请问多核CPU还需要超线程技术吗？还有多核CPU的带宽怎样计算？

Posted 2023-04-09

超线程是双核以前的技术，可以称之为准双（多）核，但毕竟物理内核只有一个，没发根正真的双核比的。现在物理多核处理器都不带超线程技术了。
带宽就是FSB（前端总线）分2种情况，intel的是外频*4，比如我的P4 2.8外频是200M，FSB=200*4=800M。AMD的cpu内部就集成了内存管理器（以前内存管理器在主板心片里），所以AMD 64位CPU的前端总线FSB频率与CPU实际频率一致。 参考技术A CPU总线带宽=总线频率*位宽/8
超线程技术用处已经不大了。技术进步了，超线程就是在单一的CPU上模拟出两个逻辑处理器，以便提升运行多个线程的效率，但它不是真正的双核，效率比不过多CPU。而现在都是带有两个以上核心的CPU啦，有了真双核还要模拟的双核技术干什么？ 参考技术B 你知道了麻烦亦给我说一声。 参考技术C 这问题又带有楼主解决

C++ openmp并行程序在多核linux上如何最大化使用cpu

openmp并行程序在多核linux上最大化使用cpu的方法如下：

#include <stdio.h>
#include <stdlib.h>
#include <omp.h>
#include <time.h>

int main()

    long long i;
    long double sum = .0;
    long double sec = .0;

    // Multi-thread compute start
    clock_t t1 = clock();
    #pragma omp parallel for
    for (i = 0; i < 1000000000; i++)
    
        sum += i/100;
    
    clock_t t2 = clock();

    sec = (t2 - t1);
    //sec = (t2 - t1);
    printf("Program costs %.2Lf clock tick.\\n", sec);
    exit(EXIT_SUCCESS);

以上代码中，#pragma omp parallel for

这一行的作用即是调用openmp的功能，根据检测到的CPU核心数目，将for (i = 0; i < 1000000000; i++)这个循环执行过程平均分配给每一个CPU核心。

去掉#pragma omp parallel for这行，则和普通的串行代码效果一致。

注意，要使用openmp功能，在编译的时候需要加上-fopenmp编译参数。

以下是两种编译搭配两种代码出现的4种结果，可以很直观地看到效果：

1、代码里含有#pragma omp parallel for，编译参数有-fopenmp

Endys-MacBook-Pro:Desktop endy$ vi test.c 

Endys-MacBook-Pro:Desktop endy$ gcc-6 test.c -o test -fopenmp

Endys-MacBook-Pro:Desktop endy$ ./test 

Program costs 50202611.00 clock tick.

2、代码里含有#pragma omp parallel for，编译参数没有-fopenmp

Endys-MacBook-Pro:Desktop endy$ gcc-6 test.c -o test

Endys-MacBook-Pro:Desktop endy$ ./test 

Program costs 4068178.00 clock tick.

3、代码里没有#pragma omp parallel for，编译参数有-fopenmp

Endys-MacBook-Pro:Desktop endy$ vi test.c 

Endys-MacBook-Pro:Desktop endy$ gcc-6 test.c -o test -fopenmp

Endys-MacBook-Pro:Desktop endy$ ./test 

Program costs 4090744.00 clock tick.

4、代码里没有#pragma omp parallel for，编译参数没有-fopenmp

Endys-MacBook-Pro:Desktop endy$ vi test.c 

Endys-MacBook-Pro:Desktop endy$ gcc-6 test.c -o test

Endys-MacBook-Pro:Desktop endy$ ./test 

Program costs 4170093.00 clock tick.

可以看出，只有在情况1下，openmp生效，其他3种情况下，均为单核运行，2、3、4结果较为接近，而1的运行结果大约相差25%。

值得注意的是，使用多核心的case 1竟然比单核的其他3种case慢了25%，原因是在这种单一的循环运算中，并行分配CPU任务的指令比直接执行下一个循环指令的效率更低。所以并不是用并行运算就一定能够提高运算效率的，要根据实际情况来判断。

参考技术A OpenMP提供了对并行算法的高层的抽象描述，程序员通过在源代码中加入专用的pragma来指明自己的意图，由此编译器可以自动将程序进行并行化，并在必要之处加入同步互斥以及通信。但是，作为高层抽象，OpenMP并不适合需要复杂的线程间同步和互斥的场合。
OpenMP的另一个缺点是不能在非共享内存系统(如计算机集群)上使用，在这样的系统上，MPI使用较多。

当然，还有一个更简单的方法就是使用Go语言。本回答被提问者采纳