并行算法设计与性能优化

文笔有些生涩，主要是作者自身的经验总结。需要一定的基础，才能看懂。当然非常感谢作者的真诚总结，有所收获，期待新作。

2022已读13 基本上是国内HPC领域必读的书了 x86和arm部分都是经典的优化套路 而且还有作者的大佬同事加持写作 双大佬双核输出更稳。 其实在芯片上的各种神经网络模型和各种传统cv算子的优化已经是很小众了 但是前一段时间我居然看到阿里的一个技术团队在服务器端优化flink源码…目测在这个星球上只有这个团队在做这件事 果然有资本逐利（为了在大数据场景下节省计算节点）的地方就有程序员的身影…

比较理论化，泛泛而谈，深度和具体实践不够

近两三年来，在互联网企业中，GPU和并行计算越来越受到重视。无论是国外的Google、Facebook还是国内的百度、腾讯、阿里和360，都在使用代码优化、并行计算和GPU来完成以前不能完成的任务。而现在中小型企业也在使用代码优化和并行化技术来提升产品的使用体验。对于软件开发人员来说，如果不掌握并行计算和代码性能优化技术，在不久的将来就会被淘汰。 本书不但介绍了全新的代码性能优化的度量方法和标准，还介绍了常见的并行编程模型与环境、并行算法设计及编程模式的实践、遗留代码并行化和超级并行等读者最为关心的问题，使广大开发人员可以快速进入并行计算的实战工作。 本书亮点： 提出并解释了实现复杂度的概念及如何使用实现复杂度来分析程序性能。 介绍常见的串行代码优化方法。 提出了设计并行算法的步骤、方法和准则，以及如何将并行算法映射到硬件上以获得高性能。

书内涉及的知识点都挺浅的，属于是科普级别，想要入门高性能计算的小伙伴推荐看麻省理工的公开课 MIT 6.172 。

豁然开朗 相当不错的并行计算启蒙书

作者总结了一些并行编程的常见问题。适合知道并行原理，写过并行程序的人读。不能作为从零开始学的教材

关于并行理论的叙述，应该是目前接触到的最全面的一本了。好多优化技巧都有处理器底层原理来支撑。强烈推荐。实践方面推荐阅读作者系列书籍的第二本。

这书主要看的纸质版，顺便标记下。内容很尴尬。对初学者不友好，处处点到为止。章节编排不用心，经常有术语出现很久才在后面进行解释。而有经验的程序员可能又觉得内容太浅了。

比较浅显，泛泛而谈，可以快速过一下，了解下概念