2.6、执行策略（std::execution）

什么是执行策略（std::execution）？

简单来说，执行策略就是告诉标准库算法“你用什么方式来执行这段代码”。传统的STL算法都是顺序执行的，也就是单线程、一个元素接着一个元素处理。C++17新增的执行策略允许你告诉算法：“用多线程并行执行”，或者“用SIMD指令矢量化执行”，甚至两者结合。

它定义在<execution>头文件里，主要有三种（C++20又加了一种）：

• • std::execution::seq：顺序执行，传统方式，单线程，保证顺序，最安全。
• • std::execution::par：并行执行，算法可以用多线程分块处理数据，适合大数据量且元素间操作独立的场景。
• • std::execution::par_unseq：并行且允许矢量化执行，结合多线程和SIMD指令，性能最高，但对代码要求更严格。
• • std::execution::unseq（C++20引入）：只允许矢量化，不使用多线程，适合单线程下利用SIMD提升性能。

这四种策略，分别对应不同的性能和安全权衡，选择合适的策略是发挥性能的关键。

设计哲学与底层原理

执行策略的设计哲学是“让算法调用者声明意图，而不是自己写并行代码”。这符合现代C++追求的高效抽象和零开销原则。底层实现通常由标准库或编译器提供支持：

• • 顺序策略：调用传统算法实现，保证顺序执行。
• • 并行策略：标准库会根据硬件线程数，自动分割数据区间，启动多个线程并行执行子任务，最后合并结果。
• • 矢量化策略：利用CPU的SIMD指令集（如AVX、SSE）对数据批量处理，提升单线程性能。
• • 并行+矢量化：结合上述两者，既多线程又SIMD。

底层实现需要保证线程安全，避免数据竞争，且并行策略不保证执行顺序，代码必须无副作用或副作用可控。

典型案例讲解

下面用一个并行排序和并行归约的案例，结合底层细节讲解执行策略的用法与原理。

案例1：并行排序

#include <vector>
#include <algorithm>
#include <execution>
#include <iostream>
#include <random>

int main() {
    std::vector<int> data(1'000'000);
    std::mt19937 gen(std::random_device{}());
    std::uniform_int_distribution<> dist(1, 1'000'000);
    for (auto& d : data) d = dist(gen);

    // 顺序排序
    std::sort(std::execution::seq, data.begin(), data.end());

    // 并行排序
    std::sort(std::execution::par, data.begin(), data.end());

    // 并行且矢量化排序
    std::sort(std::execution::par_unseq, data.begin(), data.end());

    return 0;
}

底层细节：

• • std::execution::seq调用传统单线程快速排序。
• • std::execution::par会将data分成多个区间，启动线程池中的多个线程分别排序各区间，最后合并排序结果（归并）。
• • std::execution::par_unseq除了多线程，还会利用SIMD指令加速区间内排序的比较和交换操作。

设计亮点：

• • 你只需传入策略参数，算法内部自动选择合适执行路径，极大简化并行编程。
• • 并行排序对线程安全要求高，算法保证不破坏数据一致性。
• • 适合大数据量，线程启动和同步开销在数据量大时被摊薄。

案例2：并行归约（求和）

#include <vector>
#include <numeric>
#include <execution>
#include <iostream>

int main() {
    std::vector<int> data(1'000'000, 1);

    // 顺序归约
    int sum_seq = std::reduce(std::execution::seq, data.begin(), data.end());

    // 并行归约
    int sum_par = std::reduce(std::execution::par, data.begin(), data.end());

    std::cout << "顺序和: " << sum_seq << "\n并行和: " << sum_par << std::endl;
    return 0;
}

底层细节：

• • 顺序执行时，std::reduce等同于std::accumulate，一个元素一个元素累加。
• • 并行执行时，数据被分块，每个线程计算局部和，最后主线程合并局部和。
• • 归约操作必须满足结合律，保证并行计算结果与顺序一致。

常见错误与面试考点

常见错误

• • 副作用导致数据竞争：并行策略下，传入的Lambda或函数不能有未同步的写共享变量，否则会产生竞态。
• • 对顺序敏感的算法使用并行策略：如依赖元素访问顺序的算法，使用par或par_unseq可能导致结果不确定。
• • 小数据集盲目使用并行：线程启动和同步开销可能比顺序执行还大，反而变慢。
• • 不支持的算法或容器：不是所有STL算法都支持执行策略，使用前需确认。

面试可能考察点

• • 解释执行策略的种类及区别。
• • 并行执行策略的底层实现机制。
• • 并行算法中如何保证线程安全和结果一致性。
• • SIMD矢量化的基本原理及其在执行策略中的应用。
• • 何时选择顺序执行，何时选择并行执行。
• • 代码示例中如何正确使用std::execution。

总结

C++17的执行策略是现代C++性能优化的利器，它让并行和矢量化算法的调用变得像调用普通算法一样简单。它的设计哲学是“声明你的执行意图，算法库帮你完成复杂细节”，极大降低了并行编程门槛。理解执行策略的不同类型、底层实现和适用场景，是掌握现代C++高性能编程的关键。
本文首发于【讳疾忌医-note】公众号，未经授权，不得转载。
（加入我的知识星球，免费获取账号，解锁所有文章。）