接上去，我们来看一下多核下的功用成绩，参看如下的代码。两个线程在操作一个数组的两个不同的元素（无需加锁），线程循环 1000 万次，做加法操作。在下面的代码中，我高亮了一行，就是p2指针，要么是p[1]，或是 p[18]，实际下去说，无论拜访哪两个数组元素，都应该是一样的执行时间。

void fn (int* data) { 

    for(int i = 0; i < 10*1024*1024; ++i) 

        *data += rand (); 

} 

  

int p[32]; 

  

int *p1 = &p[0]; 

int *p2 = &p[1]; // int *p2 = &amp;p[30]; 

  

thread t1(fn, p1); 

thread t2(fn, p2); 

但是，并不是，在我的机器上执行上去的结果是：

关于 p[0] 和 p[1] ：560ms

关于 p[0] 和 p[30]：104ms

这是由于 p[0] 和 p[1] 在同一条 Cache Line 上，而 p[0] 和 p[30] 则不能够在同一条 Cache Line 上 ，CPU 的缓冲最小的更新单位是 Cache Line，所以，这招致虽然两个线程在写不同的数据，但是由于这两个数据在同一条 Cache Line 上，就会招致缓存需求不断进在两个 CPU 的 L1/L2 中停止同步，从而招致了 5 倍的时间差异。

示例五

接上去，我们再来看一下另外一段代码：我们想统计一下一个数组中的奇数个数，但是这个数组太大了，我们希望可以用多线程来完成，这个统计。下面的代码中，我们为每一个线程传入一个 id ，然后经过这个 id 来完成对应数组段的统计义务。这样可以加快整个处置速度。

int total_size = 16 * 1024 * 1024; //数组长度 

int* test_data = new test_data[total_size]; //数组 

int nthread = 6; //线程数（由于我的机器是 6 核的） 

int result[nthread]; //搜集结果的数组 

  

void thread_func (int id) { 

    result[id] = 0; 

    int chunk_size = total_size / nthread + 1; 

    int start = id * chunk_size; 

    int end = min (start + chunk_size, total_size); 

  

    for ( int i = start; i < end; ++i ) { 

        if (test_data[i] % 2 != 0 ) ++result[id]; 

    } 

} 

(责任编辑：admin)