面试题：Rust闭包在并行矩阵运算中的应用

1. 并行矩阵转置示例

use std::thread;

fn parallel_transpose(matrix: &mut Vec<Vec<i32>>) {
    let num_threads = num_cpus::get();
    let num_rows = matrix.len();
    let num_cols = matrix[0].len();

    let row_chunks: Vec<&mut Vec<i32>> = matrix.chunks_mut(num_rows / num_threads).collect();

    let mut handles = vec![];
    for chunk in row_chunks {
        let handle = thread::spawn(move || {
            for i in 0..chunk.len() {
                for j in (i + 1)..num_cols {
                    let temp = chunk[i][j];
                    chunk[i][j] = matrix[j][i];
                    matrix[j][i] = temp;
                }
            }
        });
        handles.push(handle);
    }

    for handle in handles {
        handle.join().unwrap();
    }
}

2. 安全地共享和修改数据及处理竞争条件

共享数据：在上述代码中，我们通过move语义将矩阵的一部分所有权转移到闭包中，使得每个线程都处理矩阵的不同部分，避免了数据竞争。如果需要共享不可变数据，可以使用&引用。例如，如果矩阵不需要修改，我们可以将闭包参数改为&Vec<Vec<i32>>。
修改数据：当需要修改共享数据时，为了避免竞争条件，我们可以使用Mutex或RwLock。例如：

use std::sync::{Mutex, Arc};
let shared_matrix = Arc::new(Mutex::new(matrix));
let mut handles = vec![];
for _ in 0..num_threads {
    let matrix_clone = shared_matrix.clone();
    let handle = thread::spawn(move || {
        let mut matrix = matrix_clone.lock().unwrap();
        // 对矩阵进行修改操作
    });
    handles.push(handle);
}

这里Arc用于在多个线程间共享Mutex，Mutex则保证同一时间只有一个线程能访问和修改矩阵。

3. 闭包在并行场景中的生命周期管理和所有权转移

生命周期管理：在thread::spawn中使用闭包时，闭包捕获的变量的生命周期需要满足线程执行的时间。例如，上述代码中move闭包将chunk的所有权转移到闭包中，chunk的生命周期至少要持续到线程结束。如果闭包捕获的是引用，那么引用的生命周期也需要覆盖线程执行的时间。
所有权转移：move关键字使得闭包获取捕获变量的所有权。在上述并行矩阵转置的例子中，每个闭包通过move获取chunk的所有权，这意味着在闭包执行期间，外部作用域不再拥有chunk的所有权。如果闭包捕获的变量实现了Send trait（表示该类型可以安全地在线程间传递），就可以在不同线程间转移所有权。

星途面试题库

面试题：Rust闭包在并行矩阵运算中的应用

知识考点

面试题答案

1. 并行矩阵转置示例

2. 安全地共享和修改数据及处理竞争条件

3. 闭包在并行场景中的生命周期管理和所有权转移