C++ 如何避免大量锁？

让

arr

声明如下

std::vector<std::vector<int>> arr(10,000,000);

std::vector<omp_lock_t> locks(10,000,000);

我使用openmp并定义一个锁数组，如下所示

std::vector<std::vector<int>> arr(10,000,000);

std::vector<omp_lock_t> locks(10,000,000);

这种方法在我的机器（windows linux子系统）中有效。但是我发现下面的帖子

这就引起了人们的关注：我是否使用了太多的锁，我的程序可能无法在其他平台上运行（那些限制了锁数量的平台）

我想知道是否还有另一种方法，我仍然拥有与上面相同的控制粒度，并且它没有允许的数量上限。我可以使用比较和交换之类的东西吗？

根据，

omp\u lock\u t

表示“一个简单的锁”。我想这是某种自旋锁。因此，您不需要关心多个互斥体的限制。（互斥体需要与内核/调度程序进行一些交互，这可能是限制其计数的原因。）

omp\u lock\t

使用单个内存位置，这对于自旋锁很好。例如，这个实时演示显示，

omp\u lock\t

只需要4个字节，而

std:：mutex

40个字节：

请注意，自旋锁可以用一个字节实现，即使是用一个位（

BTS

在x86_64上）。因此，您可以在内存中进一步压缩锁。然而，我会小心使用这种方法，因为它会带来重大的虚假共享问题

我认为你的解决方案很好。由于关键部分的操作应该非常快，而且多个线程在同一时刻访问同一元素的可能性很低，因此我认为自旋锁是一个合适的解决方案

编辑

---

正如评论中指出的，简单锁一词可能并不意味着锁实际上是一个自旋锁。由OpenMP实现决定将使用哪种类型的锁。然后，如果您想确保使用的是真正的自旋锁（我仍然认为它是合适的），您可以编写自己的自旋锁，或者使用提供自旋锁的库。（请注意，高效的自旋锁实现并没有那么简单。例如，它需要在加载/读取操作上自旋，而不是在交换/测试和设置上自旋，这通常是幼稚的实现所做的。）

一些可能的解决方案

如果您使用的是支持事务同步扩展（TSX）的现代英特尔处理器，则可以使用单个推测锁。（请参阅[您可能错过的两个小型OpenMP功能][1]）。这显示了一个非常相似的用例

您可以使用较小的锁数组，并使用哈希将数组索引映射到锁集中。 类似这样的东西（未经测试且未编译！）

---

这真的取决于你想做什么。在最简单的场景中，您可以只使用

std:：atomic_int

。在“//updatea[i]”期间您会做什么？简单一点。当只有一把锁时，你不喜欢什么？为什么不使用和？您可以决定为1024个元素的片段使用互斥锁。在Linux上，请参阅，您在

//更新a[i]

中所做工作的源代码对于这个问题至关重要。对我来说，单独锁定每个int似乎是一种严重的过度使用。两个线程是否可能同时访问相同的值？OpenMP锁的实现完全取决于系统。标准中的“简单锁”仅仅意味着它不是递归（计数）锁或读写器锁。您不能假设

omp\u lock\t

未使用基础系统锁实现。omp锁的大小也未指定。如果您切换到LLVM，您将看到

sizeof（omp\u lock\u t）==sizeof（void*）

，因此可以在其中存储指向任意存储量的指针。“单一内存位置”也可能是锁表的索引…@JimCownie你是对的，我相应地更新了答案。我甚至检查了LLVM实现，似乎有一些条件编译可以选择锁的类型，而不仅仅是在编译时。看看KMP_LOCK_令人羡慕的那种。

// Allocate and initialise the lock array, wherever you have that!
    enum { ln2NumLocks = 10,
           NumLocks = 1<<ln2NumLocks }
    omp_lock_t locks[NumLocks];
    for (int i=0; i<NumLocks; i++)
        omp_init_lock(&locks[i]);

// Hash from array index to lock index. What you have here
// probably doesn't matter too much. It doesn't need to be
// a crypto-hash!
int mapToLockIdx(int arrayIdx) {
    return ((arrayIdx >> ln2NumLocks) ^ arrayIdx) & (numLocks-1);
}

// Your loop is then something like this
#pragma omp parallel for schedule(dynamic)
for (const auto [x, y] : XY) {
    auto lock = &locks[mapToLock(x)]; 
    omp_set_lock(lock);
    arr[x].push_back(y);
    omp_unset_lock(lock);
} 

  [1]: https://www.openmp.org/wp-content/uploads/SC18-BoothTalks-Cownie.pdf