c++ - C++标准库并行执行的for_each速度比顺序循环慢

Question

从c++ 17开始，std库具有并行算法，因此我尝试使用以下代码，对数字列表求和，并想查看是否有任何性能提升。

#include <algorithm>
#include <chrono>
#include <execution>
#include <numeric>
#include <iostream>
#include <vector>

int main() {
  size_t n = 100000000;
  std::vector<size_t> vec(n);
  std::iota(vec.begin(), vec.end(), 0);

  auto par_sum = [&](size_t k) {
    auto t1 = std::chrono::high_resolution_clock::now();

    std::vector<size_t> rez(k);
    std::iota(rez.begin(), rez.end(), 0);
    size_t batch = static_cast<size_t>(n / k) + 1;
    std::for_each(std::execution::par_unseq, rez.begin(), rez.end(),
      [&](size_t id) {
        size_t cum = 0;
        for (size_t i = id*batch; i < std::min((id+1)*batch, n); ++i) {
          cum += vec[i];
        }
        rez[id] = cum;
    });

    auto t2 = std::chrono::high_resolution_clock::now();
    auto duration = std::chrono::duration_cast<std::chrono::microseconds>( t2 - t1 ).count();
    std::cout << "n_worker = " << k
      << ", time = " << duration
      << ", rez = " << std::accumulate(rez.begin(), rez.end(), 0lu)
      << std::endl;
  };

  par_sum(1);
  par_sum(3);
  par_sum(5);
}

编译者

g++  -std=c++17 -L/usr/local/lib -O3 -mavx -ltbb a.cpp

结果表明

n_worker = 1, time = 51875, rez = 4999999950000000
n_worker = 3, time = 57616, rez = 4999999950000000
n_worker = 5, time = 63193, rez = 4999999950000000

问题，

对1个 worker 没有绩效提高，为什么？

Answer 1

我认为，对于少量工作，可能会发生这样的情况:仅通过将内容保留在L1缓存上下文中，就可以在一个CPU中执行紧密循环。在同一数据上增加并行性的数量后，您就开始调用具有缓存一致性和页面错误的开销。
您可能值得考虑一下计算缓存未命中次数的方法，例如此处建议的那些方法:
Programmatically counting cache faults
还请参见:
What is a "cache-friendly" code?
加上有关“缓存友好代码”和“面向数据的设计”的其他资源:
https://www.youtube.com/watch?v=b5v9aElYU2I
和
https://youtu.be/fHNmRkzxHWs
这与错误共享有关，在此处进行了说明:
https://www.youtube.com/watch?v=dznxqe1Uk3E