双核CPU上的快速排序效率分析
这篇文章主要讲解了“双核CPU上的快速排序效率分析”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“双核CPU上的快速排序效率分析”吧!
成都创新互联自2013年起,先为子长等服务建站,子长等地企业,进行企业商务咨询服务。为子长企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
为了试验一下多核CPU上排序算法的效率,得比较单任务情况下和多任务并行排序算法的差距,因此选用快速排序算法来进行比较。
测试环境:双核CPU 2.66GHZ
单核CPU 2.4GHZ
以下是一个快速排序算法的源代码:
UINTSplit(void **ppData, UINTuStart, UINTuEnd, COMPAREFUNCCompareFunc) { void *pSelData; UINTuLow; UINTuHigh; uLow = uStart; uHigh = uEnd; pSelData = ppData[uLow]; while ( uLow < uHigh ) { while ( (*CompareFunc)(ppData[uHigh], pSelData) > 0 && uLow != uHigh ) { --uHigh; } if ( uHigh != uLow ) { ppData[uLow] = ppData[uHigh]; ++uLow; } while ( (*CompareFunc)( ppData[uLow], pSelData ) < 0 && uLow != uHigh ) { ++uLow; } if ( uLow != uHigh ) { ppData[uHigh] = ppData[uLow]; --uHigh; } } ppData[uLow] = pSelData; returnuLow; } voidQuickSort(void **ppData, UINTuStart, UINTuEnd, COMPAREFUNCCompareFunc) { UINTuMid = Split(ppData, uStart, uEnd, CompareFunc ); if ( uMid > uStart ) { QuickSort(ppData, uStart, uMid - 1, CompareFunc); } if ( uEnd > uMid ) { QuickSort(ppData, uMid + 1, uEnd, CompareFunc); } }
先测试一下这个快速排序算法排一百万个随机整数所花的时间:
voidTest_QuickSort(void) { UINTi; UINTuCount = 1000000; //1000000个 srand(time(NULL)); void **pp = (void **)malloc(uCount * sizeof(void *)); for ( i = 0; i < uCount; i++ ) { pp[i] = (void *)(rand() % uCount); } clockclock_tt1 = clock(); QuickSort(pp, 0, uCount-1, UIntCompare); clockclock_tt2 = clock(); printf("QuickSort 1000000 Time %ld/n", t2-t1); free(pp); }
在双核CPU2.66GHZ机器上运行测试程序,打印出花费的时间约为406 ms
在单核CPU2.4GHZ机器上运行测试程序,打印出花费时间约为484ms
可见在双核CPU上运行单任务程序和单核CPU基本是一样的,效率没有任何提高。
下面再来把上面的快速排序程序变成并行的,一个简单的方法就是将要排序的区间分成相同的几个段,然后对每个段进行快速排序,排序完后再使用归并算法将排好的几个区间归并成一个排好序的表,我们先四个线程来进行排序,代码如下:
void ** Merge(void **ppData, UINTuStart, UINTuEnd, void **ppData2, UINTuStart2, UINTuEnd2, COMPAREFUNCcfunc) { UINTi, j, k; UINTu1, u2, v1,v2; void **pp1; void **pp2; void **pp = (void **)malloc( (uEnd-uStart+1+uEnd2-uStart2+1) * sizeof(void *)); if ( pp == NULL ) { returnNULL; } if ( (*cfunc)(ppData2[uStart2], ppData[uStart]) > 0 ) { u1 = uStart; u2 = uEnd; v1 = uStart2; v2 = uEnd2; pp1 = ppData; pp2 = ppData2; } else { u1 = uStart2; u2 = uEnd2; v1 = uStart; v2 = uEnd; pp1 = ppData2; pp2 = ppData; } k = 0; pp[k] = pp1[u1]; j = v1; for (i = u1+1; i <= u2; i++ ) { while ( j <= v2 ) { if ( (*cfunc)(pp2[j], pp1[i]) < 0 ) { ++k; pp[k] = pp2[j]; j++; } else { break; } } ++k; pp[k] = pp1[i]; } if ( j < v2 ) { for ( i = j; i <= v2; i++) { ++k; pp[k] = pp2[i]; } } returnpp; } typedefstructSORTNODE_st { void ** ppData; UINT uStart; UINT uEnd; COMPAREFUNCfunc; } SORTNODE; DWORDWINAPIQuickSort_Thread(void *arg) { SORTNODE *pNode = (SORTNODE *)arg; QuickSort(pNode->ppData, pNode->uStart, pNode->uEnd, pNode->func); return 1; } #define THREAD_COUNT 4 INTMQuickSort(void **ppData, UINTuStart, UINTuEnd, COMPAREFUNCCompareFunc) { void **pp1; void **pp2; void **pp3; INT i; SORTNODE Node[THREAD_COUNT]; HANDLE hThread[THREAD_COUNT]; INT nRet = CAPI_FAILED; for ( i = 0; i < THREAD_COUNT; i++) { Node[i].ppData = ppData; if ( i == 0 ) { Node[i].uStart = uStart; } else { Node[i].uStart = uEnd * i /THREAD_COUNT + 1; } Node[i].uEnd = uEnd *(i+1) / THREAD_COUNT; Node[i].func = CompareFunc; hThread[i] = CreateThread(NULL, 0, QuickSort_Thread, &(Node[i]), 0, NULL); } for ( i = 0; i < THREAD_COUNT; i++ ) { WaitForSingleObject(hThread[i], INFINITE); } pp1 = Merge(ppData, uStart, uEnd/4, ppData, uEnd/4+1, uEnd/2, CompareFunc); pp2 = Merge(ppData, uEnd/2+1, uEnd*3/4, ppData, uEnd*3/4+1, uEnd, CompareFunc); if ( pp1 != NULL && pp2 != NULL ) { pp3 = Merge(pp1, 0, uEnd/2-uStart, pp2, 0, uEnd - uEnd/2 - 1, CompareFunc); if ( pp3 != NULL ) { UINTi; for ( i = uStart; i <= uEnd; i++) { ppData[i] = pp3[i-uStart]; } free(pp3); nRet = CAPI_SUCCESS; } } if( pp1 != NULL) { free( pp1 ); } if ( pp2 != NULL ) { free( pp2 ); } returnnRet; }
用下面程序来测试一下排1百万个随机整数的花费时间:
voidTest_MQuickSort (void) { UINTi; UINTuCount = 1000000; //1000个 srand(time(NULL)); void **pp = (void **)malloc(uCount * sizeof(void *)); for ( i = 0; i < uCount; i++ ) { pp[i] = (void *)(rand() % uCount); } clockclock_tt1 = clock(); INTnRet = MQuickSort(pp, 0, uCount-1, UIntCompare); clockclock_tt2 = clock(); printf("MQuickSort 1000000 Time %ld/n", t2-t1); free(pp); }
在双核CPU上运行后,打印出花费的时间为 234 ms , 单任务版的快速排序函数约需406ms左右,并行运行效率为:406/(2×234) = 86.7% 左右。运行速度快了172ms。
可见双核CPU中,多任务程序速度还是有很大提高的。
当然上面的多任务版的快速排序程序还有很大的改进余地,当对4个区间排好序后,后面的归并操作都是在一个任务里运行的,对整体效率会产生影响。估计将程序继续优化后,速度还能再快一些。
感谢各位的阅读,以上就是“双核CPU上的快速排序效率分析”的内容了,经过本文的学习后,相信大家对双核CPU上的快速排序效率分析这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!
本文题目:双核CPU上的快速排序效率分析
网站网址:http://myzitong.com/article/igopdj.html