iOS GCDによる並列プログラミング

1〜1,000,000までの平方根の逆数を求め、値をバッファに格納するという処理を、通常の直列処理と、blocksというApple製ラムダ式と、Grand Central Dispatch(GCD)を使った並列処理で比べてみました。2コアなので２スレッド以上は意味が無いと断定し、２スレッドのみ使用しました。
ターゲット機は、iPhone4S(２CPUコア)と、iPhone4(1 CPUコア)です。
ボタン押し下げイベントハンドラ内で処理をスタートさせています。

結果、
[iPhone4S]
直列処理: 2.8m秒
並列処理: 1.4m秒

2CoreのiPhone4Sでは、処理時間が、丁度半分という嘘みたいな結果となりました。
このような、並列処理に向いた処理では、2コアの効果が高いようです。

[iPhone4]
直列処理: 7.5m秒
並列処理: 13.1m秒

やばい結果がでてしまいました。
1コアのiPhone4では、GCDのオーバーヘッドのせいか、処理時間がほぼ倍になっています。
めんどくせー。

【通常のシーケンシャルな処理】
- (IBAction)buttonPressed: (id)sender
{
　static const size_t NumElem = 1000000;
　double* buffer = new double[ NumElem ];

　int64_t start = dispatch_time( DISPATCH_TIME_NOW, 0 );
　for( size_t i = 0; i < NumElem; ++i )
　{
　　buffer[i] = 1.0/sqrt( (double)( i + 1 ) );
　}
　int64_t end = dispatch_time( DISPATCH_TIME_NOW, 0 );
　double delta = (double)( end - start )/1000000.0;
　m_Label.text = [ NSString stringWithFormat: @"%lf msec", delta ];
}

- (void)addCount
{
　++m_Count;
}

【 blocksによる並列処理】
- (IBAction)buttonMultiPressed: (id)sender
{
　static const size_t NumElem = 1000000;
　double* buffer = new double[ NumElem ];
　int64_t start = dispatch_time( DISPATCH_TIME_NOW, 0 );
　m_Count = 0;

　dispatch_queue_t queue = dispatch_queue_create( "test", NULL );

　dispatch_async( queue,
　　^{
　　　for( size_t i = 0; i < NumElem/2; ++i )
　　　{
　　　　buffer[i] = 1.0/sqrt( (double)( i + 1 ) );
　　　}
　　　[ self addCount ];
　　} );

　dispatch_async( queue,
　^{
　　for( size_t i = NumElem/2; i < NumElem/2; ++i )
　　{
　　　buffer[i] = 1.0/sqrt( (double)( i + 1 ) );
　　}
　　[ self addCount ];
　} );

　dispatch_release( queue );

　 // 同期待ちします。
　while( m_Count < 2 )
　{
　}

　int64_t end = dispatch_time( DISPATCH_TIME_NOW, 0 );
　double delta = (double)( end - start )/1000000.0;
　m_LabelMulti.text = [ NSString stringWithFormat: @"%lf msec", delta ];
}