Parallelizzare e ottimizzare il nucleo
Aggiunga thread ed esegua l'autotuning per la macchina.
Parallelizzare e ottimizzare il nucleo è una lezione Mojo Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Mojo Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Mojo Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
From Fast to Faster
Your kernel already beats Python on one core. Now spread it across all your cores and let Mojo tune it for the machine. ⚡
Why Go Parallel
Modern CPUs have many cores sitting idle. Parallelism lets each core work on part of the data at the same time for a big speedup.
Meet parallelize
Mojo's parallelize runs loop chunks across threads for you. You give it the work and how many pieces to split it into.
from algorithm import parallelizeWrap Work in a Closure
Express one chunk of work as a small function. parallelize calls it once per chunk, each on its own core.
fn work(chunk: Int):
process(chunk)
parallelize[work](num_chunks)Split the Range
Divide the data into roughly equal chunks, one per core. Balanced pieces keep every thread busy instead of one lagging behind.
var per_chunk = n // num_chunksStack SIMD on Threads
Keep your SIMD math inside each chunk. Now you get two wins at once: many cores, each crunching vectors per instruction.
Avoid Data Races
Two threads writing the same spot causes a data race. Give each chunk its own output slice so writes never collide.
Expose Tunable Knobs
Turn tile size and SIMD width into parameters. With knobs in place, you can try many settings without rewriting the kernel.
fn kernel[tile: Int, width: Int]():
passLet Autotuning Search
The best settings differ per machine. Autotuning tries candidate parameter values, times each, and keeps the fastest combination.
Lock In the Winner
Once you know the best tile and width, fix them as the chosen config. The kernel is now specialized for your hardware.
Verify Under Parallelism
Run the tuned, threaded kernel and compare to the baseline. Correctness must still hold once many cores write at once.
Quick Check
Pick the real risk when parallelizing the core.
Recap
You used parallelize over balanced chunks, kept SIMD inside each, avoided data races, then autotuned the knobs. The core is now multi-core fast. 🎯
Domande Frequenti
La lezione «Parallelizzare e ottimizzare il nucleo» è gratuita?
Sì — il testo completo di «Parallelizzare e ottimizzare il nucleo» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Mojo Academy, passa a CoddyKit PRO. Il corso Mojo Academy include 4 lezioni in totale.
Cosa imparerò in «Parallelizzare e ottimizzare il nucleo»?
Aggiunga thread ed esegua l'autotuning per la macchina. Eserciti Mojo Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Mojo Academy?
Non è richiesta alcuna esperienza precedente. Mojo Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Parallelizzare e ottimizzare il nucleo»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Mojo Academy?
Sì. Ogni lezione Mojo Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Profilare la baseline Python
- Riscrivere il percorso critico in Mojo
- Parallelizzare e ottimizzare il nucleo
- Distribuire il progetto accelerato