C++17 STL Стандартная библиотека шаблонов

  size_t iterations {0};

  const size_t max_iterations {100000};

  while (abs(z) < 2 && iterations < max_iterations) {

    ++iterations;

    z = pow(z, 2) + c;

  }

  return iterations;

}

4. Далее перед нами часть функции main, которую также не нужно изменять:

int main()

{

  const size_t w {100};

  const size_t h {40};

  auto scale (scaled_cmplx(

    scaler(0, w, -2.0, 1.0),

    scaler(0, h, -1.0, 1.0)

  ));

  auto i_to_xy ([=](int x) {

    return scale(x % w, x / w);

  });

5. В функции to_iteration_count больше не вызываем mandelbrot_iterations(x_to_xy(x)) непосредственно, этот вызов делается асинхронно с помощью std::async:

  auto to_iteration_count ([=](int x) {

    return async(launch::async,

                 mandelbrot_iterations, i_to_xy(x));

  });

6. Перед внесением последнего изменения функция to_iteration_count возвращала количество итераций, нужных конкретной координате, чтобы алгоритм Мандельброта сошелся. Теперь она возвращает переменную типа future, которая станет содержать то же значение позднее, когда оно будет рассчитано асинхронно. Из-за этого требуется вектор для хранения всех значений типа future, добавим его. Выходной итератор, который мы предоставили функции transform в качестве третьего аргумента, должен быть начальным итератором для нового вектора выходных данных r:

  vector v (w * h);

  vector> r (w * h);

  iota(begin(v), end(v), 0);

  transform(begin(v), end(v), begin(r),

            to_iteration_count);

7. Вызов accumulate, который выводит результат на экран, больше не получает значения типа size_t в качестве второго аргумента, вместо этого он получает значения типа future. Нужно адаптировать его к данному типу (если бы мы изначально использовали тип auto&, то этого бы не требовалось), а затем вызвать x.get(), где мы получили доступ к x, чтобы дождаться появления значения.

  auto binfunc ([w, n{0}] (auto output_it, future &x)

      mutable {

    *++output_it = (x.get() > 50 ? '*' : ' ');

    if (++n % w == 0) { ++output_it = '\n'; }

    return output_it;

  });

  accumulate(begin(r), end(r),

             ostream_iterator{cout}, binfunc);

}

8. Компиляция и запуск программы дадут результат, который мы видели ранее. Увеличение количества итераций и для оригинальной версии приведет к тому, что распараллеленная версия отработает быстрее. На моем компьютере, имеющем четыре ядра ЦП, поддерживающих гиперпараллельность (что дает восемь виртуальных ядер), я получаю разные результаты для GCC и clang. В лучшем случае программа ускоряется в 5,3 раза, а в худшем — в 3,8. Результаты, конечно, будут различаться для разных машин.

Как это работает

Сначала важно понять всю программу, поскольку далее становится ясно, что вся работа, зависящая от ЦП, происходит в одной строке кода в функции main:

transform(begin(v), end(v), begin(r), to_iteration_count);

Вектор v содержит все индексы, соотнесенные с комплексными координатами, по которым мы итерируем в алгоритме Мандельброта. Результат каждой итерации сохраняется в векторе r.

В оригинальной программе в данной строке тратится все время, требуемое для расчета фрактального изображения. Весь код, находящийся перед ним, выполняет подготовку, а весь код, следующий за ним, нужен лишь для вывода информации на экран. Это значит, что распараллеливание выполнения этой строки критически важно для производительности.

Одним из возможных подходов к распараллеливанию является разбиение всего линейного диапазона от begin(v) до end(v) на фрагменты одного размера и равномерное их распределение между ядрами. Таким образом, все ядра выполнят одинаковый объем работы. Если бы мы использовали параллельную версию функции std::transform с параллельной политикой выполнения, то все бы так и произошло. К сожалению, это неверная стратегия для нашей задачи, поскольку каждая точка множества Мандельброта показывает индивидуальное количество итераций.