tbb를 배워보자.. parallel_reduce 의 사용법.. 2

parallel_reduce는 .....
일단 코드부터 -_- 

#include <string>
#include <stdio.h>
#include <iostream>
#include <tbb/tbb.h>
#include <vector>
#include <random>

using namespace tbb;
using namespace std;

class TbbTest
{
  std::vector<float>* m_vecTest;
public:
  void operator() (const tbb::blocked_range<int>&r)
  {
    std::vector<float>* vecTemp = m_vecTest;
		
    for(int i = r.begin(); i != r.end(); i++)
    {
      m_fSum += (*vecTemp)[i];
    }
  }

  void join(const TbbTest &y)
  {
    m_fSum += y.m_fSum;
  }
  TbbTest(TbbTest& y,split):m_vecTest(y.m_vecTest),m_fSum(0.0f) {}
  TbbTest(std::vector<float>* vecTemp):m_vecTest(vecTemp),m_fSum(0.0f) {}

  double m_fSum;
};

int _tmain(int argc, _TCHAR* argv[])
{
  std::tr1::mt19937 eng;
  std::tr1::uniform_real<double> uf(0.01,2.0);


  const int MAX_NUM = 10000000;
  double fSum = 0;
  tick_count start,stop;
  vector<float> vecTest(MAX_NUM);

  //테스트에 사용될 벡터
  for(int i =0;i< MAX_NUM; i++)
  {
    float ff = static_cast<float>(uf(eng));
    vecTest[i]= ff;
  }

  start = tick_count::now();
  for(int i=0; i< MAX_NUM; i++)
  {
    fSum+= vecTest[i];
  }
  stop = tick_count::now();	
  printf("걸린시간 : %f \t합 : %f\n",(stop-start).seconds(),fSum);
  
  
  start = tick_count::now();
  TbbTest tbbTest(&vecTest);
  parallel_reduce(blocked_range<int>(0,MAX_NUM,MAX_NUM/4),tbbTest);
  stop = tick_count::now();
  printf("걸린시간 : %f \t합 : %f\n",(stop-start).seconds(),tbbTest.m_fSum);
  	
  	
  fSum = 0;
  start = tick_count::now();
  parallel_for(blocked_range<int>(0,MAX_NUM,MAX_NUM/4),[&](const blocked_range<int>&r)
  {
    for(int i = r.begin();i != r.end(); i++)
    {
      fSum += vecTest[i];
    }
  });
  stop = tick_count::now();
  printf("걸린시간 : %f \t합 : %f\n",(stop-start).seconds(),fSum);

return 0;
}

릴리즈모드 속도최적화 끈 상태의 결과

코드를 보시면 아시겠지만..
1번은 그냥 for문 돌리고 
2번은 parallel_reduce 결과
3번은 parallel_for의 결과..


몇번이고 다시 해보고.. vector대신 배열로도 해보았지만 결과는 마찬가지..
일단 parallel_reduce를 쓰는이유는 parallel_for와 비교해보면 이유를 알수 있습니다.

그런데 원래대로 하자면 tbb의 parallel_for은 operator() const 상태에서만 할수 있기때문에
위와 같이 람다로 fSum을 구하는건 편법(?) 원칙상 안되는 구문입니다..

어쨌든 parallel_reduce로 결과값이 싱글코어로 돌리는것과 동일하게 나올수 있다는건 알겠는데...
가장 중요한 속도가....( 이런 단순한 코드에선 속도가 안나오는건가요 ㅠ.ㅠ) 
이런속도라면 그냥 싱글코어가 더 좋겠죠 -ㅅ-;;

간략히 어쨌든 코드 설명하자면..

TbbTest 클래스에서 parallel_for와 달라진건
operator() 에서 const가 빠진것입니다. 
const가 빠짐으로 m_fSum에다가 더할수 있게 되었습니다..

그리고 새로이 추가된  void join(const TbbTest &y) 와 TbbTest(TbbTest& y,split) 생성자 2개가 새로이 추가되었습니다.

join은 각각의 스레드에서 합을 구하고 결과를 합처주는 역활을 하는 합수고.
TbbTest(TbbTest& y,split) 생성자는(분할 생성자)의 경우엔 parallel_reduce에서 내부적으로 사용하는 생성자로
하는 역활은 parallel_reduce를 할때 데이터(TbbTest)를 1/2로 분활하는 역활을 하는 생성자이며..
기존의 복사 생성자와 구분하기 위해 더미값 tbb::split를 써준것입니다..
참고로 1/2로 분활할때는 재귀적으로 최소한의 단위(GrainSize)가 될때까지 분활하게 됨니다..