Performance 你使用多核的速度？你做了什么，值得付出努力吗？

所以在发布这篇文章之前，我没有看到正确的位置

I was looking at the result of the computer language benchmark game:

<http://shootout.alioth.debian.org/u32q/index.php>

And it seems that most of the fastest solutions are still C/C++ using just 
a single core of the 4 core machine that runs the tests.

I was wondering if multi-core is worth it at all for single tasks or if you 
really need some more speed just tune up your code, rewrite in C/C++ instead.

我在看计算机语言基准游戏的结果：
而且似乎大多数最快的解决方案仍然是C/C++使用的
运行测试的4核机器的单核。
我想知道，单任务使用多核是值得的，还是
真的需要更多的速度，只需调整代码，改为用C/C++重写即可。

当你点击完整的基准链接时，比如：很明显，很多解决方案都使用多核

听到你的个人经历还是很有趣的：

为了提高单个任务的性能，您是否成功地使用了4个或8个内核

你使用了什么工具/语言

进步有多大

---

值得付出努力吗？

为了提高多核系统上单个任务的性能，您必须将任务设计为分成不同的部分（ala mapreduce），并将每个部分交给不同的核心。很多程序都是这样做的，它确实提高了性能

---

一些压缩算法目前支持多个处理器，如7zip。这样做并不十分困难，但如果您的任务不能分解为多个协作部分，您将无法从多个核心获得任何帮助。

为了提高多核系统上单个任务的性能，您必须将任务设计为分解为不同的部分（ala mapreduce）并将每个部分交给不同的核心。很多程序都是这样做的，它确实提高了性能

一些压缩算法目前支持多个处理器，如7zip。这样做并不十分困难，但如果您的任务不能分成多个协作部分，那么您将无法从多个核心获得任何帮助

似乎最快的解决方案仍然是C/C++，只使用运行测试的4核机器中的一个核

不，并非所有代码都是这样。事实上，在我看过的代码中，所有代码都使用多个并行线程，因此使用多个内核。事实上，一些（例如）使用像OpenMP这样的奇特架构（或者，也很有趣）来帮助并行化

<>强>编辑< /St>。事实上，对于<强> > < <强> >问题，最快的C++解决方案使用并行线程，有三个例外：

，由于随机生成器的使用，很难（但完全可能）并行化

，使用GMP库

，可以并行化

…大多数其他解决方案也使用SSE2支持

似乎最快的解决方案仍然是C/C++，只使用运行测试的4核机器中的一个核

不，并非所有代码都是这样。事实上，在我看过的代码中，所有代码都使用多个并行线程，因此使用多个内核。事实上，一些（例如）使用像OpenMP这样的奇特架构（或者，也很有趣）来帮助并行化

<>强>编辑< /St>。事实上，对于<强> > < <强> >问题，最快的C++解决方案使用并行线程，有三个例外：

，由于随机生成器的使用，很难（但完全可能）并行化

，使用GMP库

，可以并行化

---

…而且大多数其他解决方案也使用SSE2支持。

这实际上取决于算法的工作方式和您正在处理的数据集的大小，以及它是否能够跨多个核心进行良好的扩展。保持在同一个内核上会给你带来很多好处，包括利用处理器流水线和使用寄存器和缓存——所有这些都是超快速的

---

随着多核在未来变得越来越重要，我们可能会看到一些有趣的跨核优化变得可用。

这实际上取决于算法的工作方式和您正在处理的数据集的大小，以及它在多核之间的可伸缩性。保持在同一个内核上会给你带来很多好处，包括利用处理器流水线和使用寄存器和缓存——所有这些都是超快速的

随着多核在未来变得越来越重要，我们可能会看到一些有趣的跨核优化变得可用。

如何定义“单个任务”？然而，许多单一的概念性任务可以分解为许多独立的子任务。这就是多核可以提供性能提升的地方

当然，这要求您实际构建程序，以便这些子任务实际上能够独立处理。

如何定义“单个任务”？然而，许多单一的概念性任务可以分解为许多独立的子任务。这就是多核可以提供性能提升的地方

---

当然，这要求您实际构建程序，以便这些子任务实际上能够独立处理。

在执行蒙特卡罗模拟时，我经常使用多核。在这种情况下，这可能是天赐良机，因为有时这些模拟会花费很长时间，每次运行都独立于其他运行。事实上，现在我正在等待蒙特卡罗模拟在我的四核上运行

---

另一个用例是使用交叉验证测试机器学习算法。数据集可以加载一次并存储在不可变对象中。然后，可以独立地执行每个交叉验证迭代。对于这样的事情，关键是要小心内存分配，避免隐式锁获取。如果分配和释放/垃圾收集的频率不够高，则所用内核的加速比可能接近线性。

在执行蒙特卡罗模拟时，我经常使用多核。在这种情况下，它可以是一个绝对的天赐之物，因为有时这些模拟