如下代码为什么在4线程下性能和2线程几乎一样？

[MagiSu]

我用的是Intel i5的CPU，下面的代码没有线程通信，单线程大约1sec完成，2线程0.6秒左右完成，增加更多的线程无法让代码速度得到提升。我认为是内存的瓶颈作用。如何克服之？ 谢谢指教！
#include <sys/time.h>
#include <stdlib.h>
#include <stdio.h>
#include <pthread.h>

#define NUM_DATA 50000000
#define THREADS 1
#define BLOCK_LEN NUM_DATA/THREADS

double* data,*data1;

void* work_thread(void* pindex)
{
int index=*reinterpret_cast<int*>(pindex);
for(int j=0;j<5;++j)
{
for(int i=index;i<index+BLOCK_LEN;++i)
data1[i]=1.0/data[i];
data[j]+=0.01;
}
}

void work(void)
{
pthread_t ntid[THREADS];
void* pret;
int index[]={
0,
0+BLOCK_LEN,
0+2*BLOCK_LEN,
0+3*BLOCK_LEN
};
// create threads
for(int i=0;i<THREADS;++i)
{
int error;
error=pthread_create(&ntid[i],NULL,work_thread,&index[i]);
if (error!=0)
{
fprintf(stderr,"Fail to create thread %d\n",i);
exit(0);
}
}
for(int i=0;i<THREADS;++i)
pthread_join(ntid[i],&pret);
}

int main(void)
{
data=(double*) malloc(sizeof(double)*NUM_DATA);
data1=(double*) malloc(sizeof(double)*NUM_DATA);

if (data==NULL)
exit(1);

for(int i=0;i<NUM_DATA;++i)
data[i]=i+0.5;

struct timeval start, end;

gettimeofday(&start, NULL);

work();

gettimeofday(&end, NULL);
printf("%ld\n", ((end.tv_sec * 1000000 + end.tv_usec)
- (start.tv_sec * 1000000 + start.tv_usec)));

double value(0.0);
for(int i=0;i<NUM_DATA;++i)
{
value+=data1[i];
}

printf("%f\n",value);
}

[lvyinghong]

你的i5才是两个核而已，不知道在真正的4核cpu上是什么表现

[洞凡都都]

double* data,*data1,你针对一个集合操作，你试一下多个不同的集合，而且要针对稍大的数据量，从处理业务来说，处理量太小，都消耗到波动的堆椎里了。

[MagiSu]

[Quote=引用 2 楼 wxj505382 的回复:]

double* data,*data1,你针对一个集合操作，你试一下多个不同的集合，而且要针对稍大的数据量，从处理业务来说，处理量太小，都消耗到波动的堆椎里了。
[/Quote]
能解释一下么？

[MagiSu]

[Quote=引用 1 楼 lvyinghong 的回复:]

你的i5才是两个核而已，不知道在真正的4核cpu上是什么表现
[/Quote]

i5有双核和四核两种，我用的是4核的。

另外我转到服务器上的48核系统里，同样也是两核最快。

[超级大笨狼]

开辟线程是耗费代价的，你要做的事情一定要远比开一个线程的时间要长，才值得。

比如，为了演示你的狗训练有素，你放三条狗，同时去花10分钟左右抓耗子值得。
但是，只为了他走2步，就回来，松狗，收狗的时间，比依次牵着狗走2步还麻烦。

依次牵着狗是单线程。
松开狗是多线程。

[MagiSu]

[Quote=引用 5 楼 superdullwolf 的回复:]

开辟线程是耗费代价的，你要做的事情一定要远比开一个线程的时间要长，才值得。

比如，为了演示你的狗训练有素，你放三条狗，同时去花10分钟左右抓耗子值得。
但是，只为了他走2步，就回来，松狗，收狗的时间，比依次牵着狗走2步还麻烦。

依次牵着狗是单线程。
松开狗是多线程。
[/Quote]

我的代码里开线程消耗的时间基本上可以忽略吧。VTune上看来是可以忽略的。

[Intel_CG]

1.
void* work_thread(void* pindex)
{...
data[j]+=0.01; //有data race, 数据竞争访问错误。
...}

2. 用Vtune Amplifier检测LOAD_BLOCK.OVERLAP_STORE事件，如果该值过高，需改程序，使各线程访问数据的首地址相差非4K的整数倍。（The load and store have the same offset relative to the beginning of different 4K pages. This case is also called 4 K aliasing. ）

[MatrixLife]

　　i5是双核带超线程，在Windows里显示的是4核，但是真正可以互不相干并行的只能两个线程。超线程还没达到接近2倍的并行性能。
　　创建线程的开销不如想象中的小。最好一次性创建出来或者用线程池。
　　放到多核系统里没有加速的主要原因是没有设置“核心亲近度”，各个线程还是有竞争多个核心的现象，混乱之下反而不会很快。设置核心亲近度用"SetThreadAffinity"，每个线程分配到一个单独的核心上。然后线程里的代码尽量无关联，N核系统的并行加速可以接近N倍。这个N是硬核心数，而不是带超线程的。
　　这个希望有帮助：http://blog.csdn.net/lv_ximing/article/details/7093566，我还没见过 48 Cores 的系统能加速到多少，你可以按这方法测一下。