这是D中的迭代器,使用stp.parallelism的taskPool实现：

/**
 * Iterate in parallel over all nodes of the graph and call handler (lambda closure).
 */
void parallelForNodes(F)(F handle) {
    foreach (node v; taskPool.parallel(std.range.iota(z))) {
        // call here
        handle(v);
    }
}

这是传递的handle函数：

auto propagateLabels = (node v){
        if (active[v] && (G.degree(v) > 0)) {
            integer[label] labelCounts;
 
            G.forNeighborsOf(v,(node w) {
                label lw = labels[w];
                labelCounts[lw] += 1; // add weight of edge {v,w}
            });
 
            // get dominant label
            label dominant;
            integer lcmax = 0;
            foreach (label l,integer lc; labelCounts) {
                if (lc > lcmax) {
                    dominant = l;
                    lcmax = lc;
                }
            }
 
        if (labels[v] != dominant) { // UPDATE
            labels[v] = dominant;
            nUpdated += 1; // TODO: atomic update?
            G.forNeighborsOf(v,(node u) {
                active[u] = 1;
            });
        } else {
            active[v] = 0;
        }
 
        }
    };

C11实现几乎相同,但使用OpenMP进行并行化.那么缩放实验显示什么呢？

在这里我检查弱缩放,使输入图形大小加倍,同时还使线程数量加倍并测量运行时间.理想将是一条直线,但是当然还有一些并行性的开销.我在main函数中使用defaultPoolThreads(nThreads)来设置D程序的线程数. C的曲线看起来不错,但D曲线看起来令人吃惊.我做错了w.r.t. D并行性,或者是否反映了并行D程序的可扩展性？

附：编译器标志

对于D：rdmd -release -O -inline -n​​oboundscheck

对于C：-std = c 11 -fopenmp -O3 -DNDEBUG

PPS.某些事情一定是错误的,因为D的执行速度比顺序慢：

购买力平价.对于好奇,这两个实现都是Mercurial克隆URL：

> http://algohub.iti.kit.edu/parco/Prototypes/PLPd
> http://algohub.iti.kit.edu/parco/Prototypes/PLPcpp