在 64 位机器上，我可以安全地并行操作 64 位四字的各个字节吗？

背景

我正在对图像中的行和列进行并行操作。我的图像是 8 位或 16 位像素，而我使用的是 64 位机器。 当我并行对列进行操作时，两个相邻列可能共享相同的 32 位int或 64 位long。基本上，我想知道是否可以安全地并行操作同一四字的各个字节。

最低限度的测试

我编写了一个最小的测试函数，但我无法使其失败。对于 64 位中的每个字节long，我同时在有限阶域中执行连续乘法p。我知道通过费马小定理 https://en.wikipedia.org/wiki/Fermat%27s_little_theorem a^(p-1) = 1 mod p when p是素数。我改变价值观a and p对于我的 8 个线程中的每一个，我执行k*(p-1)的乘法a。当线程完成时，每个字节应该为 1。事实上，我的测试用例通过了。每次运行时，我都会得到以下输出：

8
101010101010101
101010101010101

我的系统是Linux 4.13.0-041300-通用 x86_64与8 核 Intel(R) Core(TM) i7-7700HQ CPU @ 2.80GHz。我编译了g++ 7.2.0 -O2并检查了装配体。我添加了“内循环”的程序集并对其进行了评论。在我看来，生成的代码是安全的，因为存储仅将低 8 位写入目标，而不是进行一些按位算术并存储到整个字或四字。 g++ -O3 生成类似的代码。

问题：

我想知道这段代码是否始终是线程安全的，如果不是，在什么情况下不会。也许我很偏执，但我觉得我需要一次对四字进行操作才能安全。

#include <iostream>
#include <pthread.h>

class FermatLTParams
{
public:
    FermatLTParams(unsigned char *_dst, unsigned int _p, unsigned int _a, unsigned int _k)
        : dst(_dst), p(_p), a(_a), k(_k) {}

    unsigned char *dst;
    unsigned int p, a, k;
};

void *PerformFermatLT(void *_p)
{  
    unsigned int j, i;
    FermatLTParams *p = reinterpret_cast<FermatLTParams *>(_p);
    for(j=0; j < p->k; ++j)
    {    
        //a^(p-1) == 1 mod p

        //...BEGIN INNER LOOP
        for(i=1; i < p->p; ++i)
        {
            p->dst[0] = (unsigned char)(p->dst[0]*p->a % p->p);
        }
        //...END INNER LOOP

        /* gcc 7.2.0 -O2  (INNER LOOP)

        .L4:
            movq    (%rdi), %r8             # r8 = dst
            xorl    %edx, %edx              # edx = 0
            addl    $1, %esi                # ++i
            movzbl  (%r8), %eax             # eax (lower 8 bits) = dst[0]
            imull   12(%rdi), %eax          # eax =  a * eax
            divl    %ecx                    # eax = eax / ecx;   edx = eax % ecx    
            movb    %dl, (%r8)              # dst[0] = edx (lower 8 bits)
            movl    8(%rdi), %ecx           # ecx = p
            cmpl    %esi, %ecx              # if (i < p)
            ja      .L4                     #   goto L4
        */

    }
    return NULL;
}

int main(int argc, const char **argv)
{
    int i;
    unsigned long val = 0x0101010101010101; //a^0 = 1
    unsigned int k = 10000000;
    std::cout << sizeof(val) << std::endl;
    std::cout << std::hex << val << std::endl;
    unsigned char *dst = reinterpret_cast<unsigned char *>(&val);
    pthread_t threads[8];
    FermatLTParams params[8] = 
    { 
        FermatLTParams(dst+0, 11, 5, k),
        FermatLTParams(dst+1, 17, 8, k),
        FermatLTParams(dst+2, 43, 3, k),
        FermatLTParams(dst+3, 31, 4, k),
        FermatLTParams(dst+4, 13, 3, k),
        FermatLTParams(dst+5, 7, 2, k),
        FermatLTParams(dst+6, 11, 10, k),
        FermatLTParams(dst+7, 13, 11, k)
    };

    for(i=0; i < 8; ++i)
    {
        pthread_create(threads+i, NULL, PerformFermatLT, params+i);
    }
    for(i=0; i < 8; ++i)
    {
        pthread_join(threads[i], NULL);
    }

    std::cout << std::hex << val << std::endl;
    return 0;
}

答案是肯定的，您可以通过不同的线程安全地并行操作 64 位四字的各个字节。

令人惊讶的是，它能起作用，但如果不起作用，那将是一场灾难。所有硬件的行为就好像一个核心在其自己的核心中写入一个字节不仅标记缓存行是脏的，而且还标记其中的哪些字节。当该缓存行（64 或 128 甚至 256 字节）最终写入主内存时，只有脏字节实际上会修改主内存。这是至关重要的，因为否则当两个线程处理恰好占用同一缓存行的独立数据时，它们会破坏彼此的结果。

这可能对性能不利，因为它的工作方式部分是通过“缓存一致性”的魔力，当一个线程写入一个字节时，系统中具有同一行数据的所有缓存都会受到影响。如果它们脏了，则需要写入主内存，然后删除缓存行，或捕获来自其他线程的更改。有各种不同的实现方式，但通常都很昂贵。