多线程

本节讲解有关使用fork函数执行多线程计算的内容，非应用程序员如不需了解可以跳过，不影响正常阅读。

在解决计算问题时，串行计算是最为简单直观的处理方式。但是，当前的服务器或者个人计算机使用的CPU早已步入多核时代，完全有能力同时处理多个任务。此时，如果仍然使用串行计算，就无法充分利用CPU的计算能力。因此，在处理比较复杂的计算任务，或者面对大批数据时，就应该采取并行计算，用多线程甚至多台计算机共同完成计算任务。

在这里，我们先来研究最简单的并行计算——多线程计算。

用 fork 执行多线程计算

多线程计算是指在执行计算任务时，多个子任务使用各自独立的线程，同时计算的处理方式。在集算器中，可以使用fork语句来执行多线程计算。我们先用下面的例子了解fork语句的使用：

	A	B
1	$(demo) select * from EMPLOYEE	[Sales,R&D,Finance,Production]
2	fork B1	=A1.select(DEPT==A2)
3		=B2.minp(BIRTHDAY)
4		return B3

在A1中，从数据库中读出EMPLOYEE表中的数据：

在A2中用fork语句执行多线程计算，分别选出B1的各个部门中年龄最大的员工。执行后，A2中的结果如下：

在用多线程执行代码时，用fork循环序列参数，会根据参数序列的长度，分为多个线程同时执行fork语句的代码块，代码块中用return返回的结果将在主线程中拼为序列。

使用fork虽然也类似于循环计算，但是它与一般的for循环是不同的。在for循环中，代码块是按顺序用单线程完成循环计算的，而fork根据序列参数执行的计算是同时处理的。

为了进一步了解各个线程的执行情况，我们在A2的代码块中用output函数输出信息到控制台：

	A	B	C
1	$(demo) select * from EMPLOYEE	[Sales,R&D,Finance,Production]
2	fork B1	>output(A2+"-begin")	=A1.select(DEPT==A2)
3		=B2.minp(BIRTHDAY)	>output(A2+"-end")
4		return B3

在A2的代码块执行时，当计算开始和结束时，在B2和C3中分别输出信息。执行后，在控制台中可以看到输出结果如下：

从输出结果中可以看出，多个子任务有可能会同时计算，有的子任务也有可能需要等待资源才能开始执行。在多线程任务执行时，是由系统分配的，系统将会根据CPU的空闲情况来控制各个子任务的执行。每个子任务的计算时间会受本身的计算量以及执行线程的影响，多线程任务的执行在不同情况下也经常是有区别的。

 

在执行多线程计算时，也可以使用多个参数，如：

	A	B	C
1	$(demo) select * from EMPLOYEE	[Sales,R&D,Finance,Production]	[Texas,Illinois,Ohio,Florida]
2	fork B1,["F","F","F","F"],C1	=A1.select(DEPT==A2(1) && GENDER==A2(2) && STATE==A2(3))
3		=B2.minp(BIRTHDAY)
4		return B3

在A2执行多线程计算时，使用了3个参数，计算时将会按顺序匹配，即使用的参数依次为[Sales,F,Texas], [R&D,F,Illinois], [Finance,F,Ohio] 和 [Production,F,Florida]。此时寻找最大年龄的员工时，指定了部门、性别和所在州。A2中的计算结果如下：

如果执行多线程计算时使用多个参数，那么各个参数的序列长度应该是相等的。

我们可以注意到，在上面的代码中，查找各个部门的员工时，性别要求是同样的，此时可以将参数写为单值。如下面的例子：

	A	B	C
1	$(demo) select * from EMPLOYEE	[Sales,R&D,Finance,Production]	[Texas,Illinois,Ohio,Florida]
2	fork B1,"F",C1	=A1.select(DEPT==A2(1) && GENDER==A2(2) && STATE==A2(3))	>A1=B2
3		return B2

调用多线程计算时，单值参数会被复制到每个线程中，使用相同的参数值。另外，在这里代码块用return返回的并不是单条记录，而是排列，此时A2中的结果也会是排列构成的序列：

另外，在代码块中的C2中，将A1中的数据修改为选出的子程序中选出的排列。但是运行后，查看A1可以发现，A1中的数据并未被多线程运算的代码块修改。实际上，多线程运算的子程序在执行时，会各自复制当前的网格状态，是互相独立、互不影响的。因此它们也不能影响主代码中的数据。

fork语句除了可以用于多线程运算，也可以用于集群计算，相关内容请看后面集群计算 中的讲述。

使用多线程的性能优势

从执行上看，多线程计算的代码与普通的循环非常类似，那么为什么要用多线程计算呢？下面我们来比较一下多线程与普通循环的区别：

	A	B
1	=file("PersonnelInfo.txt")
2	=now()
3	fork to(4)	=A1.import@t(;A3:4)
4		return B3.select(City=="San Diego")
5	=A3.conj()	=interval@ms(A2,now())
6
7	=now()
8	for 4	=A1.import@t(;A8:4)
9		>A10=A10|B8.select(City=="San Diego")
10	[]	=interval@ms(A7,now())

在这个例子中，从文本文件PersonnelInfo.txt中找到圣地亚哥的员工数据。在2~5行使用多线程，在7~10行使用普通循环。计算时，在B3和B8同样采取分段读取数据的方法。需要注意的是，使用多线程计算时，fork to(4) 不能简写。在A5和A10中，两种方法计算出的结果是相同的：

在B5和B10中估算出两种方法的耗时如下：

 

可以发现，由于用多线程计算时，CPU的利用率较高，因此计算耗时会少于使用普通循环。

线程数的合理设置

既然使用多线程计算可以提高计算效率，那么是不是线程越多越好呢？我们可以来实验一下：

	A	B
1	=file("PersonnelInfo.txt")
2	=now()
3	fork to(4)	=A1.import@t(;A3:4)
4		return B3.select(City=="San Diego")
5	=A3.conj()	=interval@ms(A2,now())
6
7	=now()
8	fork to(400)	=A1.import@t(;A8:400)
9		return B8.select(City=="San Diego")
10	=A8.conj()	=interval@ms(A7,now())

在这里，2~5行使用多线程计算，分4个线程完成计算。7~10行同样使用多线程计算，不过使用了400个线程完成计算。在A5和A10中获得的结果，和上一节中的情况结果都是相同的。

现在来查看B5和B10中估算的计算耗时：

 

可以发现，虽然在A8中的多线程计算使用了非常多的线程，但是计算效率不但没有明显的提升，耗时还变多了。这是由于，系统空闲的CPU是有限的，过多的线程仍然需要等待顺次计算，往往不但无法提升效率，反而由于线程本身需要占用一定的资源，而造成速度变慢。在实际使用中，线程数略小于系统的CPU核数就可以获得比较好的性能了。