多核并行编程的背景

　　在摩尔定律失效之前，提升处理器性能通过主频提升、硬件超线程等技术就能满足应用需要。随着主频提升慢慢接近撞上光速这道墙，摩尔定律开始逐渐失效，多核集成为处理器性能提升的主流手段。现在市面上已经很难看到单核的处理器，就是这一发展趋势的佐证。要充分发挥多核丰富的计算资源优势，多核下的并行编程就不可避免，Linux kernel就是一典型的多核并行编程场景。但多核下的并行编程却挑战多多。

　　多核并行编程的挑战

　　目前主流的计算机都是冯诺依曼架构，即共享内存的计算模型，这种过程计算模型对并行计算并不友好。下图是一种典型的计算机硬件体系架构。

　　这种架构中，有如下设计特点：

　　·多个CPU核改善处理器的计算处理能力;

　　·多级cache改善CPU访问主存的效率;

　　·各个CPU都有本地内存(NUMA(非一致性内存访问))，进一步改善CPU访问主存的效率;

　　·store buffer模块改善cache write由于应答延迟而造成的写停顿问题;

　　·invalidate queue模块改善使无效应答的时延，把使无效命令放入queue后就立即发送应答;

　　外设DMA支持直接访问主存，改善CPU使用效率;

　　这些硬件体系设计特点也引入很多问题，最大的问题就是cache一致性问题和乱序执行问题。

　　cache一致性问题由cache一致性协议MESI解决，MESI由硬件保证，对软件来说是透明的。MESI协议保证所有CPU对单个cache line中单个变量修改的顺序保持一致，但不保证不同变量的修改在所有CPU上看到的是相同顺序。这就造成了乱序。不仅如此，乱序的原因还有很多：

　　·store buffer引起的延迟处理，会造成乱序;

　　·invalidate queue引起的延迟处理，会造成乱序;

　　·编译优化，会造成乱序;

　　·分支预测、多流水线等CPU硬件优化技术，会造成乱序;

　　·外设DMA，会造成数据乱序;

　　这种情况造成，就连简单的++运算操作的原子性都无法保证。这些问题必须采用多核并行编程新的技术手段来解决。

　　多核并行编程关键技术

　　锁技术

　　Linux kernel提供了多种锁机制，如自旋锁、信号量、互斥量、读写锁、顺序锁等。各种锁的简单比较如下，具体实现和使用细节这里就不展开了，可以参考《Linux内核设计与实现》等书的相关章节。

　　·自旋锁，不休眠，无进程上下文切换开销，可以用在中断上下文和临界区小的场合;

　　·信号量，会休眠，支持同时多个并发体进入临界区，可以用在可能休眠或者长的临界区的场合;

　　·互斥量，类似与信号量，但只支持同时只有一个并发体进入临界区;

　　·读写锁，支持读并发，写写/读写间互斥，读会延迟写，对读友好，适用读侧重场合;

　　·顺序锁，支持读并发，写写/读写间互斥，写会延迟读，对写友好，适用写侧重场合;

　　锁技术虽然能有效地提供并行执行下的竞态保护，但锁的并行可扩展性很差，无法充分发挥多核的性能优势。锁的粒度太粗会限制扩展性，粒度太细会导致巨大的系统开销，而且设计难度大，容易造成死锁。除了并发可扩展性差和死锁外，锁还会引入很多其他问题，如锁惊群、活锁、饥饿、不公平锁、优先级反转等。不过也有一些技术手段或指导原则能解决或减轻这些问题的风险。

　　·按统一的顺序使用锁(锁的层次)，解决死锁问题;

　　·指数后退，解决活锁/饥饿问题;

　　·范围锁(树状锁)，解决锁惊群问题;

　　·优先级继承，解决优先级反转问题 ;

　　原子技术

　　原子技术主要是解决cache不一致性和乱序执行对原子访问的破坏问题。主要的原子原语有：

　　ACCESS_ONECE()：只限制编译器对内存访问的优化;

　　barrier()：只限制编译器的乱序优化;

　　smb_wmb()：写内存屏障，刷新store buffer，同时限制编译器和CPU的乱序优化;

　　smb_rmb()：读内存屏障，刷新invalidate queue，同时限制编译器和CPU的乱序优化;

　　smb_mb()：读写内存屏障，同时刷新store buffer和invalidate queue，同时限制编译器和CPU的乱序优化;

　　atomic_inc()/atomic_read()等：整型原子操作;

　　多提一句的是，atomic_inc()原语为了保证原子性，需要对cache进行刷新，而缓存行在多核体系下传播相当耗时，其多核下的并行可扩展性差。

　　无锁技术

　　上一小节中所提到的原子技术，是无锁技术中的一种，除此之外，无锁技术还包括RCU、Hazard pointer等。值得一提的是，这些无锁技术都基于内存屏障实现的。

　　Hazard pointer主要用于对象的生命周期管理，类似引用计数，但比引用计数有更好的并行可扩展性;

　　RCU适用的场景很多，其可以替代：读写锁、引用计数、垃圾回收器、等待事物结束等，而且有更好的并行扩展性。但RCU也有一些不适用的场景，如写侧重;临界区长;临界区内休眠等场景。

　　不过，所有的无锁原语也只能解决读端的并行可扩展性问题，写端的并行可扩展性只能通过数据分割技术来解决。

　　数据分割技术

　　分割数据结构，减少共享数据，是解决并行可扩展性的根本办法。对分割友好(即并行友好)的数据结构有：

　　·数组

　　·哈希表

　　·基树(Radix Tree)/稀疏数组

　　·跳跃列表(skip list)

　　使用这些便于分割的数据结构，有利于我们通过数据分割来改善并行可扩展性。

　　除了使用合适的数据结构外，合理的分割指导规则也很重要：

　　·读写分割：以读为主的数据与以写为主的数据分开;

　　·路径分割：按独立的代码执行路径来分割数据;

　　·专项分割：把经常更新的数据绑定到指定的CPU/线程中;

　　·所有权分割：按CPU/线程个数对数据结构进行分割，把数据分割到per-cpu/per-thread中;

　　4种分割规则中，所有权分割是分割最彻底的。

　　以上这些多核并行编程内容基本上涵盖了Linux kernel中所有的并发编程关键技术。当然并行编程还有很多其他技术没有应用到Linux kernel中的，如无副作用的并行函数式编程技术(Erlang/Go等)、消息传递、MapReduce等等。