c – OpenMP令人尴尬地并行循环,没有加速
我有一个非常简单的并行for循环,它只是将零写入整数数组.但事实证明线程越多,循环越慢.我认为这是由于一些缓存抖动所以我玩了调度,块大小,__ restrict__,在并行块内嵌套并行,并刷新.然后我注意到读取数组进行减少也比较慢.
这应该显然非常简单,并且应该几乎线性加速.我在这里错过了什么? 完整代码: #include <omp.h> #include <vector> #include <iostream> #include <ctime> void tic(),toc(); int main(int argc,const char *argv[]) { const int COUNT = 100; const size_t sz = 250000 * 200; std::vector<int> vec(sz,1); std::cout << "max threads: " << omp_get_max_threads()<< std::endl; std::cout << "serial reduction" << std::endl; tic(); for(int c = 0; c < COUNT; ++ c) { double sum = 0; for(size_t i = 0; i < sz; ++ i) sum += vec[i]; } toc(); int *const ptr = vec.data(); const int sz_i = int(sz); // some OpenMP implementations only allow parallel for with int std::cout << "parallel reduction" << std::endl; tic(); for(int c = 0; c < COUNT; ++ c) { double sum = 0; #pragma omp parallel for default(none) reduction(+:sum) for(int i = 0; i < sz_i; ++ i) sum += ptr[i]; } toc(); std::cout << "serial memset" << std::endl; tic(); for(int c = 0; c < COUNT; ++ c) { for(size_t i = 0; i < sz; ++ i) vec[i] = 0; } toc(); std::cout << "parallel memset" << std::endl; tic(); for(int c = 0; c < COUNT; ++ c) { #pragma omp parallel for default(none) for(int i = 0; i < sz_i; ++ i) ptr[i] = 0; } toc(); return 0; } static clock_t ClockCounter; void tic() { ClockCounter = std::clock(); } void toc() { ClockCounter = std::clock() - ClockCounter; std::cout << "telapsed clock ticks: " << ClockCounter << std::endl; } 运行此产生: g++ omp_test.cpp -o omp_test --ansi -pedantic -fopenmp -O1 ./omp_test max threads: 12 serial reduction elapsed clock ticks: 1790000 parallel reduction elapsed clock ticks: 19690000 serial memset elapsed clock ticks: 3860000 parallel memset elapsed clock ticks: 20800000 如果我使用-O2运行,g可以优化串行减少,我得到零时间,因此-O1.另外,放omp_set_num_threads(1);使时间更相似,尽管仍有一些差异: g++ omp_test.cpp -o omp_test --ansi -pedantic -fopenmp -O1 ./omp_test max threads: 1 serial reduction elapsed clock ticks: 1770000 parallel reduction elapsed clock ticks: 7370000 serial memset elapsed clock ticks: 2290000 parallel memset elapsed clock ticks: 3550000 这应该是相当明显的,我觉得我没有看到一些非常基本的东西.我的CPU是具有超线程的英特尔(R)Xeon(R)CPU E5-2640 0 @ 2.50GHz,但在具有4个内核且没有超线程的同事的i5中观察到相同的行为.我们都在运行Linux. 编辑 似乎一个错误是在时间方面,运行: static double ClockCounter; void tic() { ClockCounter = omp_get_wtime();//std::clock(); } void toc() { ClockCounter = omp_get_wtime()/*std::clock()*/ - ClockCounter; std::cout << "telapsed clock ticks: " << ClockCounter << std::endl; } 产生更“合理”的时间: g++ omp_test.cpp -o omp_test --ansi -pedantic -fopenmp -O1 ./omp_test max threads: 12 serial reduction elapsed clock ticks: 1.80974 parallel reduction elapsed clock ticks: 2.07367 serial memset elapsed clock ticks: 2.37713 parallel memset elapsed clock ticks: 2.23609 但是,仍然没有加速,它只是不再慢. EDIT2: 正如user8046所建议的那样,代码严重受内存限制.并且正如Z boson所建议的那样,串行代码很容易被优化掉,并且不确定这里测量的是什么.所以我做了一个小的改变,把总和放在循环之外,这样它在c的每次迭代都不会为零.我还用sum = F(vec [i])和memset操作替换了还原操作,其中vec [i] = F(i).运行方式: g++ omp_test.cpp -o omp_test --ansi -pedantic -fopenmp -O1 -D"F(x)=sqrt(double(x))" ./omp_test max threads: 12 serial reduction elapsed clock ticks: 23.9106 parallel reduction elapsed clock ticks: 3.35519 serial memset elapsed clock ticks: 43.7344 parallel memset elapsed clock ticks: 6.50351 计算平方根为线程增加了更多工作,最终有一些合理的加速(大约7倍,这是有意义的,因为超线程内核共享内存通道). 解决方法
你发现了时间错误.仍然没有加速,因为你的两个测试用例都是严重的内存限制.在典型的消费者硬件上,所有内核共享一个内存总线,因此使用更多线程不会为您带来更多带宽,因为这是瓶颈,加速.如果减小问题大小,这可能会改变,因此它适合缓存,或者确保增加每个数据的计算次数,例如,如果计算减少exp(vec [i])或1 / vec [一世].对于memset:你可以用一个线程使内存饱和,你永远不会看到加速. (仅当您可以访问具有更多线程的第二个内存总线时,与某些多插槽体系结构一样). 关于减少的一个评论,这很可能不是用锁来实现的,这将是非常低效的但是使用一个没有那么糟糕的对数加速的加法树.
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |