使用parallel_deterministic_reduce时Intel TBB调度耗时过长，求优化方法

背景 #

我参考《Intel® oneAPI Threading Building Blocks应用中的调度开销》文档编写了测试程序，使用Intel VTune Profiler做性能分析时，发现arena_slot::get_task及TBB调度内部的调用栈占用了较多时间。

我尝试在代码中用tbb::task_arena ta(8);指定线程数，但性能没有明显提升，核心代码如下：

double VectorReduction(double* v, size_t n) {
  tbb::task_arena ta(8);
  double sum = ta.execute([&]() {
    return tbb::parallel_deterministic_reduce(
      tbb::blocked_range<double*>(v, v + n), 0.0,
      [](const tbb::blocked_range<double*>& r, double value) -> double { return std::accumulate(r.begin(), r.end(), value); },
      std::plus<double>());
  });

  return sum;
}

问题 #

请问有哪些方法可以减少Intel TBB的调度时间？

内容的提问来源于stack exchange，提问作者roderick