据我所知，处理器中的多核体系结构不会影响程序。实际的指令执行在较低的层中进行。
我的问题是
鉴于您具有多核环境，我可以使用任何编程实践来更有效地利用可用资源吗？我应该如何更改代码以在多核环境中获得更高的性能？
最佳答案
那是正确的。除非您采用并发性，否则您的程序将无法以更快的速度运行（除了内核正在处理更少的其他进程这一事实之外，因为某些进程正在另一内核上运行）。但是，如果您确实使用并发，则更多的内核会改善实际的并行性（内核越少，则并发是交错的，而内核越多，您可以在线程之间获得真正的并行性）。
使程序高效并发绝非易事。如果做得不好，使程序并发实际上会使它变慢！例如，如果您花费大量时间来生成线程（线程构建的速度确实很慢），并且只在很小的块上进行工作（这样线程构建的开销就占据了实际的工作），或者您经常同步数据（这不仅会迫使操作顺序运行，而且还会增加很高的开销），或者如果您频繁地在多个线程之间的同一缓存行中写入数据（这可能导致整个缓存行在一个线程上失效）内核），那么您可能会严重并发编程而损害性能。
同样重要的是要注意，如果您有N个内核，那并不意味着您将获得N的加速。这是加速的理论极限。实际上，也许有两个内核的速度是它的两倍，但是有四个内核的速度可能是它的三倍，然后有八个内核的速度是它的三倍半，等等。能够利用这些内核的能力称为并行可伸缩性。通常，通信和同步开销会阻止线性加速，但是，在理想情况下，如果可以尽可能避免通信和同步，则希望可以接近线性。
对于如何在StackOverflow上编写高效的并行程序，不可能给出完整的答案。这确实是至少一门（可能是几门）计算机科学课程的主题。我建议您报名参加此类课程或购买一本书。如果知道一本不错的书，我会推荐给您一本书，但是我参加的并行计算算法课程没有该课程的教科书。您可能还对使用串行实现，具有多线程的并行实现（常规线程，线程池等）以及具有消息传递的并行实现（例如Hadoop，Apache Spark，Cloud Dataflow）编写少数程序感兴趣。 ，异步RPC等），然后测量其性能，并在并行实现的情况下更改内核数。这是我的并行算法课程的大部分课程工作，并且很有见地。您可以尝试并行化的某些计算包括使用Monte Carlo方法计算Pi（这是微不足道的可并行化，假设您可以创建一个随机数生成器，其中在不同线程中生成的随机数是独立的），执行矩阵乘法，计算的行梯形形式一个矩阵，将一些非常大的N相加到1 ... N的平方，我确定您会想到其他的。