我可以在并行执行策略中使用 std::transform 吗？答案

【问题标题】：Can I use std::transform in place with a parallel execution policy?我可以在并行执行策略中使用 std::transform 吗？
【发布时间】：2020-02-04 04:55:16
【问题描述】：

如果我没记错的话，我可以让std::transform 执行就地，方法是使用与输入和输出迭代器相同的范围。假设我有一些std::vector 对象vec，那么我会写

std::transform(vec.cbegin(),vec.cend(),vec.begin(),unary_op)

使用合适的一元运算unary_op。

使用 C++17 标准，我想通过在其中粘贴 std::execution::par 作为第一个参数来并行执行转换。这将使函数在cppreference article on std::transform 中从重载 (1) 变为 (2)。然而，这个重载的 cmets 说：

unary_op [...] 不得使任何迭代器无效，包括结束迭代器，或修改所涉及范围的任何元素。 (C++11 起)

“修改任何元素”是否真的意味着我不能在适当的位置使用算法，或者这是在谈论我误解的不同细节？

【问题讨论】：

标签： c++ parallel-processing stl c++17

【解决方案1】：

我相信它在谈论不同的细节。 unary_op 接受序列的一个元素并返回一个值。该值（由transform）存储到目标序列中。

所以这个unary_op 就可以了：

int times2(int v) { return 2*v; }

但这个不会：

int times2(int &v) { return v*=2; }

但这并不是你真正要问的。您想知道是否可以将transform 的unary_op 版本用作具有相同源和目标范围的并行算法。我不明白为什么不。 transform 将源序列的单个元素映射到目标序列的单个元素。但是，如果您的 unary_op 不是真正的一元，（即，它引用序列中的其他元素 - 即使它只读取它们，那么您将遇到数据竞争）。

【讨论】：

【解决方案2】：

这里引用标准

[alg.transform.1]

op [...] 不应使迭代器或子范围无效，或修改范围

这将禁止您的 unary_op 修改作为参数给出的值或容器本身。

auto unary_op = [](auto& value) 
{ 
    value = 10;    // this is bad
    return value;
}

auto unary_op = [&vec](auto const& value) 
{ 
    vec[0] = value;   // also bad
    return value;
}

auto unary_op = [&vec](auto& value) 
{ 
    vec.erase(vec.begin());   // nope 
    return value;
}

但是，以下是可以的。

auto unary_op = [](auto& value)  // const/ref not strictly needed
{         
    return value + 10;   // totally fine
}

auto unary_op = [&vec](auto& value)
{         
    return value + vec[0];   // ok in sequential but not in parallel execution
}

独立于我们拥有的UnaryOperation

[alg.transform.5]

在一元变换的情况下，结果可能等于第一个 [...]。

意味着明确允许就地操作。

现在

[算法.parallel.overloads.2]

除非另有说明，否则 ExecutionPolicy 算法重载的语义与没有它们的重载相同。

表示执行策略在算法上没有用户可见的差异。您可以期望该算法产生完全相同的结果，就像您不指定执行策略一样。

【讨论】：

【解决方案3】：

正如您在引用的链接示例中所见，修改任何元素不确实意味着对元素进行所有类型的修改：

函数的签名应该等同于：
Ret fun(const Type &a);

这包括对元素的修改。在最坏的情况下，如果您对目标使用相同的迭代器，则修改不应导致迭代器失效，例如push_back 到向量或 erasing 从 vector 可能会导致迭代器失效。

查看一个你不应该做的失败示例Live。

【讨论】：