Visual C++ 2013 的 STL 平行化函数库

之前在《C++14 C++编程爱好者看过来》一文中有提过了，在 C++14 这个尚未定案的 C++ 新标准里、又针对了 C++ 的核心语言、以及标准函示库（STL）做出了若干的改进。其中，Heresy 觉得相当重要的一部分，就是让平行化程序开发更简单的 STL 新函示库、Parallel STL 了！
而之前在《Modern C++: What you need to know》一文也有提过，微软在 Build 2014 上曾经预告过，将会放出根据《Working Draft, Technical Specification for C++ Extensions for Parallelism》实作的 Parallel STL 雏型版本；而现在，微软终于把他放在 CodePlex 上了！
官方的介绍，是《Parallel STL – Democratizing Parallelism in C++》这篇文章，专案的网址则是：https://parallelstl.codeplex.com/
要下载最新版本的话，基本上就是到‘Source Code’里面、点击右上方的‘Download’就可以把整个打包成 ZIP 下载了（链结）；而如果有需要的话，也可以用 Git 把整个 clone 下来。
简介

这套 Parallel STL 基本上算是 STL algorithm（参考）的延伸，所以它的内容基本上都和 STL algorithm 一样、主要是针对 STL container 做处理；差别只是在于现行的 STL algorithm 提供的含式都是以单一执行序来执行的，而 Parallel STL 所提供的，则都是平行化处理的版本、理论上可以更好地发挥多核心处理器的效能！
而和 OpenMP 相比，Parallel STL 除了也可以透过 for_each() 把循环平行化外，主要其实还是他针对一些常见的演算法，提供了平行化的实作；像是 sort()、count()、reduce()、transform()、search() 等等，在有需要的时候，都可以直接拿来使用，而不需要自己重新实作，算是相当方便的！
另外，虽然目前他还是只有使用多核心 CPU 来做平行化，但是由于他是定义出一个标准程序介面、然后让大家自己去实作，所以应该也可以期待、以后可以透过同样的函数介面，来完成 GPU 的平行化吧～
函数库准备

由于这个 Parallel STL 基本上还是一个独立的函数库，所以如果希望能在自己的专案里使用的话，需要先把它建置成 lib 和 dll 才行。
在打开 ParallelSTL.sln 这个方案后，里面可以找到‘ParallelSTLDesktop’ 这个专案，他基本上就是 Parallel STL 给 native C++ 用的函数库了～
在建置好这个专案后，以 x86 的 release 版来说，可以在‘release’文件夹下，找到建置出来‘ParallelSTL.lib’和‘ParallelSTL.dll’档；至于其他的建置环境（x64、debug 等），所建置出来的文件则是会在其他对应的目录下，应该也可以简单地找到。
再加上‘include’目录下的 header 档，这样就可以在其他专案里面使用 Parallel STL 了。而之后如果所使用的开发环境有直接支援 Parallel STL 的话，就不需要做这些步骤，而可以直接使用了。
程序的撰写

如果要使用 Parallel STL 的话，程序要做那些修改呢？其实相当简单！首先，要注意的是：Parallel STL 因为目前还没定案，还被视为 experimental、实验性的功能，所以不管是 header 还是 namespace，都还有 experimental 的字样；这个等正式定案之后，应该是会被拿掉的。
以目前还说，要使用 Parallel STL，基本上就是要 include ‘experimental/algorthim’这个文件；而之后，所有的相关函数，都会在‘std::experimental::parallel’这个 namespace 下。
如果以要针对一个 STL 的 container v 做排序来说，使用标准 STL 的写法，会是类似下面这样：
 

using namespace std;  
sort(v.begin(), v.end());  

而要改用平行化的版本的话，则只需要改成：

using namespace std::experimental::parallel;  
sort(par, v.begin(), v.end()); 

这样就可以了！
可以看到，除了 namespace 从 std 变成 std::experimental::parallel 外，程序码的修改，就只有 sort() 这个函数多了一个参数 par，要修改的地方相当地少～
而这边的 par 是用来告诉 Parallel STL 要怎么去执行这个函数用的，在现阶段的规范里面，有三种方法：
seq：sequential execute、序列化执行、不要平行化
par：parallel execute、平行化执行
vec：vector execute、向量化执行（维基百科）
透过这个参数，就可以在程序里面简单地控制是否要平行化、或是要以向量化的方式来执行了。而 Parallel STL 提供的其他函数，也都是类似的状况，只需要在前面多加这个参数就可以了～
如果是要把循环给平行化的化，则是可以使用 for_each() 这个函数，来扫过整个 container；下面就是一个简单的例子：

using namespace std::experimental::parallel;  
for_each(par, vData.begin(), vData.end(), [](int& iVal){  
  iVal = iVal* iVal;  
});  

在这个例子里面，就是透过 for_each() 来对 vData 这个 vector 里面每一项作平方的计算。这样的写法，如果用 OpenMP 的化，则会是：

#pragma omp parallel for  
for (int i = 0; i < vData.size(); ++i)  
  vData[i] = vData[i] * vData[i];  

两者哪种好用？这就见仁见智了～
简单的效能测试
以官方提供的‘Sort_Sample’这个效能测试用的范例程序来说，在 Heresy 的 Intel Core i7-3612QM 这颗四核心、八执行序的电脑上，其结果摘录如下：

Testing sort of 100000 ints: 
serial:        0.000 seconds 
parallel STL:  0.000 seconds
PPL:           0.000 seconds

Testing sort of 1000000 ints: 
serial:        0.031 seconds 
parallel STL:  0.000 seconds
PPL:           0.000 seconds

Testing sort of 10000000 ints: 
serial:        0.234 seconds 
parallel STL:  0.078 seconds
PPL:           0.062 seconds

Testing sort of 50000000 ints: 
serial:        1.156 seconds 
parallel STL:  0.328 seconds
PPL:           0.328 seconds

Testing sort of 100000000 ints: 
serial:        2.437 seconds 
parallel STL:  0.671 seconds
PPL:           0.656 seconds

可以看到，如果效能可以量测的话（>=10000000），用 Parallel STL 进行排序所需的时间，大概会是标准、没有平行化版本的 1/3 – 1/4～这个效能的进步相当多了！
补充：
这个函数库由于采用新的 C++ 语法来做开发，所以必须使用 Visual Studio 2013 以后的版本才能使用，如果使用 Visual Studio 2012 则会有编译错误。
Parallel STL 在 debug 模式下的效能可能会比没有平行化更差，如果要做效能测试，请记得使用 release 版。
微软之前其实也有提供一个平行化的函数库 Parallel Patterns Library（PPL）可以使用（参考），不过那是 Visual Studio 专用的；而现在的 Parallel STL 则是未来的 C++ STL 标准函数库，可以在不同的开发环境使用。