Parallel processing pthread的使用增加了执行时间，建议改进

我有一段代码，看起来像这样

 for(i=0;i<NumberOfSteps;i++)
{
    for(k=0;k<NumOfNodes;k++)
    {

        mark[crawler[k]]++;
        r = rand() % node_info[crawler[k]].num_of_nodes;
        crawler[k] = (int)DataBlock[node_info[crawler[k]].index+r][0];
    }
}

for(i=0;i<NumberOfSteps;i++)
{
    for(k=0;k<NumOfNodes;k++)
    {            
        pthread_mutex_lock( &mutex1 );
        mark[crawler[k]]++;
        pthread_mutex_unlock( &mutex1 );

        pthread_mutex_lock( &mutex1 );
        r = rand() % node_info[crawler[k]].num_of_nodes;
        pthread_mutex_unlock( &mutex1 );

        pthread_mutex_lock( &mutex1 );
        crawler[k] = (int)DataBlock[node_info[crawler[k]].index+r][0];
        pthread_mutex_unlock( &mutex1 );
   }
}

---

for（i=0；i除了循环头之外，没有并行化任何东西。锁定和解锁之间的所有操作都必须按顺序执行。而且，由于锁定/解锁是（可能）昂贵的操作，因此代码变得越来越慢

要解决这个问题，您至少应该将昂贵的计算（没有互斥保护）与访问共享数据区域（使用互斥）分开，然后尝试将互斥移出内部循环

您可以使用原子增量指令（取决于平台），而不是普通的“++”，后者通常比互斥体便宜。但请注意，在并行处理来自不同线程的单个缓存线的数据时，不要经常这样做（请参阅）

AFAICS，您可以按照如下所示重写算法，而不需要互斥体和原子增量。如果numofodes是NumOfThreads的整数倍，则getFirstK（）是numofodes/NumOfThreads*t

for(t=0;t<NumberOfThreads;t++)
{
    kbegin = getFirstK(NumOfNodes, NumOfThreads, t);
    kend   = getFirstK(NumOfNodes, NumOfThreads, t+1);

    // start the following in a separate thread with kbegin and kend 
    // copied to thread local vars kbegin_ and kend_

    int k, i, r;
    unsigned state = kend_; // really bad seed

    for(k=kbegin_;k<kend_;k++)
    {
        for(i=0;i<NumberOfSteps;i++)
        {
            mark[crawler[k]]++;
            r = rand_r(&state) % node_info[crawler[k]].num_of_nodes;
            crawler[k] = (int)DataBlock[node_info[crawler[k]].index+r][0];
        }
    }
}
// wait for threads/jobs to complete

用于（t=0；单独设置互斥锁本身并不能使代码并行。您需要创建多个线程，并为它们分配工作。创建线程的开销以及强制互斥的互斥锁/解锁的开销非常大。请考虑以线程可以尽可能长时间工作的方式对工作进行分区e独立-无需同步。我使用pthread_create（）；生成了多个线程。我不认为有互斥锁会使代码并行化。但这些线程必须跨越边界并在同一组变量上工作。对于
I
（外部循环）或
k
（内部循环），您并行化哪个循环或者两者都有？您最好描述一下如何用pthread并行化您的代码。（我不能肯定，但是
mutex1
lock/unlock实际上可能没有必要…）上面显示的整个代码都在一个函数中。我创建了多个线程来并行执行该函数。我之所以使用互斥体，是因为所有线程都共用elments、mark、DataBlock和node_info。外部for循环无法并行化，因为每个循环本质上都是通过图和内部循环的爬网是实际的爬网。整个爬网过程是跨进程拆分的。
rand（）
不好，因为它修改了共享全局状态（共享源）。最好将
drand48
生成器与私有状态一起使用，即
erand48（3）
库函数。