通过引用传递太多参数可能效率低下？

Question

Disclamer：我使用的是英特尔编译器2017，如果您想知道为什么要这样做，请在问题结尾处进行。

我有这样的代码：

class A{ 
    vector<float> v; 
    ... 
    void foo(); 
    void bar(); 
} 

void A::foo(){ 
    for(int i=0; i<bigNumber;i++){ 
    //something very expensive 
    //call bar() many times per cycle; 
    } 
} 

void A::bar(){ 
    //... 
    v.push_back(/*something*/); 
} 

现在，假设我想并行foo()，因为它是非常昂贵的。但是，由于v.push_back()，我不能简单地使用#pragma omp parallel for。

据我所知，这里还有两种选择：

1. 我们使用#pragma omp critical
2. 我们创造的v为每个线程的本地版本，然后我们共同他们在平行节结束，更或更少，如解释here。

解决方案1.通常被认为是一个糟糕的解决方案，因为竞争条件会产生一致的开销。

然而，解决2.需要修改bar()这样：

class A{ 
    vector<float> v; 
    ... 
    void foo(); 
    void bar(std::vector<float> &local_v); 
} 

void A::foo(){ 
    #pragma omp parallel 
    { 
    std::vector<float> local_v; 
    #pragma omp for 
    for(int i=0; i<bigNumber;i++){ 
     //something very expensive 
     //call bar(local_v) many times per cycle; 
    } 
    #pragma omp critical 
    { 
     v.insert(v.end(), local_v.begin(), local_v.end()); 
    } 
    } 
} 

void A::bar(std::vector<float> &local_v){ 
    //... 
    v.push_back(/*something*/); 
} 

到目前为止好。现在，假设不仅存在v，而且存在10个向量，比如v1，v2，...，v10，或者无论如何10个共享变量。另外，我们假设bar不是直接在foo()之内调用，而是在多次嵌套调用之后调用。类似于foo()，它调用foo1(std::vector<float> v1, ..., std::vector<float> v10)，它调用foo2(std::vector<float> v1, ..., std::vector<float> v10)，重复此嵌套调用很多次，直到最后一次调用bar(std::vector<float> v1, ..., std::vector<float> v10)。因此，这看起来像一个可维护性的噩梦（我必须修改所有嵌套函数的所有标题和调用）......但更重要的是：我们同意通过引用是有效的，但它总是一个指针复制。正如你所看到的，这里很多指针被复制了很多次。所有这些副本是否可能导致效率低下？其实我最关心的就是性能，所以如果你告诉我“没关系，这很好，因为编译器是超级智能的，他们做了一些魔术，所以你可以复制一万亿次引用，并且性能没有下降”，那么它会很好，但我不知道这样的魔法是否存在。

为什么我这样做： 我试图并行this代码。特别是，我将whilehere改写为for，它可以并行化，但如果您按照代码进行操作，则会发现调用的onAffineShapeFound被调用，这将修改共享对象keys的状态。这发生在其他许多变量中，但这是此代码的“最深”情况。

Answer 1

在a::Bar()与a::Bar(std::vector<float> & v)之间的直接比较中，区别在于第二个版本必须将堆栈的大小增加8个字节，而不是原始版本的大小。在性能方面，这是一个非常小的效果：无论函数是否包含参数，都必须调整堆栈指针（所以唯一真正的区别是单个指针副本，甚至可以根据编译器对其进行优化），并且就功能本身的实际性能而言，不断向std::vector添加元素将是一项非常昂贵的操作，尤其是如果矢量需要重新分配（这可能会频繁发生，这取决于有多大该向量需要得到），这意味着这些成本将远远超过指针复制的成本。

所以，简短版本：坚持与参考。