Многопоточность random_r медленнее, чем однопоточная версия

Следующая программа по существу такая же, как описанная здесь здесь. Когда я запускаю и компилирую программу, используя два потока (NTHREADS == 2), я получаю следующее время выполнения:

real        0m14.120s
user        0m25.570s
sys         0m0.050s

Когда он запускается только с одним потоком (NTHREADS == 1), я получаю время выполнения значительно лучше, хотя оно использует только одно ядро.

real        0m4.705s
user        0m4.660s
sys         0m0.010s

Моя система является двухъядерной, и я знаю, что random_r является потокобезопасным, и я уверен, что он не блокирует. Когда одна и та же программа запускается без random_r, и вычисление косинусов и синусов используется в качестве замены, двухпоточная версия работает примерно в 1/2 раза, как ожидалось.

#include <pthread.h>
#include <stdlib.h>
#include <stdio.h>

#define NTHREADS 2
#define PRNG_BUFSZ 8
#define ITERATIONS 1000000000

void* thread_run(void* arg) {
    int r1, i, totalIterations = ITERATIONS / NTHREADS;
    for (i = 0; i < totalIterations; i++){
        random_r((struct random_data*)arg, &r1);
    }
    printf("%i\n", r1);
}

int main(int argc, char** argv) {
    struct random_data* rand_states = (struct random_data*)calloc(NTHREADS, sizeof(struct random_data));
    char* rand_statebufs = (char*)calloc(NTHREADS, PRNG_BUFSZ);
    pthread_t* thread_ids;
    int t = 0;
    thread_ids = (pthread_t*)calloc(NTHREADS, sizeof(pthread_t));
    /* create threads */
    for (t = 0; t < NTHREADS; t++) {
        initstate_r(random(), &rand_statebufs[t], PRNG_BUFSZ, &rand_states[t]);
        pthread_create(&thread_ids[t], NULL, &thread_run, &rand_states[t]);
    }
    for (t = 0; t < NTHREADS; t++) {
        pthread_join(thread_ids[t], NULL);
    }
    free(thread_ids);
    free(rand_states);
    free(rand_statebufs);
}

Я смущен, почему при генерации случайных чисел две версии с резьбой работают намного хуже, чем однопоточная версия, учитывая, что random_r предназначен для использования в многопоточных приложениях.

Ответы

Ответ 1

Очень простое изменение пространства данных в памяти:

struct random_data* rand_states = (struct random_data*)calloc(NTHREADS * 64, sizeof(struct random_data));
char* rand_statebufs = (char*)calloc(NTHREADS*64, PRNG_BUFSZ);
pthread_t* thread_ids;
int t = 0;
thread_ids = (pthread_t*)calloc(NTHREADS, sizeof(pthread_t));
/* create threads */
for (t = 0; t < NTHREADS; t++) {
    initstate_r(random(), &rand_statebufs[t*64], PRNG_BUFSZ, &rand_states[t*64]);
    pthread_create(&thread_ids[t], NULL, &thread_run, &rand_states[t*64]);
}

приводит к значительному увеличению времени работы на двухъядерной машине.

Это подтвердит подозрение, которое оно предназначалось для тестирования, - что вы мутируете значения в одной строке кэша в двух отдельных потоках, и поэтому у вас есть проблема с кешем. Herb Sutter 'машинная архитектура - то, что ваш язык программирования никогда не говорил вам, говорит, стоит посмотреть, есть ли у вас время, если вы не узнайте об этом, он демонстрирует ложное разделение, начиная примерно в 1:20.

Разработайте свой размер строки кеша и создайте каждый поток данных, чтобы он соответствовал ему.

Немного чище, чтобы выровнять все данные потока в структуру и выровнять это:

#define CACHE_LINE_SIZE 64

struct thread_data {
    struct random_data random_data;
    char statebuf[PRNG_BUFSZ];
    char padding[CACHE_LINE_SIZE - sizeof ( struct random_data )-PRNG_BUFSZ];
};

int main ( int argc, char** argv )
{
    printf ( "%zd\n", sizeof ( struct thread_data ) );

    void* apointer;

    if ( posix_memalign ( &apointer, sizeof ( struct thread_data ), NTHREADS * sizeof ( struct thread_data ) ) )
        exit ( 1 );

    struct thread_data* thread_states = apointer;

    memset ( apointer, 0, NTHREADS * sizeof ( struct thread_data ) );

    pthread_t* thread_ids;

    int t = 0;

    thread_ids = ( pthread_t* ) calloc ( NTHREADS, sizeof ( pthread_t ) );

    /* create threads */
    for ( t = 0; t < NTHREADS; t++ ) {
        initstate_r ( random(), thread_states[t].statebuf, PRNG_BUFSZ, &thread_states[t].random_data );
        pthread_create ( &thread_ids[t], NULL, &thread_run, &thread_states[t].random_data );
    }

    for ( t = 0; t < NTHREADS; t++ ) {
        pthread_join ( thread_ids[t], NULL );
    }

    free ( thread_ids );
    free ( thread_states );
}

с CACHE_LINE_SIZE 64:

refugio:$ gcc -O3 -o bin/nixuz_random_r src/nixuz_random_r.c -lpthread
refugio:$ time bin/nixuz_random_r 
64
63499495
944240966

real    0m1.278s
user    0m2.540s
sys 0m0.000s

Или вы можете использовать двойной размер строки кэша и использовать malloc - дополнительное заполнение гарантирует, что мутированная память находится в отдельных строках, так как malloc равен 16 (IIRC), а не 64 байта.

(я уменьшил ИТЕРАЦИИ в десять раз вместо того, чтобы иметь тупо-быструю машину)

Ответ 2

Я не знаю, является ли это актуальным или нет, но я просто видел очень похожее поведение (на порядок медленнее с двумя потоками, чем с одним)... Я в основном изменил:

  srand(seed);
  foo = rand();

до

  myseed = seed;
  foo = rand_r(&myseed);

и что "исправлено" (2 потока теперь надежно почти в два раза быстрее - например, 19 секунд вместо 35).

Я не знаю, какова могла быть проблема: возможно ли блокирование или кеширование кодов внутри rand()? Во всяком случае, существует также random_r(), поэтому, возможно, это будет полезно для вас (год назад) или кого-то еще.