pthreads加速矩阵乘法

一. 环境说明

虚拟机使用VMware® Workstation 16 Pro 16.2.4 build-20089737版本

主机为 Windows 10 Home, 64-bit

镜像为阿里OS镜像 Ubuntu 64位 20.04.5(desktop-amd64)版本

虚拟机分配内存 4G，硬盘 20G，CPU 分配 4核，开发环境为 VS Code，g++编译器

使用 C++ 语言编写

二. 代码思路

矩阵乘法的本质就是for循环相乘再相加，而且各行各列之间并不会产生先后顺序，也没有相互影响，因此为尝试和使用多线程进行并发运算

在本次作业中我并没有采用数学方法或算法知识对矩阵运算进行加速，因为本次作业的目的是体验多线程并发的作用，并不是追求极致的复杂度与效率

首先创建一个矩阵类，可以自定义方阵大小，每次生成仿真均为随机生成 0-9 的一个随机数，随机方法为时间随机

计时方面不能采用 clock() 函数进行计时，因为该函数是按照CPU时钟计算，单位甚至是周期个数，因此会将线程生成系统调用的时间全算进去，导致看起来总时间还不如单线程运算。于是我采用了 timeval 方法进行计时。

在常规的单线程运算中，我才用了三重 for 循环来进行直接运算

在多线程运算中，我让每个线程负责若干行的运算工作。经过测试发现，对于 1000 行方阵，计算 10 次取平均时间，结果如下：

三. 结果展示

500线程：

100线程：

10线程：

5线程：

2线程：

单线程：

可以看到，线程数为5时加速效果最明显，时间最短

我们可以得到以下结论：

1. 多线程并发的确速度更快，加速倍数在2~4倍之间

2. 如果线程数量过多，由于调用等原因可鞥也会导致速度下降的问题，例如500个线程时速度只有两倍左右

3. 加速的效果取决于CPU核的数量，我的虚拟机分配了4核，因多线程比单线程在理想状态下快了四倍

4. 线程数不代表加速倍数，其倍数上限为CPU核的个数

后记

我同时还进行了其他 SIZE 大小的矩阵对于多线程计算的效果，结果非常有趣，但我并没有做太多截图，这会影响观感，在此我只写下我个人发现的结论

1. 方阵越大，多线程加速效果越明显，当大小在100以下时，加速甚至不足两倍
2. 方阵越小，线程过多的副作用就越明显，例如方阵大小100时，速度甚至慢了3倍多

单线程：

过多线程：