将工作分成更multithreading需要更多时间，为什么？
我有一个小的C程序，它使用monte-carlo模拟计算pi ，它基本上只测试一个随机点[x，y]，如果它在圆圈内部或外部。
为了近似pi，我必须使用大量的样本n ，其具有O（n）的直接比例复杂度。 因此，尝试计算大量样本n，我实现了POSIX线程 api以平衡计算能力。
我的代码如下所示：
pthread_t worker[nthreads]; /* creates workers for each thread */ struct param aparam[nthreads]; /* struct param{ long* hits; long rounds; }; */ long nrounds = nsamples / nthreads; /* divide samples to subsets of equal rounds per thread */ for (int i = 0; i < nthreads; ++i) { /* loop to create threads */ aparam[i].hits = 0; aparam[i].rounds = nrounds; pthread_create(&worker[i], NULL, calc_pi, &aparam[i]); /* calls calc_pi(void* vparam){} */ } long nhits = 0; for (int j = 0; j < nthreads; ++j) { /* collects results */ pthread_join(worker[j], NULL); nhits += (long)aparam[j].hits; /* counts hits inside the cicrle */ } 这就是每个线程正在做的事情：
void* calc_pi(void* vparam) { /* counts hits inside a circle */ struct param *iparam; iparam = (struct param *) vparam; long hits = 0; float x, y, z; for (long i = 0; i rounds; ++i) { x = (float)rand()/RAND_MAX; y = (float)rand()/RAND_MAX; z = x * x + y * y; if (z hits = (long*)hits; return NULL; }
现在我有一个奇怪的观察。 使用相同的样本集n和越来越多的线程， 我的程序需要更多的时间而不是更少的时间 。
以下是一些平均运行时间（可重复）：
------------------------------------------------- | Threads[1] | Samples[1] | Rounds[1] | Time[s] | ------------------------------------------------- | 32 | 268435456 | 8388608 | 118 | | 16 | 268435456 | 16777216 | 106 | | 8 | 268435456 | 33554432 | 125 | | 4 | 268435456 | 67108864 | 152 | | 2 | 268435456 | 134217728 | 36 | | 1 | 268435456 | 268435456 | 15 | -------------------------------------------------
例如，为什么两个线程执行相同的工作所花费的时间比单个线程多两倍？ 我的假设是划分工作的两个线程应该将时间减少至少50％。
使用GCC 4.9.1和以下标志编译：
gcc -O2 -std=gnu11 -pthread pipa.c -lpthread -o pipa
我的硬件是双Intel Xeon E5520（2个处理器，每个4核）@ 2.26 GHz，禁用超线程，运行2.6.18内核的科学linux。
有任何想法吗？
线程执行的最昂贵的操作是调用rand() 。 rand()是一个天真的，简单的，通常是非MT可伸缩的函数（因为它保证相同的种子产生相同的随机数序列）。 我认为rand()的锁是序列化所有线程。（*）
确认是否存在问题的一个简单技巧是在调试器下启动程序，然后多次：暂停它，捕获线程的堆栈跟踪，继续。 无论堆栈中最常出现的是什么，很可能是瓶颈。
（*）使得它更慢的原因是锁争用会导致额外的性能损失。 此外，许multithreading增加了进程调度和上下文切换的额外开销。