Обсуждение участника:AKhimulya — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
м
Строка 1: Строка 1:
 
== Многопоточная сортировка слиянием ==
 
== Многопоточная сортировка слиянием ==
  
Благодаря тому, что сортировка слиянием построена на принципе "Разделяй и властвуй", выполнение данного алгоритма можно весьма эффективно распараллелить. Теоретически можно достичь много лучшей асимптотики, однако на практике из-за огранечений по количеству потоков, которые могут выполняться независимо друг от друга, вычислительная сложность уменьшается на константу.
+
Благодаря тому, что сортировка слиянием построена на принципе "Разделяй и властвуй", выполнение данного алгоритма можно весьма эффективно распараллелить.  
 
===Сортировка с однопоточным слиянием===
 
===Сортировка с однопоточным слиянием===
 
Внесем в алгоритм сортировки слиянием следующую модификацию: будем сортировать левую и правую части массива параллельно.
 
Внесем в алгоритм сортировки слиянием следующую модификацию: будем сортировать левую и правую части массива параллельно.
Строка 72: Строка 72:
 
         '''sync'''
 
         '''sync'''
  
Оценим время выполнения данного алгоритма сверху. Оба массива содержат <math>n_{1} + n_{2} = n</math> элементов. К моменту рекурсивных вызовов <math>n_{2} <= n_{1}</math>, значит, <math>n_{2} = 2 * n_{2} / 2 <= (n_{1} + n_{2}) / 2 = n / 2</math>. В худшем случае один из двух рекурсивных вызовов сольет <math>n_{1} / 2</math> элементов <math>T[left_{1} \dots right_{1}]</math> с <math>n_{2}</math> элементами <math>T[left_{2} \dots right_{2}]</math> и тогда количество элементов первых двух массивов в рекурсивном вызове будет равно <math>n_{1} / 2 + n_{2} <= n_{1} / 2 + n_{2} / 2 + n_{2} / 2 = (n_{1} + n_{2}) / 2 + n_{2} / 2 <= n / 2 + n / 4 = 3 * n / 4</math>. Так как рекурсивные вызовы функции выполняются параллельно, время их выполнения будет равно времени выполнения самого долгого вызова. В худшем случае это <math>T(3 * n / 4)</math>. Тогда сумарное время работы алгоритма слияния будет равно <math>T(n) = T(3 * n  / 4) + \Theta(\log(n)) = \O(\log^2(n))</math>, т.к. асимпототика каждого вызова функции - <math>\Theta(\log(n))</math>, т.е. время, затрачиваемое на бинарный поиск.  
+
Оценим время выполнения данного алгоритма сверху при возможности запускать неограниченное количество потоков независимо друг от друга. Оба массива содержат <math>n_{1} + n_{2} = n</math> элементов. К моменту рекурсивных вызовов <math>n_{2} <= n_{1}</math>, значит, <math>n_{2} = 2 * n_{2} / 2 <= (n_{1} + n_{2}) / 2 = n / 2</math>. В худшем случае один из двух рекурсивных вызовов сольет <math>n_{1} / 2</math> элементов <math>T[left_{1} \dots right_{1}]</math> с <math>n_{2}</math> элементами <math>T[left_{2} \dots right_{2}]</math> и тогда количество элементов первых двух массивов в рекурсивном вызове будет равно <math>n_{1} / 2 + n_{2} <= n_{1} / 2 + n_{2} / 2 + n_{2} / 2 = (n_{1} + n_{2}) / 2 + n_{2} / 2 <= n / 2 + n / 4 = 3 * n / 4</math>. Так как рекурсивные вызовы функции выполняются параллельно, время их выполнения будет равно времени выполнения самого долгого вызова. В худшем случае это <math>T(3 * n / 4)</math>. Тогда сумарное время работы алгоритма слияния будет равно <math>T(n) = T(3 * n  / 4) + \Theta(\log(n)) = O(\log^2(n))</math>, т.к. асимпототика каждого вызова функции - <math>\Theta(\log(n))</math>, т.е. время, затрачиваемое на бинарный поиск.  
  
 
===Сортировка с многопоточным слиянием===
 
===Сортировка с многопоточным слиянием===

Версия 16:14, 18 мая 2014

Многопоточная сортировка слиянием

Благодаря тому, что сортировка слиянием построена на принципе "Разделяй и властвуй", выполнение данного алгоритма можно весьма эффективно распараллелить.

Сортировка с однопоточным слиянием

Внесем в алгоритм сортировки слиянием следующую модификацию: будем сортировать левую и правую части массива параллельно.

   mergeSortMT(array, left, right):
       mid = (left + right) / 2
   
       spawn mergeSortMT(array, left, mid)
       mergeSortMT(array, mid + 1, right)
       sync
   
       merge(array, left, mid, right)

В данном алгоритме оператор spawn запускает новый поток, а оператор sync ожидает завершения этого потока. Функция merge аналогична функции merge из раздела слияние двух массивов.
Несмотря на наличие двух рекурсивных вызовов, при оценке будем считать, что совершается один вызов, т.к. оба вызова выполняются параллельно с одинаковой асимптотикой. Оценим время работы данного алгоритма: [math]T(n) = T(n / 2) + \Theta(n) = \Theta(n)[/math]. Данная асимптотика достигается при возможности запускать неограниченное количество потоков независимо друг от друга.
На практике на однопроцессорных компьютерах имеет смысл запускать алгоритм, ограничив количество допустимое количество потоков. Изменим код в соответствии с этими требованиями:

   mergeSortMTBounded(array, left, right):
       mid = (left + right) / 2
   
       if threadCount [math]\lt [/math] maxThreads:
           threadCount++
           spawn mergeSortMTBounded(array, left, mid)
       else:
           mergeSortMTBounded(array, left, mid)
       mergeSortMTBounded(array, mid + 1, right)
       if threadCount [math]\leqslant[/math] maxThreads:
           sync
           threadCount--
   
       merge(array, left, mid, right)

Где threadCount - глобальный счетчик, а maxThreads - ограничение по количеству потоков. Данный алгоритм будет иметь асимптотику: [math]\Theta((n / maxThreads) * \log((n / maxThreads)))[/math].

Многопоточное слияние

Как видно из оценки первого алгоритма, слияние выполняется слишком долго при том, что существует возможность его ускорить. Рассмотрим алгоритм рекурсивного слияния массивов [math]T[left_{1} \dots right_{1}][/math] и [math]T[left_{2} \dots right_{2}][/math] в массив [math]A[left_{3} \dots right_{3}][/math]:

  1. Убедимся, что размер [math]T[left_{1} \dots right_{1}][/math] больше либо равен размеру [math]T[left_{2} \dots right_{2}][/math]
  2. Вычислим [math]x = T[mid_{1}][/math] - середину первого массива ([math]x[/math] также является и медианой этого массива)
  3. При помощи бинарного поиска найдем [math]mid_{2}[/math] такое, что [math]\forall y \in T[left_{2} \dots mid_{2} - 1]: y \lt x[/math]
  4. [math]mid_{3} = left_{3} + (mid_{1} - left_{1}) + (mid_{2} - left_{2})[/math]
  5. [math]A[mid_{3}] = x[/math]
  6. Сольем [math]T[right_{1} \dots mid_{1} - 1][/math] и [math]T[right_{2} \dots mid_{2}][/math] в [math]A[right_{3} \dots mid_{3} - 1][/math]
  7. Сольем [math]T[mid_{1} + 1 \dots right_{1}][/math] и [math]T[mid_{2} \dots right_{2}][/math] в [math]A[mid_{3} + 1 \dots right_{3}][/math]

Рассмотрим псевдокод данного алгоритма:

   // если [math]right \lt = left[/math] возвращает [math]left[/math]
   // если [math]x \lt = T[left][/math], возвращает [math]left[/math]
   // иначе возвращает наибольший индекс [math]i[/math] из отрезка [math][left; right][/math] такой, что [math]array[i - 1] \lt  x[/math]
   binarySearch(x, array, left, right)
   
   // слияние [math]T[left_{1} \dots right_{1}][/math] и [math]T[left_{2} \dots right_{2}][/math] в [math]A[left_{3} \dots right_{1} - left_{1} + right_{2} - left_{2}][/math]
   mergeMT(T, [math]left_{1}[/math], [math]right_{1}[/math], [math]left_{2}[/math], [math]right_{2}[/math], A, [math]left_{3}[/math]):
   [math]n_{1}[/math] = [math]right_{1}[/math] - [math]left_{1}[/math] + 1
   [math]n_{2}[/math] = [math]right_{2}[/math] - [math]left_{2}[/math] + 1
   if [math]n_{1}[/math] < [math]n_{2}[/math]:
       swap([math]left_{1}[/math], [math]left_{2}[/math])
       swap([math]right_{1}[/math], [math]right_{2}[/math])
       swap([math]n_{1}[/math], [math]n_{2}[/math])
   
   if [math]n_{1}[/math] == 0:
       return
   else
       [math]mid_{1}[/math] = ([math]left_{1}[/math] + [math]right_{1}[/math]) / 2
       [math]mid_{2}[/math] = binarySearch(T[[math]mid_{1}][/math], T, [math]left_{2}[/math], [math]right_{2}[/math])
       [math]mid_{3}[/math] = [math]left_{3}[/math] + ([math]mid_{1}[/math] - [math]left_{1}[/math]) + ([math]mid_{2}[/math] - [math]left_{2}[/math])
       A[[math]mid_{3}[/math]] = T[[math]mid_{1}[/math]]
       spawn mergeMT(T, [math]left_{1}[/math], [math]mid_{1}[/math] - 1, [math]left_{2}[/math], [math]mid_{2}[/math] - 1, A, [math]left_{3}[/math])
       mergeMT(T, [math]mid_{1}[/math] + 1, [math]right_{1}[/math], [math]mid_{2}[/math], [math]right_{2}[/math], A, [math]mid_{3}[/math] + 1)
       sync

Оценим время выполнения данного алгоритма сверху при возможности запускать неограниченное количество потоков независимо друг от друга. Оба массива содержат [math]n_{1} + n_{2} = n[/math] элементов. К моменту рекурсивных вызовов [math]n_{2} \lt = n_{1}[/math], значит, [math]n_{2} = 2 * n_{2} / 2 \lt = (n_{1} + n_{2}) / 2 = n / 2[/math]. В худшем случае один из двух рекурсивных вызовов сольет [math]n_{1} / 2[/math] элементов [math]T[left_{1} \dots right_{1}][/math] с [math]n_{2}[/math] элементами [math]T[left_{2} \dots right_{2}][/math] и тогда количество элементов первых двух массивов в рекурсивном вызове будет равно [math]n_{1} / 2 + n_{2} \lt = n_{1} / 2 + n_{2} / 2 + n_{2} / 2 = (n_{1} + n_{2}) / 2 + n_{2} / 2 \lt = n / 2 + n / 4 = 3 * n / 4[/math]. Так как рекурсивные вызовы функции выполняются параллельно, время их выполнения будет равно времени выполнения самого долгого вызова. В худшем случае это [math]T(3 * n / 4)[/math]. Тогда сумарное время работы алгоритма слияния будет равно [math]T(n) = T(3 * n / 4) + \Theta(\log(n)) = O(\log^2(n))[/math], т.к. асимпототика каждого вызова функции - [math]\Theta(\log(n))[/math], т.е. время, затрачиваемое на бинарный поиск.

Сортировка с многопоточным слиянием