并发进阶（HPC/AI-Infra 向）—— 无锁、线程池、任务系统

HPC/AI Infra 的并发考点远超「会加锁」：会考线程模型、任务调度、无锁结构、锁粒度与争用、并行算法、协程。本篇为深度补充，承接基础篇 threads-basics.md/atomic-memoryorder.md/deadlock-singleton.md。

子文档导航

文件	内容
index.md	基础并发总览（已建）
thread-pool.md	线程池设计（工作窃取、任务队列）
lockfree.md	无锁编程（CAS、无锁栈/队列、ABA、内存序落地）
lock-optimize.md	锁粒度、读写锁、自旋 vs 互斥、锁竞争模型
parallel-algo.md	并行算法：并行 for/reduce、分治、任务依赖/流水线
coroutine.md	C++20 协程（co_await/异步化）

HPC 视角：为什么并发这么考

• AI Infra 高频词：吞吐、延迟、核数利用、Amdahl 定律、锁竞争成为瓶颈、cache 一致性流量。
• 面试常从「你项目线程模型怎么设计」切入，追问：
  1. 线程数怎么定（CPU 核数、超线程、IO vs 计算）？
  2. 有没有锁竞争热点？怎么测/消除（用原子、无锁、分区减少共享）？
  3. 任务粒度多大（过细调度开销>收益）？
  4. 假共享、内存序、命令屏障了解多少？

关键结论速记（可直接答）

1. 线程数经验：纯计算 ≈ 物理核数（勿用超线程核翻倍编满）；计算+IO ≈ 可用核×（1+等待比）。平台：std::thread::hardware_concurrency()。
2. 并发上界：Amdahl：S = 1 / ((1-P) + P/N)——串行部分决定天花板。
3. 避免争用优先于锁技巧：先分区、无锁、再锁优化，锁再快也不如没锁。
4. 假共享：不同线程写相邻缓存行上不同变量 → 一致性流量放大，逐个 alignas(64) 隔离。
5. 多核正确性必须同步；但性能目标则要尽量少同步 + 同步点批量化。