为何C++并发代码test_1比test_2慢15倍？如何重构test_1支持可变线程数并达到同等性能

• 首先是未定义行为导致的悬垂引用问题：test_1 中创建的 AlignedType a{}; 是for循环块内的局部栈变量，生命周期仅在单次循环的大括号作用域内有效。当 emplace_back 创建线程、把 a.val 的引用传递给线程函数后，作用域立即结束，a 随即被栈回收，所有线程拿到的都是指向已销毁内存的非法引用。
• 其次是触发了极致的性能退化：根据栈内存的分配特性，每轮循环的局部变量a都会落在栈上的同一个固定地址，4个线程实际操作的是完全同一块内存上的原子变量。哪怕AlignedType设计了64字节的缓存行对齐，也因为对象提前销毁、没有独立的对齐内存分配，所有线程的原子写操作都会反复触发跨核缓存一致性同步、缓存行失效，最终性能退化为单核心串行做原子操作的水平。
• 这种场景下的运行结果完全是内存布局的偶然产物，属于典型的未定义行为：可能出现程序崩溃、结果数值错误，本例中因为栈内存没有被后续逻辑覆盖，才表现为可观测的15倍性能差距。

重构的核心目标是彻底消除悬垂引用、保证每个线程的计数器独立落在专属缓存行上，同时支持任意数量的线程启动，实现和test_2完全一致的运行效率：

void test_1(size_t thread_count = 4) {
    std::vector<std::thread> threads;
    threads.reserve(thread_count);
    // 提前批量分配与线程数匹配的计数器，每个元素因alignas(64)天然独占一个缓存行
    std::vector<AlignedType> counters(thread_count);

    for (size_t i = 0; i < thread_count; i++) {
        // 传递独立计数器的引用，计数器生命周期覆盖线程全运行周期
        threads.emplace_back(work, std::ref(counters[i].val));
    }

    for (auto& thread : threads) {
        thread.join();
    }
}

重构后的实现特性：

• 所有计数器的生命周期与函数作用域绑定，从根源消除了悬垂引用的未定义行为
• 借助AlignedType自带的64字节缓存行对齐，每个线程的计数器独占独立缓存行，完全避免伪共享带来的性能损耗
• 函数参数支持传入任意线程数量，满足可变线程数的设计要求，运行效率和手动创建独立变量的test_2完全持平

内容的提问来源于stack exchange，提问作者topkek