使用并行线程填充集合有啥危险吗？

Posted 2023-02-22

【中文标题】使用并行线程填充集合有啥危险吗？

【英文标题】：Is there any danger in populating a set using parallel threads?使用并行线程填充集合有什么危险吗？

【发布时间】：2017-11-29 01:00:36

【问题描述】：

我可以使用 C++ 中的并行线程填充 std::set 对象并编辑布尔向量吗？

我对并行计算比较陌生，刚刚学习使用 OpenMP，我听说有人说线程之间可以共享数据结构，只要它们是只读的。

我的问题是，我可以使用并行方法填充一些数据结构，只要顺序无关紧要吗？还是您通常不做类似事情的原因不仅仅是订单不会被保留？

这是我想要做的：

input: std::vector<Object> u_set // vector containing universal set

int NUM_ELEMENTS = 1000;
std::set<int> my_set(); // set to be populated
std::vector<bool> my_bools(u_set.size(), false); // vector containing set membership information (true/false)
#pragma omp parallel for
for (int i = 0; i < NUM_ELEMENTS; ++i)
    int next_el = get_next_element(); // next element from u_set
    my_set.insert(next_el);
    my_bools[next_el] = true;

代码基本上从通用集中选择一个元素，然后将其值添加到子集中，并将其标记在布尔向量中作为子集的成员。可以并行执行此操作吗？还是被认为是不好的形式？这样的东西会更好吗？

input: std::vector<Object> u_set // vector containing universal set

int NUM_ELEMENTS = 1000;
std::set<int> my_set(); // set to be populated
std::vector<bool> my_bools(u_set.size(), false); // vector containing set membership information (true/false)

int max_threads = omp_get_max_threads();
std::vector<std::vector<int> > elements(max_threads); // vector to contain data from each thread, so not accessing the same data structure

#pragma omp parallel for
for (int i = 0; i < NUM_ELEMENTS; ++i)
    int next_el = get_next_element(); // next element from u_set
    int curr_thread = omp_get_thread_num();
    elements[curr_thread].push_back(next_el);


for (auto it = elements.begin(); it != elements.end(); ++it)
    for (auto jt = elements[*it].begin(); jt != elements[*it].end(); ++it)    
    my_set.insert(*jt);
    my_bools[*jt] = true;
    
 

这会为每个线程创建一个单独的向量，然后在最后将它们组合起来。我知道它在技术上仍然在访问相同的数据结构，但在我看来，将向量在整个数据结构中分开会使其免受混淆的额外安全级别。

这是更好的方法吗？还是只访问同一个集合并随着算法的进行添加就可以了？

【问题讨论】：

简短的回答是：不。 std::set 不是线程安全的。

只有const成员函数可以被并发访问。见en.cppreference.com/w/cpp/container#Thread_safety

很公平，您有什么建议可以并行化此代码吗？第二种方式安全吗？因为它没有在相同的向量上调用 push_back？

【参考方案1】：

当任何其他线程调用任何其他方法时，您不能调用std 容器的几乎所有非const 方法。 （begin() 和 end() 和其他一些是例外）。

所以没有。

其他并行库中使用的一种技术是，每个线程将更改累积在一个子容器中，工作线程以类似二叉树的方式自动将其合并到最终结果中。对于您使用的工具，这似乎不太合理。

【讨论】：

那么即使是第二种方式也行不通？为每个线程保留一个单独的向量？