Machine learning 对于并行执行和内存共享，是否有pthreads for linux的替代方案？ 我编写了一个使用p螺纹库的C++ Linux应用程序。但它对我不起作用，因为它没有启动100个线程，而是只启动了98个线程： 除了“fork”之外，还有其他方法可以并行化我的代码吗？线程的一个优点是，我共享了所有的全局变量，并且可以将互斥体放在需要编写共享变量的地方

除了“fork”之外，还有其他方法可以并行化我的代码吗

<> > <代码> STD:：线程，这里的C++用户往往倾向于告诉人们使用PthPro代替。但是，这很可能是在较低级别的线程库上实现的，最有可能是在首先提供pthreads的系统上的pthreads

也有OpenMP，但这也是围绕较低级别线程机制的包装

除了通过多线程进行并行化之外，唯一可用的替代方法是通过多个进程进行并行化，这就是我所指的

fork

线程的一个优点是，我共享了所有的全局变量，并且可以将互斥体放在需要编写共享变量的地方

可以在多个进程之间共享内存，也可以在进程之间共享互斥体。这比仅仅使用一个常规的共享变量要复杂一些，但也不是那么简单。这种机制被称为“共享内存”，在POSIX世界中有两种风格：较旧的，所谓的SystemV共享内存段，以及较新的POSIX共享内存

---

但是，我建议，更好的解决方案可能只是减少线程的数量。在大多数机器上，100个线程对于并行计算来说太多了，因为真正的并发性受到机器的执行单元（核心）数量的限制。如果您希望线程在相当长的一段时间内定期阻塞I/O（在不同的文件上），那么多线程可能会有一定的意义，但即使这样，100个线程也可能超出了合理的阈值。如果争用执行时间的线程比调度它们的执行单元多，那么性能可能会比线程少时差。

我有个问题。即使有10个线程，当我要求启动10个线程时n@FilippoPortera，在这种情况下，我倾向于怀疑您启动线程的方式有问题，或者您计算线程的方式有问题。也可能是线程函数中的某些东西让一些线程在启动后立即终止。这将是一个不同问题的主题，如果你想得到有用的答案，你需要提供一个与这样一个问题相关的答案。