为何Numba并行化对能量计算有效却对动量计算无效？

1. 计算密度的本质差异 #

• 总能量计算：每个粒子需要完成速度分量平方求和（3次乘法+2次加法）+ 质量系数缩放，再做标量归约求和。单粒子计算量远高于动量，总计算量随粒子数N的增长线性放大，当N足够大时，纯计算耗时会远超过并行调度、线程同步的开销，此时多核并行才能体现优势。
• 总动量计算：每个粒子仅需将3个速度分量直接累加到全局动量的对应分量上，单粒子仅3次加法操作，计算密度极低。并行时，线程拆分、数据同步的固定开销，完全盖过了多核能节省的计算时间，甚至会因为额外开销拖慢速度。

2. 归约操作的并行效率差异 #

• 能量是标量归约：并行时每个线程可以独立计算自己负责的粒子块的局部能量和，最后仅需一次全局求和完成合并，同步开销极小。
• 动量是向量归约：需要对3个全局共享变量（px、py、pz）做累加操作，这会触发线程间的共享内存竞争。Numba的并行模式要么通过原子操作保证累加正确性（原子操作本身有额外性能损耗），要么做分块归约（但向量分量仅3个，分块优化的收益极低）。相比之下，单线程直接在寄存器中完成累加，无任何同步开销，效率远超并行版本。

3. Numba JIT的优化粒度差异 #

• 非并行Numba版本：对于动量这种简单循环，会做极致的底层优化——将总动量的3个分量直接放在CPU寄存器中，循环全程在寄存器内完成累加，完全避免了内存访问的额外开销，执行效率接近硬件极限。
• 并行Numba版本：线程间的内存同步、缓存一致性维护（比如多个线程同时写入同一内存地址引发的缓存颠簸）会大幅抵消多核带来的潜在收益，甚至导致性能下降。

4. 并行收益阈值的不存在性 #

能量计算存在并行收益阈值（10000个粒子），是因为当N超过该值时，纯计算耗时足够覆盖并行开销；但动量计算的单粒子计算量太小，哪怕N再大，每个线程分配到的任务量依然不足以抵消并行开销，因此不存在能体现并行优势的粒子数阈值。

内容的提问来源于stack exchange，提问作者Shai Avr