Knihovna PPL (Parallel Patterns Library)

Knihovna PPL (Parallel Patterns Library) poskytuje imperativní programovací model, který podporuje škálovatelnost a snadné použití při vývoji souběžných aplikací. PPL vychází z plánování a správy prostředků komponent Concurrency Runtime. Zvyšuje úroveň abstrakce mezi kódem aplikace a základním mechanismem vláken tím, že poskytuje obecné, typové bezpečné algoritmy a kontejnery, které paralelně působí na data. PPL také umožňuje vyvíjet aplikace, které se škáluje tím, že poskytuje alternativy ke sdílenému stavu.

PPL poskytuje následující funkce:

• Paralelismus úloh:mechanismus, který funguje na Windows ThreadPool k paralelnímu provádění několika pracovních položek (úloh).

• Paralelní algoritmy:obecné algoritmy, které fungují nad Concurrency Runtime, aby souběžně pracovaly s kolekcemi dat

• Paralelní kontejnery a objekty:obecné typy kontejnerů, které poskytují bezpečný souběžný přístup k jejich prvkům

Příklad

Knihovna PPL poskytuje programovací model, který se podobá standardní knihovně C++. Následující příklad ukazuje mnoho funkcí PPL. Počítá několik Fibonacciho čísel sériově a paralelně. Oba výpočty působí na objekt std::array. Příklad také vytiskne v konzole čas potřebný k provedení obou výpočtů.

Sériová verze používá algoritmus std::for_each standardní knihovny C++ k procházování pole a uložení výsledků do objektu std::vector. Paralelní verze provádí stejnou úlohu, ale používá algoritmus concurrency::p arallel_for_each a ukládá výsledky do objektu concurrency::concurrent_vector. Třída umožňuje každé iteraci smyčky souběžně přidávat prvky bez nutnosti synchronizovat přístup concurrent_vector pro zápis do kontejneru.

Vzhledem k tomu, že funguje souběžně, musí paralelní verze tohoto příkladu seřadit objekt , aby se vytvářely stejné výsledky parallel_for_eachconcurrent_vector jako sériová verze.

Všimněte si, že v příkladu se k výpočtu Fibonacciho čísel používá metoda Na zave. Tato metoda však ukazuje, jak Concurrency Runtime může zlepšit výkon dlouhých výpočtů.

// parallel-fibonacci.cpp
// compile with: /EHsc
#include <windows.h>
#include <ppl.h>
#include <concurrent_vector.h>
#include <array>
#include <vector>
#include <tuple>
#include <algorithm>
#include <iostream>

using namespace concurrency;
using namespace std;

// Calls the provided work function and returns the number of milliseconds 
// that it takes to call that function.
template <class Function>
__int64 time_call(Function&& f)
{
   __int64 begin = GetTickCount();
   f();
   return GetTickCount() - begin;
}

// Computes the nth Fibonacci number.
int fibonacci(int n)
{
   if(n < 2)
      return n;
   return fibonacci(n-1) + fibonacci(n-2);
}

int wmain()
{
   __int64 elapsed;

   // An array of Fibonacci numbers to compute.
   array<int, 4> a = { 24, 26, 41, 42 };

   // The results of the serial computation.
   vector<tuple<int,int>> results1;

   // The results of the parallel computation.
   concurrent_vector<tuple<int,int>> results2;

   // Use the for_each algorithm to compute the results serially.
   elapsed = time_call([&] 
   {
      for_each (begin(a), end(a), [&](int n) {
         results1.push_back(make_tuple(n, fibonacci(n)));
      });
   });   
   wcout << L"serial time: " << elapsed << L" ms" << endl;
   
   // Use the parallel_for_each algorithm to perform the same task.
   elapsed = time_call([&] 
   {
      parallel_for_each (begin(a), end(a), [&](int n) {
         results2.push_back(make_tuple(n, fibonacci(n)));
      });

      // Because parallel_for_each acts concurrently, the results do not 
      // have a pre-determined order. Sort the concurrent_vector object
      // so that the results match the serial version.
      sort(begin(results2), end(results2));
   });   
   wcout << L"parallel time: " << elapsed << L" ms" << endl << endl;

   // Print the results.
   for_each (begin(results2), end(results2), [](tuple<int,int>& pair) {
      wcout << L"fib(" << get<0>(pair) << L"): " << get<1>(pair) << endl;
   });
}

Následující ukázkový výstup je pro počítač se čtyřmi procesory.

serial time: 9250 ms
parallel time: 5726 ms

fib(24): 46368
fib(26): 121393
fib(41): 165580141
fib(42): 267914296

Každá iterace smyčky vyžaduje jinou dobu na dokončení. Výkon funkce parallel_for_each je ohraničován operací, která skončí jako poslední. Proto byste neměli očekávat lineární vylepšení výkonu mezi sériovými a paralelními verzemi tohoto příkladu.

Související témata