Datenrennen vermeiden

Eine Datenrace tritt auf, wenn zwei Threads gleichzeitig auf denselben Speicher zugreifen und mindestens einer davon schreibt. Das Ergebnis wird unvorhersehbar. ⚠️

Viele Worker, die zu einer gemeinsam genutzten Summe addieren, geraten in Konflikt. Aktualisierungen gehen verloren, weil sich Schreibzugriffe überschneiden und gegenseitig überschreiben.

Die einfachste Lösung: Geben Sie jedem Worker eigene Indizes zum Beschreiben. Wenn sich die Ausgaben nie überschneiden, gibt es keine Datenrace.

Viele Threads dürfen dieselbe Eingabe sicher lesen. Probleme entstehen erst, wenn jemand in Daten schreibt, die andere lesen oder beschreiben.

Geben Sie bei einer Summe jedem Worker einen eigenen Speicherplatz für sein Teilergebnis. Sie teilen keine Speicherzelle, sodass die Additionen sicher bleiben.

Wenn alle Worker fertig sind, addieren Sie die Teilergebnisse in einem einzigen Thread. Diese abschließende Reduktion benötigt keine Sperren.

Der sicherste parallele Code verwendet gemeinsam nur schreibgeschützte Daten. Halten Sie jeden veränderlichen Teil möglichst privat für einen einzigen Worker.

Worker können in beliebiger Reihenfolge fertig werden. Verlassen Sie sich niemals darauf, dass ein Block vor einem anderen ausgeführt wird, da die Planung variieren kann.

Mojo erschwert durch Ownership und Wertsemantik das versehentliche Teilen von Daten. Trotzdem liegt es weiterhin bei Ihnen, die parallele Logik korrekt zu halten.

Datenraces verstecken sich hinter dem zeitlichen Ablauf. Führen Sie den parallelen Code daher viele Male aus und vergleichen Sie ihn mit einem seriellen Referenzergebnis.

Der beste Schutz ist ein Layout, bei dem sich Schreibzugriffe nie überschneiden. Verhindern Sie Datenraces durch das Design, nicht durch nachträgliche Korrekturen.

Vermeiden Sie Datenraces, indem Sie getrennte Speicherplätze beschreiben, Teilergebnisse pro Worker verwenden, nach dem Zusammenführen reduzieren und sich niemals auf eine bestimmte Reihenfolge verlassen. So bleiben parallele Ergebnisse korrekt. 🚀