面试题：Rust结构体方法性能调优之高级并发

设计思路

共享数据管理：使用 Arc（原子引用计数）来共享数据，使得多个任务可以引用相同的数据。为了保证数据的线程安全读写，结合 Mutex 或 RwLock。Mutex 用于独占访问（读写），RwLock 适用于读多写少的场景，允许多个读操作并发进行。
任务并发执行：利用 thread::spawn 创建多个线程来并行处理任务。为了收集每个线程的处理结果，可以使用 JoinHandle 来等待线程完成并获取返回值。
减少锁竞争：尽量减少锁的持有时间，只在实际需要读写共享数据时才获取锁。可以通过将数据进行适当的分区，每个线程处理自己分区的数据，从而减少锁竞争。同时，避免不必要的锁嵌套。
缓存一致性：现代 CPU 缓存架构下，通过使用原子操作和合适的内存屏障（在 Rust 中由 Arc 和相关同步原语隐式处理）来保证缓存一致性。避免频繁地读写共享数据，尽量在每个线程内部使用局部变量来处理数据，只有在必要时才更新共享数据。

关键代码片段

use std::sync::{Arc, Mutex};
use std::thread;

struct ParallelProcessor {
    shared_data: Arc<Mutex<Vec<i32>>>,
}

impl ParallelProcessor {
    fn parallel_process(&self, num_threads: usize) -> Vec<i32> {
        let mut handles = Vec::with_capacity(num_threads);
        let data = self.shared_data.clone();

        for _ in 0..num_threads {
            let data_clone = data.clone();
            let handle = thread::spawn(move || {
                let mut data = data_clone.lock().unwrap();
                // 这里进行具体的数据处理，例如对每个元素加1
                for item in data.iter_mut() {
                    *item += 1;
                }
                // 返回处理后的数据副本（这里只是示例，实际可返回更有意义的结果）
                data.clone()
            });
            handles.push(handle);
        }

        let mut results = Vec::new();
        for handle in handles {
            let result = handle.join().unwrap();
            results.extend(result);
        }

        results
    }
}

在上述代码中：

ParallelProcessor 结构体包含一个 Arc<Mutex<Vec<i32>>> 类型的 shared_data，用于共享数据并保证线程安全。
parallel_process 方法接收线程数量 num_threads，创建相应数量的线程来处理数据。
每个线程通过 lock 获取 Mutex 锁，对共享数据进行处理，处理完成后返回处理结果。
主线程通过 join 等待所有线程完成，并收集处理结果。

这样设计可以有效地处理并发带来的性能瓶颈，实现高效的并行处理。

星途面试题库

面试题：Rust结构体方法性能调优之高级并发

知识考点

面试题答案

设计思路

关键代码片段