现在，嵌入式多核处理器已经在嵌入式设备范畴得到广泛运用，但嵌人式体系软件开发技能还停留在传统单核形式，并没有充分发挥多核处理器的功能。程序并行化优化现在在PC渠道上有必定运用，但在嵌入式渠道上还很少，别的，嵌入式多核处理器与PC渠道多核处理器有很大不同，因而不能直接将PC渠道的并行化优化办法应用到嵌人式渠道。本文分别从使命并行和缓存优化两方面进行并行化优化的研讨，探求在嵌人式多核处理器上对程序进行并行化优化的办法。
1嵌入式多核处理器结构
嵌人式多核处理器的结构包含同构(Symmetric)和异构(Asymmetric)两种。同构是指内部核的结构是相同的，这种结构现在广泛应用在PC多核处理器;而异构是指内部核的结构是不同的，这种结构常常在嵌入式范畴运用，常见的是通用嵌入式处理器+DSP核。本文探求的嵌入式多核处理器选用同构结构，完结同一段代码在不同处理器上的并行履行。
图1 ARM SMP处理器结构
在现在嵌入式范畴中，运用最为广泛的为ARM处理器，因而以ARM双核处理器OMAP4430作为研讨方针。ARM对称多处理(Symmetric Multi-Processing，SMP)结构如图1所示，依据程序的局部性原理，每一个处理器都具有私有的内存(Local Memory)，常见的是一级缓存(L1Cache)。但是，多个处理器之间又触及到彼此通讯问题，因而在常见的ARM处理器中运用二级缓存(L2 Cache)来处理这一问题。根据对称多处理器结构，一切的处理器(一般为2的倍数)在硬件结构上都是相同的，在运用体系资源上也是相等的。更重要的是，因为一切的处理器都有权力去拜访相同的内存空间，在同享内存区域中，任何一个进程或许线程都能够运转在恣意一个处理器之上，这样就使得程序的并行化成为可能。2在嵌入式多核渠道上进行并行化优化，需求考虑以下问题：
①并行化程序的功能取决于程序中串行化部分，程序功能不会跟着并行线程数目的提高而不断提高;
②嵌入式多核处理器相关于PC处理器而言，其总线速度较慢，而且缓存(Cache)更小，会构成很多数据在内存(Memory)和缓存(Cache)问不断复制，因而在进行并行化优化的进程中，应考虑缓存友好性(Cache friendly);
③程序并行化履行线程数目应当小于或等于物理处理器的数目，线程过多会构成线程间抢占处理器资源，致使并行化功能下降。
2 OpenMP并行化优化
2.1 0penMP作业原理简介
OpenMP是一个根据同享内存形式的跨渠道多线程并行的编程接口。主线程生成一系列的子线程，并将使命映射到子线程进行履行，这些子线程并行履行，由运转时环境将线程分配给不同的物理处理器。默许情况下，各个线程独立履行并行区域的代码。能够运用work-sharingconstructs来区分使命，使每个线程履行其分配部分的代码。经过这种方法，运用OpenMP能够完结使命并行和数据并行。
图2使命并行模型
使命并行形式创立一系列独立的线程，每一个线程运转一个使命，线程之间彼此独立，如图2所示。OpenMP运用编译原语session directive和task directive来完结使命分配，每个线程能够独立运转不同的代码区域，一起支撑使命的嵌套和递归。一旦创立使命，该使命就可能会在线程池(其巨细等于物理线程数目)中闲暇的线程上履行。
数据并行也便是数据级并行，对使命中处理的数据进行分块并行履行，如图3所示。C语言中的for循环最合适运用数据并行。
图3数据并行模型
2.2快速排序算法原理
快速排序算法是一种递归分治算法，算法中最为要害的便是确认岗兵元素(pivot data)。数据序列中小于岗兵的数据将会放在岗兵元素的左边，序列中大于岗兵的数据将会被放在岗兵元素的右侧。当完结数据扫描后，岗兵元素分红的左右两个部分就会调用快速排序算法递归进行。
快速排序算法中触及算法的递归调用，会发生很多使命，而且这些使命彼此独立，十分合适OpenMP的使命并行形式;别的，就一次快速排序搜索算法而言，岗兵元素关于左右子区间数据容量巨细具有决定性效果，考虑到嵌入式渠道的缓存(Cache)空间较小，需求对岗兵元素挑选算法进行优化，尽量使得区分出来的左右子区间更均衡，满意负载均衡的要求。
2.3使命并行化优化
经过对快速排序算法的剖析，快速排序是一个递归调用算法，算法的履行进程中会发生很多重复函数调用，而且函数的履行彼此独立。关于快速排序的一次扫描运算而言，算法首要确认岗兵元素(pivot)，并对数据序列进行一次调整，然后对岗兵元素的左右区间再次进行递归调用算法。
如下所示，对使命并行化优化针对每次扫描调整后的左右子区间，将每个子区间的运算笼统为一个使命，并经过OpenMP中的使命并行化原语#pragma omp task完结使命的并行化履行，然后完结了快速排序的使命并行化优化。
使命空间中的数据巨细取决于岗兵元素，因而，算法选取的区分算法(Partition Algorithm)应尽量将数据序列的区分均衡化，本文运用简略区分算法和三元中值法(Median-of-Three Method)进行测验。
2.4缓存优化
缓存优化(Cache friendly)的方针是削减数据在内存和缓存之间的复制。关于220个整型数据而言，数据巨细为4 MB，本文的测验渠道()MAP4430的二级缓存为1 MB，需求将数据区分为4个部分。
如下所示，算法将4部分数据分为4个快速排序使命，4部分使命并行履行，完结后每部分数据序列排序完结，需求将4部分数据进行兼并构成完结数据序列，因而在并行使命完毕后，需求对数据进行归并排序。
