parallel/README.md

配套源码，运行方法见同目录 README。返回实验总览。

# CS149 核心实践（原创）

本目录围绕 Stanford CS149 Fall 2025 的并行机制，提供独立教学程序，不复制官方作业答案，也不声称通过官方评分。

```sh
make -C labs/parallel test
make -C labs/parallel benchmark-run
make -C labs/parallel sanitize
```

需要 C++17 编译器与线程库；性能数据必须来自普通 `-O3` 构建。`sanitize` 会清理并改用检测构建，之后请先 `make clean` 再运行 benchmark，避免混用构建选项。

- `benchmark.cpp`：前四分之一任务较重，比较 serial、连续区间 static、原子领取块的 dynamic；每次逐元素对照串行参考。参数依次为 items、threads、grain、repeats。
- `false_sharing.cpp`：每线程自己的原子计数器，比较紧密相邻和 `alignas(128)` 布局。无数据竞争，实验反映布局、原子与调度的综合成本，不能单凭时间确定硬件缓存行大小。
- `reduction.cu`：可选 CUDA 教学代码，256 线程块内树形归约，CPU 合并各块结果，带尾部和误差检查。当前 macOS 环境未编译/运行，也未做 GPU 性能计时。有 NVIDIA CUDA 环境后可 `make gpu`、`./reduction`。

已记录的实测命令：

```sh
./labs/parallel/benchmark 200000 4 64 5
./labs/parallel/false_sharing 4 1000000 5
```

结果在 `results-scheduling.csv`、`results-sharing.csv`，stderr 在相应 `.log`，解释与限制在 `VALIDATION.md`。每种方案先热身一次，再计时 5 次；输出 min/median/max，包含线程创建与 join，不计数据初始化和逐元素比较。未设置 CPU affinity，无硬件性能计数器证据。

学习正文从 `docs/parallel/index.md` 开始。