平行程式設計模型：Shared Memory Model 與 Race Condition 陷阱

1 前言

知道什麼是平行程式設計、以及為什麼需要它之後，接下來要處理的問題是「實際上怎麼寫」。平行程式設計有三種常見的模型 (Parallel Programming Model)，每一種的實作方式與適用場景都不太一樣。本篇文章介紹其中第一種：Shared Memory Model。

內容會從 Shared Memory Model 的記憶體結構講起，接著用一個「把陣列元素加總」的小例子，帶出這個模型最容易踩到的雷 —— Race Condition，最後說明怎麼用 Lock 與 Critical Section 把它擋掉。

2 什麼是 Shared Memory Model

如果你在程式中用過 Multi-Threading 的技巧，那你對 Shared Memory 的概念一定不陌生。用 Shared Memory Model 開發平行程式時，寫出來的通常就是所謂的「Multi-Thread Program」。

它的基本想法很單純：把 Program 中性質相同的 Task 拆給不同的 Thread 執行，這些 Thread 可以同時被不同的 Core 跑起來，Program 整體的執行時間因此縮短。原本要跑 8 秒的工作，理想上分給 2 個 Thread 之後大約 4 秒就能收工。

如果你對 Thread 與 Process 的區別還很陌生，可以參考 Program / Process / Thread 差異這篇說明。在這裡我們可以先把一個 Program 單純視為 Main Memory 中的一個 Process。在 Multi-Thread Program 中，這個 Process 底下包含了許多 Thread，每個 Thread 有自己的 Private Memory（例如 Local Stack Variable），所有 Thread 之間則共用一塊 Shared Memory（例如 Static Variable 與 Global Heap）。

如上圖所示，假設每個 Processor 正在執行不同的 Thread，這些 Thread 有自己的 Private Memory 存放只有自己需要知道的資訊；同時也有一塊 Shared Memory 可以互相分享資訊。

這裡有個關鍵的觀念：在 Shared Memory Model 中，Thread 之間是用「Implicit（隱性）」的方式溝通的。程式碼裡我們不會直接叫某個 Thread 去 Send 或 Receive Data，而是各自對 Shared Memory 做讀取 (Read) 與寫入 (Write)，資訊就這樣傳遞過去了。換個說法，共享記憶體本身就是通訊管道。

3 Shared Memory Model 範例

接著用一個簡單的問題與程式碼，把上面的概念以及它可能帶來的麻煩具體化。

如上圖所示，假設我們現在有一個 Array，裡面有 8 個元素。每個元素都要先丟進 Function f 運算，再把全部的結果加總起來。

為了減少 Program 的運行時間，我們在 Program 中建立 2 個 Thread，各自負責 4 個元素。Thread 1 與 Thread 2 會有自己的 (Private) Local Variable 紀錄這 4 個元素運算後的小計；另外還有一個 (Shared) Static Variable 紀錄整體的總和。

若把上面的描述寫成程式碼，結構大致就像上圖。先看藍色框框的部分：透過 fork Function 建立一個新的 Thread (Thread 1)，指定它要執行的 Function (sum)，並把這個 Thread 負責的 Array 元素 (a[0 : n/2 - 1]) 傳進去。下一行則是原來的 Main Thread 自己執行 sum Function，負責 Array 後半部的元素 (a[n/2 : n-1])。

這樣就形成了 Thread 1 與 Thread 2，兩者執行的都是同一個 sum Function。sum 的內容主要是一個 for loop，把每個元素丟進 f Function 之後，再累加到 static variable s 裡面（s 是 Thread 1 與 Thread 2 都可以讀取與寫入的共享變數）。

4 Race Condition

看起來沒問題，但實際執行上面的程式碼，會發現結果不一定正確 —— 而且每次跑出來的數字還可能不一樣。

原因在於 Thread 1 與 Thread 2 是被不同的 Core 同時執行的。如果 Thread 1 正在讀取 s 變數的當下，Thread 2 剛好對 s 寫入，最後的結果就會出錯。這種因為多個 Core 對同一塊記憶體空間讀寫的時序交錯而造成的錯誤，稱為 Race Condition。

舉個具體的例子。假設目前 s = 16：

1. Thread 1 讀到 s = 16，準備把 f(A[i]) 的結果與 16 相加後寫回 s。
2. 就在 Thread 1 寫回去之前，Thread 2 已經先把它算出的新結果寫進 s，此時 s = 20。
3. Thread 1 完全不知道這件事，它手上握的仍然是 16，於是用 16 去算並覆蓋回 s。

Thread 2 那次寫入等於憑空蒸發，後面的運算自然也就不正確了。麻煩的地方在於，這種錯誤取決於兩個 Thread 的執行時序，所以它是間歇性的：測試時可能跑十次對九次，上線之後才偶爾爆掉。

5 Critical Section

為了解決 Multi-Thread Program 中的 Race Condition，我們可以透過 Lock 機制，在 Program 中建立 Critical Section。

如上圖程式碼所示，第一步是「減少」Race Condition 發生的機率：在每個 Thread 中建立自己的 Local Variable（例如 local_s1 與 local_s2）存放自己算出來的小計，最後才把小計與 s 變數相加並寫回 s。這樣一來，原本 for loop 裡每一輪都要碰共享變數，現在整個 Thread 只碰一次。

不過機率變小不等於不會發生。「把自己算出來的總和與 s 相加並寫回 s」這個動作本身，依然可能撞上另一個 Thread 的同一個動作。

所以第二步，是用 lock 機制把這段過程變成一個 Critical Section，才能徹底根絕 Race Condition。一段程式碼一旦成為 Critical Section，同一時間就只會有一個 Thread 被允許執行它，其他 Thread 必須等前一個離開才能進去，交錯讀寫的情況也就不可能出現了。

最後，上圖中還有一行紅字：「Why not do lock inside the loop ?」意思是說，為什麼不乾脆回到最原始的版本（也就是沒有 local_s1 與 local_s2 的那一版），直接在 for loop 裡 s = s + f(A[i]) 這行的前後加上 Lock？這樣同樣可以避免 Race Condition。

答案是成本。Lock 的機制是透過 System Call 實作的，而 System Call 是一項高成本的指令。如果把它放進迴圈裡，等於每處理一個元素就要付一次這個成本；呼叫次數一多，額外的時間開銷反而可能把 Multi-Thread 帶來的好處整個抵銷掉。把 Lock 移到迴圈外面、只鎖真正需要保護的那一行，才是划算的做法。

6 結論

本篇文章介紹了 Parallel Programming Model 中的第一種 —— Shared Memory Model：Thread 之間透過共用的記憶體隱性溝通，寫起來直觀，但也因此容易踩到 Race Condition。

解法上，最基本的做法是用 Lock 機制圈出 Critical Section，確保同一時間只有一個 Thread 能碰到共享資料。同時也別忘了 Lock 本身是有成本的，鎖的粒度放在哪裡，往往直接決定了平行化到底有沒有賺到。