一、并行编程

多线程和多进程编程，在早期一般是并发编程，现在基本是并行编程的基础。或者干脆就叫并行编程也没有什么可纠结的。但实际上并发编程和并行编程还是有着很大的不同。在前面的“多核和多CPU编程”系列中，已经对并发和并行的概念以及其不同进行了较深入的分析。如果有不太明白的，可以移步那个系列的文章。
这里之所以再次谈起，主要是在写线程的过程中，其实并发和并行往往是不分家的。一些常见的高并发处理的场景中，为了更好的利用多核和多CPU的优势，往往会引入一些并行库进行处理，目的只有一个，就是最大程度的压榨CPU的潜力。
可是，并行库的引入有利也有弊。最典型的就是一旦出现了线程间的问题，查找和定位问题就成了一个非常头疼的故事。这个就需要非常有经验的开发者不断的进行各种分析和调度，甚至可以深入到库内部进行查看问题的场景的发生路径（前提是开源库）。

二、并行库和应用

这里不对并行的模式进行分析，只是介绍一下目前比较常见的并行库：
1、OpenMp
这个可能是最常见的并行库了，估计一般写过并行程序的开发者或多或少都接触过。简单，易用。但功能上有一些限制，比如对非共享内存就有点不适应。
2、Intel TBB
TBB的应用因为有Intel背书，应用还是比较广泛的，类似于图的调度方式，更加灵活方便。抽象做的不错。但可能和硬件关联较强，毕竟谁家父母不喜欢自己家的孩子。

3、STL和Boost提供的并行库
其实在这类库提供的并行方式大多是基于函数接口方面的，更方便组合使用。特别是在c++11后提供了更多的并行算法如std::copy,std::find等等。

4、CUDA和OpenCL
这两种比较偏向于GPU，当然OpenCL也支持CPU、FPGA等。OpenCL做为一种跨平台的并行框架，支持的力度还需要加强。
其它并行库还有，但多是比较专业了。

并行库的应用，一般是对处理效率有着比较强的要求下才应用的。最常见的一般在大数据处理分析、图像处理、音视频处理以及一些科学计算等计算密集型与IO密集型紧密协调的情况下较多。
举一个最常见的例子，需要对十张图像进行灰度、编码、压缩等多道工序进行处理。那么并行库的优势就可以发挥出来。特别是当这个十张图像的大小不一，压缩的算法也要根据不同的情况进行压缩时，那么处理时序就可以乱序（非输入顺序）进行处理。如果最终要求恢复时序，再做时序处理即可，如果不要求，则可以直接吐出结果。那么此时，对线程的处理就已经比较复杂了。那么如果增加到一百张、一千张甚至更多的图像呢？
这样做的结果，理论上讲，单张处理最大的耗费时长即为十张图像总处理的时长。这对于一些图像处理算法，特别现在AI训练时的意义可想而知。

三、例程

这里举一个TBB的例子：

int main(){int ret = 0;broadcast_node<int> bNode(g);graph g;function_node< int, int > Sqr( g, 2, [](const int &data) {return data*data;} );function_node< int, int > Mul( g, 2, [](const int &data) {return data*3;} );function_node< int, int > Sum( g, 1, [&](const int &data ) -> int {return ret += v;} );make_edge( Sqr, Sum );make_edge( Mul, Sum );make_edge( bNode, Sqr );make_edge( bNode, Mul );for ( int i = 1; i < 20; ++i ) {bNode.try_put(i);}g.wait_for_all();std::cout << "result is " << ret << std::endl;return 0;
}

使用这种抽象的图方式来组织并行线程间的数据流动非常有益，特别是在这些数据节点传送时，需要动态切换的情况下，可以达到设计上的开闭原则而又不失灵活性。在Github上有不少使用TBB进行更高层的抽象应用的例子，推荐大家去学习一下。这些抽象的思想也可以应用在自己的多线程的应用上。

四、总结

古人说：“工欲善其事，必先利其器”，牛顿说要站在巨人的肩膀上，道理都是想通的。程序的设计开发也是如此，前人做过了很多非常有益的工作，后来者不必非再重复造一个轮子。但说这话得有一个前提，你得知道怎么造轮子，并且明白其内部的猫腻。
学以致用，用而后思。不断总结推进自己的编程水平和提高自己的编程思想，这才是王道。
并行编程并不是本系列文章的目的，这里把并行编程的相关进行基础的分析介绍，主要目的是让开发者明白，所谓并行框架的基石，仍然是多线（进）程编程。只要掌握了这些基础，那么在后期的学习和应用中，就会游刃有余！