c++多线程编程：实现标准库accumulate函数的并行计算版本

      今天使用c++实现了标准库头文件<numeric>中的accumulate函数的并行计算版本,代码如下,注释写的比较详细,仅对其中几点进行描述:

      ①该实现假定不发生任何异常,故没有对可能产生的异常进行处理

      ②第42行的语句：

      const unsigned int num_thread = std::min((hardware_thread != 0 ? hardware_thread : 2), max_thread);

        要运行的线程数是计算出的最大线程数和硬件线程数量的较小值。这是因为若运行的线程数超出了硬件支持的范围,CPU的上下文切换会降低性能。又因为hardware_thread的值可能为0,在这种情况下用户需要自行替换线程的数量,在代码中为2,因为在单核的机器上运行过多的线程会导致性能降低,但过少的线程也会使用户错过可用的并发。

      ③第44行计算每个线程操作的元素个数时算式可能无法整除，但无须担心，因为最后一个线程将会处理剩下的所有元素，如第68行语句所示：

      Accum<Iterator, T>()(block_begin, last, results[num_thread - 1]);

      ④注意第64行的语句：

      threads[i] = thread(Accum<Iterator, T>(), block_begin, block_end, std::ref(results[i]));

      传给线程执行的函数的第三个参数增加了std::ref()，该函数包含在头文件<functional>中。在一般情况下，thread对象的构造函数只是简单地拷贝用户提供的参数，然后传递给线程关联的可调用对象。也就是说，该可调用对象接收的是该参数的副本，对其所作的修改无法影响到最初用户所传递的参数。若需要接收参数的引用版本，则需要使用std::ref()函数。

//实现标准库头文件<numeric>中accumulate函数的并行版本
#include <iostream>
#include <thread>
#include <numeric>
#include <algorithm>
#include <vector>
#include <functional>
#include <utility>

using std::thread;
using std::vector;
using std::accumulate;
using std::cout;
using std::endl;

template <typename Iterator, typename T> class Accum
{
public:
    void operator() (Iterator first, Iterator last, T &sum)
    {
        sum = std::accumulate(first, last, sum);
    }
};

template <typename Iterator, typename T>
T ParallelAccum(Iterator first, Iterator last, T &sum)
{
    //计算迭代器中包含的元素数量
    const unsigned int len = std::distance(first, last);
    //若迭代器中没有元素则直接返回
    if (!len)
    {
        return sum;
    }
    //每个线程处理的元素的最小数量
    const unsigned int min_per_thread = 25;
    //获取线程的最大数量,向上取整
    const unsigned int max_thread = (len - 1 + min_per_thread) / min_per_thread;
    //获取机器支持的并发线程数
    const unsigned int hardware_thread = thread::hardware_concurrency();
    //取上述两者的较小值,同时避免线程数过少
    const unsigned int num_thread = std::min((hardware_thread != 0 ? hardware_thread : 2), max_thread);
    //最终实际上每个线程处理的元素个数
    const unsigned int block_size = len / num_thread;
    //保存每个线程累加的结果
    vector<T> results(num_thread);
    //启动比num_thread - 1个线程，因为main函数本身已开启一个线程
    vector<thread> threads(num_thread - 1);
    //
    cout << "Number of elements: " << len << endl;
    cout << "Hardware concurrency: " << hardware_thread << endl;
    cout << "Maximum number of threads: " << max_thread << endl;
    cout << "Number of threads: " << num_thread << endl;
    cout << "Block size: " << block_size << endl;
    cout << "Started parallel calculating..." << endl;
    //开始并行计算
    Iterator block_begin = first;
    for (unsigned int i = 0; i < (num_thread - 1); ++i)
    {
        Iterator block_end = block_begin;
        //将迭代器向前推进一个块,到达当前块的末尾位置
        std::advance(block_end, block_size);
        //传递参数,通常情况下thread的构造函数将复制所提供的参数,需要将模板参数转为引用
        threads[i] = thread(Accum<Iterator, T>(), block_begin, block_end, std::ref(results[i]));
        block_begin = block_end;
    }
    //处理最后一个线程,由于block_size = len / num_thread得到的结果不一定为整数,该线程处理剩余的所有元素
    Accum<Iterator, T>()(block_begin, last, results[num_thread - 1]);
    //对threads中所有线程调用join()
    std::for_each(threads.begin(), threads.end(), std::mem_fn(&thread::join));
    //
    return accumulate(results.begin(), results.end(), sum);
}

int main()
{
    vector<int> i_vec;
    int sum = 0;
    for (int i = 1; i != 501; ++i)
    {
        i_vec.push_back(i);
    }
    sum = ParallelAccum(i_vec.cbegin(), i_vec.cend(), sum);
    cout << "sum = " << sum << endl;
    system("pause");
    return 0;
}