企业官网建设流程全解析

• 并发编程
• 高性能计算

oneTBB（oneAPI Threading Building Blocks）提供了多种并发容器，其中concurrent_hash_map是在多线程下安全执行“查找—更新”操作的标准选择。本篇文章以仓库中examples/concurrent_hash_map目录下的count_strings示例为核心，完整讲解其从构建、运行、命令行参数到源码实现的全过程：你将掌握如何用 CMake 快速构建 oneTBB 示例、如何通过预定义 make 目标一键运行与性能测量，以及concurrent_hash_map的accessor机制、parallel_for搭配与时间测量等关键编程模式，并可直接把同样的写法迁移到自己的词频统计、计数聚合等真实业务中。

示例概述：count_strings 统计文本中的唯一单词

examples/concurrent_hash_map/README.md明确指出：该目录包含concurrent_hash_map容器的代码示例，目前只有一个示例count_strings——并发地将字符串插入concurrent_hash_map容器。示例的目标非常清晰：统计一段文本中每个单词的出现次数，并报告单词总数与唯一单词数。

示例的完整说明见 count_strings 的 README，核心实现见 count_strings.cpp。它模拟了一个典型场景：大量"单词"由程序随机生成（模拟英文词频分布），随后多个线程并发地将它们写入哈希表，每个单词作为键（Key），出现次数作为值（Value）。这正是concurrent_hash_map最经典的用法——计数聚合（count aggregation）。

构建示例：两行 CMake 命令

count_strings使用 CMake 构建，count_strings 的 README 给出了最简步骤：

cmake <path_to_example> cmake --build .

其中<path_to_example>指向示例源码目录，即仓库中的examples/concurrent_hash_map/count_strings。第一条命令完成 CMake 配置（会通过 common.cmake 查找本仓库构建出的 oneTBB 库），第二条命令编译生成可执行文件count_strings。

CMakeLists.txt 揭示了构建细节，值得注意的点有：

• 支持cmake_minimum_required(VERSION 3.5.0...3.31.3)的版本范围写法；
• 通过include(../../common/cmake/common.cmake)与set_common_project_settings(tbb)复用所有示例通用的构建配置；
• target_link_libraries(count_strings TBB::tbb Threads::Threads)显式链接 oneTBB 线程库与系统线程库；
• target_compile_options(count_strings PRIVATE ${TBB_CXX_STD_FLAG})应用 oneTBB 要求的 C++ 标准编译选项。

如果你希望先构建整个 oneTBB 库再用示例验证，可按仓库顶层 README.md 与 INSTALL.md 的流程构建安装 oneTBB，随后在示例目录执行上述两条命令。

运行示例：预定义 make 目标与应用参数

预定义 make 目标

示例 CMake 通过add_execution_target生成了两个便捷目标（见 CMakeLists.txt）：

• make run_count_strings—— 以预定义参数执行示例（ARGS为空，即使用默认参数）；
• make perf_run_count_strings—— 以测量 oneTBB 性能的建议参数执行示例，其参数为auto 10000000 silent（自动线程数 + 1000 万个字符串 + 静默模式）。

从PERF_ARGS auto 10000000 silent可以推断，性能模式会使用平台默认线程数处理一千万规模的字符串，并关闭除耗时以外的所有输出，以获得干净的性能数据。

命令行参数

直接运行编译出的count_strings可执行文件时，用法如下（摘自 README）：

count_strings [n-of-threads=value] [n-of-strings=value] [verbose] [silent] [count_collisions] [-h] [n-of-threads [n-of-strings]]

各参数含义：

实际使用示例：

# 使用 4 个线程、100 万个字符串，静默模式 ./count_strings n-of-threads=4 n-of-strings=1000000 silent # 位置参数形式：2 个线程，50 万个字符串 ./count_strings 2 500000 # 线程数区间 + 详细输出：从 1 到 8 个线程依次测量 ./count_strings 1:8 verbose # 自动线程数，1000 万字符串，静默（等价于 perf 目标） ./count_strings auto 10000000 silent

参数解析的源码原理

命令行解析并非手写判断，而是复用 utility.hpp 中通用的utility::parse_cli_arguments与utility::cli_argument_pack。在 count_strings.cpp 的main中：

• positional_arg(threads, "n-of-threads", ...)与positional_arg(N, "n-of-strings", ...)注册两个位置参数；
• arg(verbose, "verbose", ...)、arg(silent, "silent", ...)、arg(count_collisions, "count_collisions", ...)注册三个布尔开关。

thread_number_range（同样定义在 utility.hpp）支持解析low[:high[:(+|*|#)step]]形式的区间：+表示线性递增、*表示倍增、#表示"2 的幂阶梯"步进（默认步进即#4），并且auto会替换为range.auto_number_of_threads()的返回值——本示例传入utility::get_default_num_threads，其实现（见 get_default_num_threads.hpp）就是oneapi::tbb::this_task_arena::max_concurrency()，即平台可用的最大并发度。

核心源码解读：accessor 机制与并发计数

关键类型定义

// 字符串类型：使用 oneTBB 的可扩展分配器 typedef std::basic_string<char, std::char_traits<char>, oneapi::tbb::tbb_allocator<char>> MyString; // 并发哈希表：键为字符串，值为出现次数 typedef oneapi::tbb::concurrent_hash_map<MyString, int> StringTable;

代码位于 count_strings.cpp 顶部。使用tbb_allocator分配字符串内存，能让所有字符串的内存分配也走 oneTBB 的可扩展内存分配器，减少堆竞争。

Tally 函数对象：插入与自增

struct Tally { StringTable& table; Tally(StringTable& table_) : table(table_) {} void operator()(const oneapi::tbb::blocked_range<MyString*> range) const { for (MyString* p = range.begin(); p != range.end(); ++p) { StringTable::accessor a; table.insert(a, *p); a->second += 1; } } };

这是示例的核心模式：对每个单词调用table.insert(a, *p)，insert返回true表示键不存在、已插入新条目；返回false表示键已存在、accessor指向已有条目。随后通过a->second += 1完成并发安全的计数自增。

这里的关键是accessor机制。查看 concurrent_hash_map.h 的声明（约第 771—835 行）可以看到：

• accessor继承自const_accessor，注释说明它"结合了数据访问、加锁与垃圾回收"（Combines data access, locking, and garbage collection）；
• accessor允许写访问（reference operator*()、pointer operator->()），而const_accessor只允许只读访问；
• 每个accessor在持有期间会对对应条目加锁，析构时自动释放锁与引用，保证"读改写"（read-modify-write）过程的原子性——这正是concurrent_hash_map与concurrent_unordered_map的重要差异：前者通过 accessor 提供元素级锁语义，适合"查找后更新"的并发模式。

concurrent_hash_map还提供完整的find/insert/erase重载族（支持键、值、迭代器区间、initializer_list 等），详见同一头文件的find（约 1112—1138 行）、insert（约 1140—1236 行）与erase（约 1241—1259 行）。

并行执行与计时

static void CountOccurrences(int nthreads) { StringTable table; oneapi::tbb::tick_count t0 = oneapi::tbb::tick_count::now(); oneapi::tbb::parallel_for( oneapi::tbb::blocked_range<MyString*>(Data, Data + N, 1000), Tally(table)); oneapi::tbb::tick_count t1 = oneapi::tbb::tick_count::now(); // ... 遍历 table，累加 total 并统计 unique ... }

• blocked_range<MyString*>(Data, Data + N, 1000)把N个字符串切分成粒度约 1000 的连续块，交给parallel_for自动调度；
• tick_count::now()是 oneTBB 提供的高精度计时 API，(t1 - t0).seconds()给出并行阶段耗时；
• 结束后遍历table累加出现次数得到total，table.size()即唯一单词数unique，输出形如total = 1000000 unique = 27180 time = 0.046。

线程数控制：global_control

示例通过oneapi::tbb::global_control c(oneapi::tbb::global_control::max_allowed_parallelism, p)精确限制并行度。main中的运行逻辑为：

• 若显式给出了线程数区间，则从threads.first到threads.last按步进逐个测量并打印threads = N；
• 若未指定（threads.first == 0），先以max_allowed_parallelism=1执行一次串行运行，再以utility::get_default_num_threads()执行一次自动并行运行——串行与并行对比便于直观感受加速比。

数据生成：模拟英文词频的随机单词

为了让词频统计"更像真实文本"，示例自带了一个基于音素频率表的随机单词生成器（CreateData及Vowels/Consonants表，见 count_strings.cpp）。其思路是：

• 维护元音与辅音字母组合表，每项带rates[3]（词首、词中、词尾三个位置的出现权重）；
• 按权重随机选取组合拼成单词，使生成的单词呈现接近自然语言的分布——既有大量重复（高频词），也有不少长尾唯一词；
• 生成后还会构造一句彩蛋消息打印出来。

这样的数据让count_strings既能展示"同一键多次命中"的并发自增路径，也能展示"唯一键大量插入"的扩容路径，比均匀随机数据更贴近实际负载。

可选诊断：统计哈希碰撞

示例还提供了一个可选开关count_collisions：启用后，会对表中每个唯一键的哈希值取掩码（std::hash<MyString>()(i->first) & 0xFFFF）统计分布并打印hashes = N collisions = M。源码注释特别提醒：该统计并不反映哈希表内部真实桶碰撞（it doesn't count real collisions in hash_map, a mask should be applied on hash value），仅作为哈希值分布的粗略诊断工具。它是std::map<std::size_t, int> hashes与全局计数c实现的，每次测量后会被清空，因此只适合小规模定性观察。

更多验证途径

• 想深入验证concurrent_hash_map的全部 API 与语义，可阅读一致性测试 conformance_concurrent_hash_map.cpp；
• 若要了解容器在并发读写、遍历与扩容等场景下的正确性保证，可在 oneTBB 文档目录 concurrent_hash_map.rst 找到对应的用户指南章节；
• 官方 API 参考见 include/oneapi/tbb/concurrent_hash_map.h 中的完整类定义与注释。

小结

count_strings是一个麻雀虽小、五脏俱全的 oneTBB 示例：它用concurrent_hash_map+accessor解决了多线程下的计数聚合问题，用parallel_for+blocked_range实现了负载切分，用tick_count完成高精度计时，用global_control精确控制并行度，并用一套通用 CLI 解析框架统一了参数体验。无论你是要统计日志中的关键词、构建词云，还是做任何"键出现次数"类的并发聚合任务，都可以直接参考 count_strings.cpp 的模式落地。

• 并发编程
• 高性能计算