Оптимизировать ThreadPool на 8 потоков и задач

#include <vector>
#include <queue>
#include <memory>
#include <thread>
#include <mutex>
#include <condition_variable>
#include <future>
#include <functional>
#include <stdexcept>
#include <type_traits>
 
 
 
class ThreadPool {
public:
    ThreadPool(size_t);
    template<class F, class... Args>
    auto enqueue(F&& f, Args&&... args)
        -> std::future<typename std::invoke_result<F,Args...>::type>;
    ~ThreadPool();
private:
    // need to keep track of threads so we can join them
    std::vector< std::thread > workers;
    // the task queue
    std::queue< std::function<void()> > tasks;
 
    // synchronization
    std::mutex queue_mutex;
    std::condition_variable condition;
    bool stop;
};
 
// the constructor just launches some amount of workers
inline ThreadPool::ThreadPool(size_t threads)
    : stop(false)
{
    for (size_t i = 0; i < threads; ++i)
        workers.emplace_back(
            [this]
            {
                for (;;)
                {
                    std::function<void()> task;
 
                    {
                        std::unique_lock<std::mutex> lock(this->queue_mutex);
                        this->condition.wait(lock,
                            [this] { return this->stop || !this->tasks.empty(); });
                        if (this->stop && this->tasks.empty())
                            return;
                        task = std::move(this->tasks.front());
                        this->tasks.pop();
                    }
 
                    task();
                }
            }
            );
}
 
// add new work item to the pool
template<class F, class... Args>
auto ThreadPool::enqueue(F&& f, Args&&... args)
-> std::future<typename std::invoke_result<F,Args...>::type>
{
    using return_type = typename std::invoke_result<F,Args...>::type;
 
    auto task = std::make_shared< std::packaged_task<return_type()> >(
        std::bind(std::forward<F>(f), std::forward<Args>(args)...)
        );
 
    std::future<return_type> res = task->get_future();
    {
        std::unique_lock<std::mutex> lock(queue_mutex);
 
        // don't allow enqueueing after stopping the pool
        if (stop)
            throw std::runtime_error("enqueue on stopped ThreadPool");
 
        tasks.emplace([task]() { (*task)(); });
    }
    condition.notify_one();
    return res;
}
 
// the destructor joins all threads
inline ThreadPool::~ThreadPool()
{
    {
        std::unique_lock<std::mutex> lock(queue_mutex);
        stop = true;
    }
    condition.notify_all();
    for (std::thread& worker : workers)
        worker.join();
}
 
 
 
//...в реализации...
int coresCount=8;
std::vector<std::future<int>> thr(coresCount);
//...
thr[treadN]=pool.enqueue(...);
//...

ThreadPool pool (8);

size_t dataCount = arrSize; //Количество данных для распараллеливания
size_t coresCount = this->coresCount;
std::vector<std::future<size_t >> thr(coresCount);
size_t part = dataCount / coresCount; //количество элементов для каждого потока
for (size_t treadN = 0; treadN < coresCount; treadN++) {
    size_t dataStart = treadN * part;//начало с 0 (включая 0)
    size_t dataEnd = (treadN + 1) * part - 1;//включая последний элемент
    if (treadN == coresCount - 1) { dataEnd = dataCount - 1; }
    thr[treadN] = this->pool->enqueue(Function1, treadN, dataStart, dataEnd, param1, param2, std::ref(param3));
    }//запускаем задания в поток
for (auto& th : thr) { th.get(); }//ждем все потоки

p.parallel_launch([&](unsigned id)
                  {
                    size_t dataCount = arrSize; //Количество данных для распараллеливания
                    size_t part = dataCount / n; //количество элементов для каждого потока
                    size_t dataStart = id * part;//начало с 0 (включая 0)
                    size_t dataEnd = (id + 1) * part - 1;//включая последний элемент
                    if (id == n - 1) { dataEnd = dataCount - 1; }
                    Function1(id, dataStart, dataEnd, param1, param2, param3); });