Java并发编程-Amdahl 定律Amdahl 定律的作用，它描述的是：在增加计算资源的情况下，程序在理论上能够实现的

在阅读《Java 并发编程实战》的时候，看到一个概念“Amdahl 定律”，学习整理一波。

在使用多线程来解决问题时，我们希望可用资源越多越好，这样通过多线程来充分利用这些计算资源，来提升解决问题的速度。在实际操作中，我们需要能够在方案设计阶段就预估和评价出“增加资源后提升的效果如何”，该怎么预估评价能达到的效果上限？

这就是 Amdahl 定律的作用，它描述的是：在增加计算资源的情况下，程序在理论上能够实现的最高加速比。

大多数并发程序要解决的问题，都是由一系列“并行工作”和“串行工作”组成的，Amdahl 定律指出：使用多处理器能够提升的加速比，受限于程序中“串行工作占比”。

假设在并行优化前程序解决问题的耗时为 $T_0$ ，在使用并行优化后程序解决问题的耗时为 $T_1$ ，前者与后者的比值为加速比 $S$ 。程序中能够并行执行的部分比重为 $a$ ，串行执行的部分比重为 $F=1-a$ 。如果有 $N$ 个处理器在并行执行，那么最高能得到的加速比为：

S \le \frac{1}{1-a+\frac{a}{N}} = \frac{1}{F+\frac{(1-F)}{N}}

不同比例的 $a$ 值下，加速比与 CPU 个数的关系曲线如下图所示：

从公式和曲线可以看出，哪怕 $N$ 趋向于无穷大，最大的加速比才能接近于 $\frac{1}{F}$ ，因此当程序需要做性能提升时，不断增加 CPU 带来的收益是有限的。如果程序中有 50% 的计算需要串行执行，不管有多少个线程和CPU，最高的加速比只能是 2。

当 $F$ 值为 0 的时候“加速比”等于“CPU 个数”，这种情况下才能百分百利用资源，所以 Amdahl 从另一方面描述了资源的利用率（加速比 / CPU 个数 N）。

在并发编程时，如果要想让提升的效果更加明显可以有以下三个途径：

1、优化或分离串行部分和并行部分

2、提升并行部分的比重

3、增加 CPU 个数（后期效果有限）

这篇文章给出了公式推导：www.inlighting.org/archives/am…

这篇文章给出了一个图例，方便理解公式：icefrozen.github.io/article/arc…