Les ordinateurs modernes sont g\u00e9n\u00e9ralement construits avec plusieurs c\u0153urs de traitement. Si tout fonctionne correctement, chaque c\u0153ur devrait toujours \u00eatre occup\u00e9 \u00e0 traiter des t\u00e2ches. En r\u00e9sum\u00e9, chaque c\u0153ur re\u00e7oit une file d’attente de t\u00e2ches (threads, t\u00e2ches, etc.) et l’ordonnanceur les distribue. La difficult\u00e9 r\u00e9side dans le fait que les threads g\u00e9n\u00e8rent de nouveaux threads ou cr\u00e9ent du travail suppl\u00e9mentaire pendant l’ex\u00e9cution. Ces t\u00e2ches ne sont pas n\u00e9cessairement g\u00e9r\u00e9es par le m\u00eame c\u0153ur qui travaille d\u00e9j\u00e0 sur un \u00e9l\u00e9ment, surtout s’il s’agit d’un thread enfant. Elles peuvent \u00eatre assign\u00e9es au m\u00eame c\u0153ur ou \u00e0 un autre selon la strat\u00e9gie d’ordonnancement du syst\u00e8me d’exploitation.<\/p>\n
La plupart du temps, tous les c\u0153urs restent aliment\u00e9s en travail, mais que se passe-t-il si l’un d’eux est termin\u00e9 trop t\u00f4t ? C’est l\u00e0 qu’intervient le vol de travail : lorsqu’un c\u0153ur termine ses t\u00e2ches, il fouille et \u00ab vole \u00bb une t\u00e2che dans la file d’attente d’un autre c\u0153ur. Ainsi, aucun c\u0153ur ne reste inactif, gaspillant ainsi son potentiel. En pratique, cela peut faire une grande diff\u00e9rence en termes de performances globales, notamment pour les charges de travail qui ne sont pas parfaitement \u00e9quilibr\u00e9es d\u00e8s le d\u00e9part. Vous pourriez constater des gains de performances si votre syst\u00e8me ou votre application est configur\u00e9 pour prendre en charge cette technique de ninja parall\u00e8le.<\/p>\n
Le vol de travail maintient le processeur en activit\u00e9 en redistribuant le travail de mani\u00e8re dynamique. Cela \u00e9vite l’inactivit\u00e9 des c\u0153urs, ce qui peut consid\u00e9rablement am\u00e9liorer le d\u00e9bit global, notamment pour les charges de travail dont les t\u00e2ches ne sont pas r\u00e9parties uniform\u00e9ment au d\u00e9part. Mais tout n’est pas rose. Il y a une surcharge, principalement parce que lorsqu’un c\u0153ur vole du travail, il peut devoir recharger les donn\u00e9es dans son cache (ou les r\u00e9cup\u00e9rer dans la RAM syst\u00e8me en cas d’\u00e9chec de chargement du cache).Cet \u00e9chec de chargement du cache peut ralentir le processus, car il attend le chargement des donn\u00e9es, ce qui est en partie contre-productif si la t\u00e2che vol\u00e9e aurait pu \u00eatre lanc\u00e9e plus rapidement sur son c\u0153ur d’origine.<\/p>\n
Honn\u00eatement, sur certaines configurations, ce processus peut parfaitement fonctionner, tandis que sur d’autres, il peut engendrer de l\u00e9gers retards. C’est un peu \u00e9trange, mais sur certaines machines, le vol de travail peut entra\u00eener plus de saturation du cache qu’il n’apporte d’avantages. Plus il y a de c\u0153urs, plus l’\u00e9quilibre devient complexe.<\/p>\n
Ce n’est pas seulement une question de processeur. De nombreux environnements de programmation prennent en charge le vol de travail de mani\u00e8re int\u00e9gr\u00e9e, comme des langages comme Cilk (utilis\u00e9 en calcul haute performance), l’environnement d’ex\u00e9cution Tokio de Rust ou la biblioth\u00e8que de t\u00e2ches parall\u00e8les de. NET. Ils g\u00e8rent la distribution du travail en arri\u00e8re-plan, donnant l’illusion d’un parall\u00e9lisme sans effort. Le syst\u00e8me d’exploitation lui-m\u00eame prend \u00e9galement en charge une grande partie du travail en planifiant les t\u00e2ches et en g\u00e9rant les pools de threads, g\u00e9n\u00e9ralement via des API comme pthread<\/strong> sous Linux ou Windows ThreadPool<\/strong> sous Windows.<\/p>\n Dans les syst\u00e8mes multiprocessus, il est courant d’ajouter des t\u00e2ches \u00e0 un pool de threads de travail que le syst\u00e8me d’exploitation planifie sur les c\u0153urs disponibles, plut\u00f4t que d’affecter des c\u0153urs d\u00e9di\u00e9s \u00e0 des t\u00e2ches sp\u00e9cifiques. C’est l\u00e0 que se produit le m\u00e9canisme de vol de travail : les threads de travail peuvent \u00ab voler \u00bb des t\u00e2ches dans les files d’attente des autres pour maintenir tous les c\u0153urs occup\u00e9s. Le choix des t\u00e2ches \u00e0 voler varie : certains syst\u00e8mes choisissent un c\u0153ur au hasard et volent la derni\u00e8re t\u00e2che de sa file d’attente, d’autres choisissent celui qui a la charge la plus \u00e9lev\u00e9e, et ainsi de suite.<\/p>\n En fin de compte, le vol de travail n’est qu’une de ces techniques astucieuses int\u00e9gr\u00e9es \u00e0 de nombreux syst\u00e8mes multic\u0153urs pour r\u00e9partir uniform\u00e9ment la charge de travail et \u00e9viter l’inactivit\u00e9 des processeurs. C’est un \u00e9l\u00e9ment fondamental du traitement parall\u00e8le moderne, m\u00eame si la plupart des utilisateurs ne le voient pas directement.<\/p>\n En arri\u00e8re-plan, le vol de travail maintient tous les c\u0153urs occup\u00e9s en redistribuant dynamiquement les t\u00e2ches des c\u0153urs surcharg\u00e9s vers les c\u0153urs inactifs. C’est ainsi que les processeurs multic\u0153urs optimisent leur efficacit\u00e9 sans que l’utilisateur ait \u00e0 \u00e9quilibrer manuellement les charges de travail. Bien s\u00fbr, ce syst\u00e8me n’est pas parfait : il implique une surcharge et, dans certains cas, peut entra\u00eener des \u00e9checs de cache qui ralentissent l\u00e9g\u00e8rement le syst\u00e8me. Mais globalement, si votre syst\u00e8me l’utilise correctement, il peut rendre les programmes multithreads beaucoup plus fluides.<\/p>\n","protected":false},"excerpt":{"rendered":" Les ordinateurs modernes sont g\u00e9n\u00e9ralement construits avec plusieurs c\u0153urs de traitement. Si tout fonctionne correctement, chaque c\u0153ur devrait toujours \u00eatre occup\u00e9 \u00e0 traiter des t\u00e2ches.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1566","post","type-post","status-publish","format-standard","hentry","category-aide"],"_links":{"self":[{"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/posts\/1566","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/comments?post=1566"}],"version-history":[{"count":0,"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/posts\/1566\/revisions"}],"wp:attachment":[{"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/media?parent=1566"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/categories?post=1566"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/help.peacedoorball.blog\/ca\/wp-json\/wp\/v2\/tags?post=1566"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Conclusion<\/span><\/h2>\n