双核CPU上的快速排序效率分析

这篇文章主要讲解了“双核CPU上的快速排序效率分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“双核CPU上的快速排序效率分析”吧！

成都创新互联自2013年起，先为子长等服务建站，子长等地企业，进行企业商务咨询服务。为子长企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

为了试验一下多核CPU上排序算法的效率，得比较单任务情况下和多任务并行排序算法的差距，因此选用快速排序算法来进行比较。

测试环境：双核CPU 2.66GHZ

单核CPU 2.4GHZ

以下是一个快速排序算法的源代码：

UINTSplit(void **ppData, UINTuStart, UINTuEnd,                      COMPAREFUNCCompareFunc) {     void *pSelData;     UINTuLow;     UINTuHigh;       uLow = uStart;     uHigh = uEnd;       pSelData = ppData[uLow];     while ( uLow < uHigh )     {         while ( (*CompareFunc)(ppData[uHigh], pSelData) > 0             && uLow != uHigh )         {             --uHigh;         }         if ( uHigh != uLow )         {             ppData[uLow] = ppData[uHigh];             ++uLow;         }           while ( (*CompareFunc)( ppData[uLow], pSelData ) < 0             && uLow != uHigh )         {              ++uLow;         }         if ( uLow != uHigh )         {             ppData[uHigh] = ppData[uLow];             --uHigh;         }     }     ppData[uLow] = pSelData;       returnuLow; }     voidQuickSort(void **ppData, UINTuStart, UINTuEnd,                         COMPAREFUNCCompareFunc) {     UINTuMid = Split(ppData, uStart, uEnd, CompareFunc );     if ( uMid > uStart )     {         QuickSort(ppData, uStart, uMid - 1, CompareFunc);     }       if ( uEnd > uMid )     {         QuickSort(ppData, uMid + 1, uEnd, CompareFunc);    } }

先测试一下这个快速排序算法排一百万个随机整数所花的时间：

voidTest_QuickSort(void) {     UINTi;     UINTuCount = 1000000; //1000000个       srand(time(NULL));     void **pp = (void **)malloc(uCount * sizeof(void *));     for ( i = 0; i < uCount; i++ )     {         pp[i] = (void *)(rand() % uCount);     }          clockclock_tt1 = clock();     QuickSort(pp, 0, uCount-1, UIntCompare);        clockclock_tt2 = clock();          printf("QuickSort 1000000 Time %ld/n", t2-t1);       free(pp); }

在双核CPU2.66GHZ机器上运行测试程序，打印出花费的时间约为406 ms

在单核CPU2.4GHZ机器上运行测试程序，打印出花费时间约为484ms

可见在双核CPU上运行单任务程序和单核CPU基本是一样的，效率没有任何提高。

下面再来把上面的快速排序程序变成并行的，一个简单的方法就是将要排序的区间分成相同的几个段，然后对每个段进行快速排序，排序完后再使用归并算法将排好的几个区间归并成一个排好序的表，我们先四个线程来进行排序，代码如下：

void ** Merge(void **ppData, UINTuStart, UINTuEnd,        void **ppData2, UINTuStart2, UINTuEnd2, COMPAREFUNCcfunc) {     UINTi, j, k;     UINTu1, u2, v1,v2;     void **pp1;     void **pp2;       void **pp = (void **)malloc( (uEnd-uStart+1+uEnd2-uStart2+1) * sizeof(void *));     if ( pp == NULL )     {         returnNULL;     }       if ( (*cfunc)(ppData2[uStart2], ppData[uStart]) > 0 )     {         u1 = uStart;         u2 = uEnd;         v1 = uStart2;         v2 = uEnd2;         pp1 = ppData;         pp2 = ppData2;     }     else     {                u1 = uStart2;         u2 = uEnd2;         v1 = uStart;         v2 = uEnd;         pp1 = ppData2;         pp2 = ppData;     }       k = 0;     pp[k] = pp1[u1];     j = v1;     for (i = u1+1; i <= u2; i++ )     {         while ( j <= v2 )         {             if ( (*cfunc)(pp2[j], pp1[i]) < 0 )            {                 ++k;                 pp[k] = pp2[j];                 j++;             }             else             {                 break;             }         }         ++k;         pp[k] = pp1[i];     }       if ( j < v2 )     {         for ( i = j; i <= v2; i++)         {             ++k;             pp[k] = pp2[i];         }     }     returnpp; }   typedefstructSORTNODE_st {        void **           ppData;        UINT             uStart;        UINT             uEnd;        COMPAREFUNCfunc; } SORTNODE;     DWORDWINAPIQuickSort_Thread(void *arg) {        SORTNODE   *pNode = (SORTNODE *)arg;        QuickSort(pNode->ppData, pNode->uStart, pNode->uEnd, pNode->func);        return 1; }   #define THREAD_COUNT    4   INTMQuickSort(void **ppData, UINTuStart, UINTuEnd, COMPAREFUNCCompareFunc) {     void **pp1;     void **pp2;     void **pp3;        INT               i;        SORTNODE   Node[THREAD_COUNT];        HANDLE        hThread[THREAD_COUNT];          INT        nRet = CAPI_FAILED;          for ( i = 0; i < THREAD_COUNT; i++)        {               Node[i].ppData = ppData;               if ( i == 0 )               {                      Node[i].uStart = uStart;               }               else               {                      Node[i].uStart = uEnd * i /THREAD_COUNT + 1;                }               Node[i].uEnd = uEnd *(i+1) / THREAD_COUNT;               Node[i].func = CompareFunc;                 hThread[i] = CreateThread(NULL, 0, QuickSort_Thread, &(Node[i]), 0, NULL);        }          for ( i = 0; i < THREAD_COUNT; i++ )        {               WaitForSingleObject(hThread[i], INFINITE);        }         pp1 = Merge(ppData, uStart, uEnd/4, ppData, uEnd/4+1, uEnd/2, CompareFunc);       pp2 = Merge(ppData, uEnd/2+1, uEnd*3/4, ppData, uEnd*3/4+1, uEnd, CompareFunc);       if ( pp1 != NULL && pp2 != NULL )     {         pp3 = Merge(pp1, 0, uEnd/2-uStart, pp2, 0, uEnd - uEnd/2 - 1, CompareFunc);           if ( pp3 != NULL )         {             UINTi;                       for ( i = uStart; i <= uEnd; i++)             {                 ppData[i] = pp3[i-uStart];             }             free(pp3);             nRet = CAPI_SUCCESS;         }     }     if( pp1 != NULL)     {         free( pp1 );     }     if ( pp2 != NULL )     {         free( pp2 );     }       returnnRet; }

用下面程序来测试一下排1百万个随机整数的花费时间：

voidTest_MQuickSort (void) {     UINTi;     UINTuCount = 1000000; //1000个       srand(time(NULL));     void **pp = (void **)malloc(uCount * sizeof(void *));     for ( i = 0; i < uCount; i++ )     {         pp[i] = (void *)(rand() % uCount);     }          clockclock_tt1 = clock();     INTnRet = MQuickSort(pp, 0, uCount-1, UIntCompare);        clockclock_tt2 = clock();          printf("MQuickSort 1000000 Time %ld/n", t2-t1);       free(pp); }

在双核CPU上运行后，打印出花费的时间为 234 ms , 单任务版的快速排序函数约需406ms左右，并行运行效率为：406/（2×234） = 86.7% 左右。运行速度快了172ms。

可见双核CPU中，多任务程序速度还是有很大提高的。

当然上面的多任务版的快速排序程序还有很大的改进余地，当对4个区间排好序后，后面的归并操作都是在一个任务里运行的，对整体效率会产生影响。估计将程序继续优化后，速度还能再快一些。

感谢各位的阅读，以上就是“双核CPU上的快速排序效率分析”的内容了，经过本文的学习后，相信大家对双核CPU上的快速排序效率分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！