深入理解并行与并发：C++/Python实例详解

原创

码事漫谈

修改于 2024-12-24 10:03:00

44500

代码可运行

文章被收录于专栏：C++C++

运行总次数：0

代码可运行

深入理解并行与并发：C++/Python实例详解

并行（Parallelism）和并发（Concurrency）是计算机科学中两个重要的概念，尤其在多线程和多进程编程中。虽然这两个术语经常被混用，但它们实际上有着不同的含义和应用场景。下面我们将详细探讨这两个概念的定义、区别、应用场景以及实例。

1. 定义

并发（Concurrency）

并发是指在同一时间段内处理多个任务的能力。并发并不一定意味着这些任务是同时执行的，而是指多个任务在逻辑上是同时进行的。并发可以通过时间分片（time-slicing）来实现，即在一个处理器上快速切换任务，使得用户感觉到多个任务在同时进行。

特点：

任务可以在同一时间段内交替执行。
适用于 I/O 密集型任务（如网络请求、文件读写等）。
主要关注任务的管理和调度。

并行（Parallelism）

并行是指在同一时刻同时执行多个任务。并行通常依赖于多核处理器或多台计算机，能够真正实现任务的同时执行。并行计算可以显著提高程序的执行效率，尤其是在 CPU 密集型任务中。

特点：

任务在物理上同时执行。
适用于 CPU 密集型任务（如复杂计算、数据处理等）。
主要关注任务的分解和执行。

2. 区别

特性	并发（Concurrency）	并行（Parallelism）
定义	逻辑上同时处理多个任务	物理上同时执行多个任务
任务执行方式	任务交替执行（时间分片）	任务同时执行（多核或多处理器）
适用场景	I/O 密集型任务	CPU 密集型任务
实现方式	通过线程、协程、事件循环等	通过多线程、多进程、分布式计算等
复杂性	任务管理和调度较复杂	任务分解和同步较复杂

3. 应用场景

并发的应用场景

Web 服务器：处理多个客户端请求，通常使用异步 I/O 或线程池来实现并发。
用户界面：在 GUI 应用中，主线程负责界面响应，而后台线程处理耗时操作，保持界面流畅。
网络爬虫：同时发起多个网络请求，快速抓取数据。

并行的应用场景

科学计算：如天气模拟、分子动力学等，需要大量计算的任务可以分解为多个子任务并行执行。
图像处理：对大图像进行滤镜处理时，可以将图像分成多个部分并行处理。
大数据处理：使用 MapReduce 等框架对大规模数据集进行并行计算。

4. Python中的并发与并行

并发示例

假设我们有一个简单的程序，需要从多个 URL 下载数据。我们可以使用 Python 的 asyncio 库来实现并发下载：

import asyncio
import aiohttp

async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def main(urls):
    tasks = [fetch(url) for url in urls]
    return await asyncio.gather(*tasks)

urls = ['http://example.com', 'http://example.org', 'http://example.net']
asyncio.run(main(urls))

在这个例子中，fetch 函数是异步的，多个 URL 的下载是并发进行的，但并不一定是同时执行的。

并行示例

使用 Python 的 multiprocessing 模块来实现并行计算：

from multiprocessing import Pool

def square(n):
    return n * n

if __name__ == '__main__':
    numbers = [1, 2, 3, 4, 5]
    with Pool(processes=5) as pool:
        results = pool.map(square, numbers)
    print(results)

在这个例子中，square 函数会在多个进程中并行执行，真正实现了同时计算多个数字的平方。

举例说明

并发：想象一下你在厨房里做饭，同时切菜、煮汤和烤面包。虽然你在同一时间段内做了这些事情，但实际上你可能在不同的时间段内完成了每一项任务。
并行：如果你有多个厨师在厨房里，每个厨师负责不同的任务（一个切菜，一个煮汤，一个烤面包），那么这些任务就是并行执行的。

5. C++中的并发与并行

C++11引入了对多线程的支持，使得并发和并行编程变得更加容易。下面我们将通过示例代码来展示这两个概念。

并发示例

在这个示例中，我们将创建多个线程来模拟并发执行的任务。每个线程将打印一条消息，模拟一个耗时的操作。

#include <iostream>
#include <thread>
#include <vector>
#include <chrono>

void task(int id) {
    std::cout << "Task " << id << " is starting.\n";
    std::this_thread::sleep_for(std::chrono::seconds(1)); // 模拟耗时操作
    std::cout << "Task " << id << " is completed.\n";
}

int main() {
    std::vector<std::thread> threads;

    // 创建多个线程
    for (int i = 0; i < 5; ++i) {
        threads.emplace_back(task, i);
    }

    // 等待所有线程完成
    for (auto& t : threads) {
        t.join();
    }

    std::cout << "All tasks are completed.\n";
    return 0;
}

代码解析

我们定义了一个task函数，模拟一个耗时的操作。
在main函数中，我们创建了5个线程，每个线程执行task函数。
使用std::this_thread::sleep_for来模拟每个任务的耗时。
最后，我们使用join方法等待所有线程完成。

并行示例

在这个示例中，我们将使用C++的线程库来实现真正的并行计算。我们将计算一组数字的平方，并行处理这些计算。

#include <iostream>
#include <thread>
#include <vector>
#include <chrono>

void calculate_square(int number, int& result) {
    std::this_thread::sleep_for(std::chrono::seconds(1)); // 模拟耗时操作
    result = number * number;
    std::cout << "Square of " << number << " is " << result << ".\n";
}

int main() {
    std::vector<std::thread> threads;
    std::vector<int> results(5);
    std::vector<int> numbers = {1, 2, 3, 4, 5};

    // 创建多个线程进行并行计算
    for (size_t i = 0; i < numbers.size(); ++i) {
        threads.emplace_back(calculate_square, numbers[i], std::ref(results[i]));
    }

    // 等待所有线程完成
    for (auto& t : threads) {
        t.join();
    }

    std::cout << "All calculations are completed.\n";
    return 0;
}