並行算法設計與性能優化

文筆有些生澀，主要是作者自身的經驗總結。需要一定的基礎，才能看懂。當然非常感謝作者的真誠總結，有所收穫，期待新作。

2022已讀13 基本上是國內HPC領域必讀的書了 x86和arm部分都是經典的優化套路 而且還有作者的大佬同事加持寫作 雙大佬雙核輸出更穩。 其實在芯片上的各種神經網絡模型和各種傳統cv算子的優化已經是很小衆了 但是前一段時間我居然看到阿里的一個技術團隊在服務器端優化flink源碼…目測在這個星球上只有這個團隊在做這件事 果然有資本逐利（爲了在大數據場景下節省計算節點）的地方就有程序員的身影…

比較理論化，泛泛而談，深度和具體實踐不夠

近兩三年來，在互聯網企業中，GPU和並行計算越來越受到重視。無論是國外的Google、Facebook還是國內的百度、騰訊、阿里和360，都在使用代碼優化、並行計算和GPU來完成以前不能完成的任務。而現在中小型企業也在使用代碼優化和並行化技術來提升產品的使用體驗。對於軟件開發人員來說，如果不掌握並行計算和代碼性能優化技術，在不久的將來就會被淘汰。 本書不但介紹了全新的代碼性能優化的度量方法和標準，還介紹了常見的並行編程模型與環境、並行算法設計及編程模式的實踐、遺留代碼並行化和超級並行等讀者最爲關心的問題，使廣大開發人員可以快速進入並行計算的實戰工作。 本書亮點： 提出並解釋了實現複雜度的概念及如何使用實現複雜度來分析程序性能。 介紹常見的串行代碼優化方法。 提出了設計並行算法的步驟、方法和準則，以及如何將並行算法映射到硬件上以獲得高性能。

書內涉及的知識點都挺淺的，屬於是科普級別，想要入門高性能計算的小夥伴推薦看麻省理工的公開課 MIT 6.172 。

豁然開朗 相當不錯的並行計算啓蒙書

作者總結了一些並行編程的常見問題。適合知道並行原理，寫過並行程序的人讀。不能作爲從零開始學的教材

關於並行理論的敘述，應該是目前接觸到的最全面的一本了。好多優化技巧都有處理器底層原理來支撐。強烈推薦。實踐方面推薦閱讀作者系列書籍的第二本。

這書主要看的紙質版，順便標記下。內容很尷尬。對初學者不友好，處處點到爲止。章節編排不用心，經常有術語出現很久纔在後面進行解釋。而有經驗的程序員可能又覺得內容太淺了。

比較淺顯，泛泛而談，可以快速過一下，瞭解下概念