
// Calls the provided work function and returns the number of milliseconds
// that it takes to call that function.
template <class Function>
__int64 time_call(Function&& f)
{
__int64 begin = GetTickCount();
f();
return GetTickCount() - begin;
}
// Computes the nth Fibonacci number.
int fibonacci(int n)
{
if(n < 2)
return n;
return fibonacci(n-1) + fibonacci(n-2);
}
int wmain()
{
__int64 elapsed;
// An array of Fibonacci numbers to compute.
array<int, 4> a = { 24, 26, 41, 42 };
// The results of the serial computation.
vector<tuple<int,int>> results1;
// The results of the parallel computation.
concurrent_vector<tuple<int,int>> results2;
// Use the for_each algorithm to compute the results serially.
elapsed = time_call([&]
{
for_each (begin(a), end(a), [&](int n) {
results1.push_back(make_tuple(n, fibonacci(n)));
});
});
wcout << L"serial time: " << elapsed << L" ms" << endl;
// Use the parallel_for_each algorithm to perform the same task.
elapsed = time_call([&]
{
parallel_for_each (begin(a), end(a), [&](int n) {
results2.push_back(make_tuple(n, fibonacci(n)));
});
// Because parallel_for_each acts concurrently, the results do not
// have a pre-determined order. Sort the concurrent_vector object
// so that the results match the serial version.
sort(begin(results2), end(results2));
});
wcout << L"parallel time: " << elapsed << L" ms" << endl << endl;
// Print the results.
for_each (begin(results2), end(results2), [](tuple<int,int>& pair) {
wcout << L"fib(" << get<0>(pair) << L"): " << get<1>(pair) << endl;
});
}
A seguinte saída de exemplo é para um computador com quatro processadores.
Cada iteração do loop requer uma quantidade diferente de tempo para concluir. O desempenho de parallel_for_each é limitada pela operação de conclusão da última. Portanto, você não deve esperar melhorias de desempenho linear entre as versões seriais e paralelas deste exemplo.
Tópicos relacionados
Título |
Descrição |
---|---|
Descreve a função de tarefas e grupos de tarefas no PPL. |
|
Descreve como usar os algoritmos paralelos, como parallel_for e parallel_for_each. |
|
Descreve os vários contêineres paralelos e objetos que são fornecidos pelo PPL. |
|
Explica como cancelar o trabalho que está sendo executado por um algoritmo paralelo. |
|
Descreve o tempo de execução de simultaneidade, que simplifica a programação paralela e contém links para tópicos relacionados. |