pthread互斥的必要性
我有一个int array[100] ，我想要5个线程来计算所有数组元素的总和。
每个线程在其专用范围内迭代20个元素，并将总和写入全局sum变量。
这是必需的互斥体吗？ 由于所有线程都从独立源读取，因此不需要同步。
for(i=offset; i<offset+range; i++){ // not used pthread_mutex_lock(&mutex); sum += array[i]; // not used pthread_mutex_unlock(&mutex); }
这会导致不可预测的行为，还是操作系统实际上会处理这个问题？
在这种情况下，是否可以省略互斥锁？ 我注意到没有它，这些算法运行得更快。
是的，您需要同步，因为所有线程都在同时修改sum 。 这是一个例子：
你有4个元素的数组[a1, a2, a3, a4]和2个线程t1和t2和sum 。 首先让我们说t1得到值a1并将其加到sum 。 但它不是primefaces操作，所以他将sum （它的0）的当前值复制到他的本地空间，让我们称之为t1_s ，将其添加到a1然后写sum = t1_s 。 但同时t2做同样的事情，他得到sum值（为0，因为t1没有完成它的操作）到t2_s ，加上a3并写入sum 。 所以我们得到了a1 + a3的a3的sum值。 这称为数据竞争。
这有多种解决方案：
- 您可以像在代码中一样使用
mutex，但正如您所提到的那样，它可能很慢，因为互斥锁是昂贵的，所有其他线程都在等待它。 - 创建数组（具有线程数的大小）以计算所有线程的本地总和，然后在一个线程中对此数组执行最后一次减少。 无需同步。
- 没有数组计算每个线程的本地
sum_local，最后使用互斥量将所有这些总和添加到共享变量sum。 我想它会更快（但需要检查）。
然而，正如@gavinb所提到的，所有这些只对大量数据有意义。
我有一个int数组[100]，我想要5个线程来计算所有数组元素的总和。 每个线程在其专用范围内迭代20个元素，并将总和写入全局和变量。
首先，值得指出的是，处理这些少量数据的这么multithreading的开销可能不是一个优势。 创建线程，序列化访问以及等待它们完成是有成本的。 使用这个小的数据集，优化良好的顺序算法可能更快。 用不同数量的线程来衡量加速是一项有趣的练习。
这是必需的互斥体吗？ 由于所有线程都从独立源读取，因此不需要同步。
是 – array变量的读取是独立的，但是更新 sum变量不是，因此根据上面的描述，您需要一个互斥锁来序列化对sum访问。
然而，这是计算总和的一种非常低效的方式，因为每个线程将竞争（并且等待，因此浪费时间）来访问增量sum 。 如果计算每个子集的中间总和（如@Werkov也提到的那样），那么等待它们完成并添加中间总和以创建最终总和，不会有争用读取或写入，因此您不需要互斥锁并且每个线程都可以尽快运行。 然后，性能的限制因素可能是内存访问模式和缓存行为。
这会导致不可预测的行为，还是操作系统实际上会处理这个问题？
当然是。 操作系统不会为您处理此问题，因为它无法预测您何时/何时访问内存的不同部分，以及出于何种原因。 必须在线程之间保护共享数据，只要它们中的任何一个可能正在写入数据。 因此，当线程相互更新sum您几乎肯定会得到错误的结果。
在这种情况下，是否可以省略互斥锁？ 我注意到没有它，这些算法运行得更快。
不，绝对不是。 它可能运行得更快，但几乎肯定不会给你正确的结果！
在可以以这种方式分区数据的情况下，跨分区不存在依赖性（即读/写）。 在您的示例中， sum变量具有依赖性，并且互斥量是必需的。 但是，您可以为每个线程使用部分求和累加器，然后只需对这些子结果求和，而无需使用互斥锁。
当然，你不需要手工完成。 有各种各样的实现，例如参见OpenMP的并行和缩减。