題記：在計算機輔助設計領域，經常會用到多線程并行計算技術。用來做這種計算的機器一般是單路多核或多路多核的工作站或服務器，比如四路至強E5平臺。在這種機器里，每個計算核心的性能都是一樣的。然而，在ARM界，有一種被稱為“大小核”的技術，把不同性能的A72和A53集成在一個芯片里。大家一定很好奇，這樣的奇葩架構還能不能正常并行呢？今天我們就來試一試吧。

測試背景：目前，多核技術已經成為桌面平臺和移動平臺芯片的主流技術。英特爾、AMD和聯發科等都在“堆核”。

一般來說，X86_64架構的機器會使用多塊相同型號處理器組成多路計算平臺。平臺內每路處理器芯片是一樣的，每一個內核當然也都是一樣的。這樣的機器，多線程調度起來比較簡單，給每個線程分配差不多任務量的工作就可以了。

ARM架構處理器就花哨多了，除了“堆核”，近年來還整出了“大小核”。比如RK3399，集成了兩個A72核心和四個A53核心。多線程計算時候，有可能A72已經干完了自己的活，但是A53還在吭哧吭哧地墨跡，然后A72像吃瓜群眾一樣傻等A53。（這個跟聯發科那種由于主動大小核切換導致A72不干活的機理有些不太一樣）

那么問題來了，那么花哨的架構，多線程計算時候怎么防止“一核有難多核圍觀”的慘案呢？

我給大家推薦一個能自動均衡各線程負載的并行計算庫，名字叫OpenMP。

OpenMP簡介：OpenMP的執行模型采用fork-join(分叉-合并)的形式，以線程為基礎。其中fork創建線程或者喚醒已有線程；join即多線程的會合。

所有并行線程通過分叉池來分配工作，當一個線程完成自己的隊列任務以后，會隨機從其他正在工作的線程的隊列尾部獲取一個任務（工作竊取算法）。

于是，空閑線程能夠分擔從別的線程分解出來的子任務。這樣就不會發生A72干完自己的隊列，然后傻等A53的慘案了。

誠然，OpenMP也不是完美的。對于A72+A53這種大小核的獨特架構，調度和同步的工作量非常大，會在調度過程中造成大量的消耗。性能上并不能2+1=3。

開發板：友善之臂團隊給我們送來了他們新出的板子Nano PCT4。T4的處理器芯片是瑞芯微RK3399，有4個1.4GHz的A53核心和2個1.8GHz的A72核心，屬于傳說中的“大小核”架構芯片。

為了做對比，我還找來了友善之臂的另一個產品——Nano PCT3 Plus，它是T4的哥哥。T3的處理器是三星的S5P6818，有8個1.4GHz的A53核心。

測試：

下面開始測試吧。首先，我們把測試程序準備好。

為了避免作弊的嫌疑，也為了讓測試透明，我們自己來寫個OpenMP多線程浮點計算代碼吧。

先來個8線程并行代碼。（單線程計算要花費的基準時間也在代碼里測了）。

上面這是個圓周率推導程序，我們先用T3跑一下。

在上圖中，我們可以發現單個A53核心跑這個算法大約需要4.04秒時間。當使用8個A53核心一起跑的時候，時間縮減到約1.63秒。

對于8核A53，8線程并行可以使計算速度提高2.48倍。

我們換T4來跑

在上圖中，我們發現單個A72核心跑這個算法大約需要1.08秒時間（比8個A53并行快63%）。可見，A72的單核性能是A53的3.74倍。當使用8線程跑的時候，耗時約1.00秒，與單線程時候相比只提速了8%。這是因為T4的處理器芯片是大小核架構的，多線程對計算速度有一定的加速能力，但是因為調度起來比較費勁，所以速度增幅很小。

不像X86_64那樣具有很強的超線程能力，ARM的單核多線程加速能力其實并不好。對于T4的RK3399處理器，總共只有6個核心，分8個線程跑和分6個線程跑其實沒太大的速度差別。

我們把第一個代碼稍微修改一下，把計算量提高10倍，然后分別測試一下單線程、雙線程和六線程。

我們讓T4跑一下。

我們可以發現，對于這種大小核架構。單線程耗時約10.114秒，雙線并行程耗時約10.040秒，6線程并行耗時約10.039秒；并行有一定的提速效果，但是性能都被多個不同速度線程的調度給浪費了。

小結：今天的測試，我們可以總結以下幾點：

1、? A72做浮點計算時候的單核性能大約是A53的3.74倍。

2、? OpenMP可以給大小核的ARM處理器做并行提速

3、? 但是提速效果非常的不明顯

如果考慮功耗，還不如單核A72，一個就能單挑8個A53了（快63%）。