Question

我有一个嵌套循环:( L和A是完全定义的输入）

    #pragma omp parallel for schedule(guided) shared(L,A) \
    reduction(+:dummy)
    for (i=k+1;i<row;i++){
            for (n=0;n<k;n++){
                #pragma omp atomic
                dummy += L[i][n]*L[k][n];
                L[i][k] = (A[i][k] - dummy)/L[k][k];
            }
            dummy = 0;
    }

及其顺序版本：

    for (i=k+1;i<row;i++){
            for (n=0;n<k;n++){
                dummy += L[i][n]*L[k][n];
                L[i][k] = (A[i][k] - dummy)/L[k][k];
            }
            dummy = 0;
    }

他们都给出了不同的结果。并行版本比顺序版本要慢得多。

可能导致问题的原因是什么？

编辑：

为了摆脱原子指令引起的问题，我按如下方式修改了代码：

#pragma omp parallel for schedule(guided) shared(L,A) \
    private(i)
    for (i=k+1;i<row;i++){
        double dummyy = 0;
        for (n=0;n<k;n++){
            dummyy += L[i][n]*L[k][n];
            L[i][k] = (A[i][k] - dummyy)/L[k][k];
        }
    }

但它也没有解决问题。结果仍然不同。

Answer 1

我对OpenMP不太熟悉，但在我看来，您的计算与订单无关。也就是说，内循环中的结果写入L[i][k]，其中i和k是内循环的不变量。这意味着在内循环期间相同的值会被覆盖k次，从而导致竞争条件。

此外，dummy似乎在不同的线程之间共享，因此也可能存在竞争条件，除非你的pragma参数以某种方式阻止它。

总之，对我来说，如果你想要顺序执行给出的相同结果，内部循环中的计算必须以相同的顺序执行。因此，只有外环可以并行化。

Answer 2

在您的并行版本中，您插入了一个不必要的（可能有害的）原子指令。一旦你宣布dummy为减少变量，OpenMP就会停止线程干扰减少。我认为不必要的指令的主要影响是减慢代码的速度。

我看到你有另一个答案来解决你的结果的错误。但我注意到你似乎在每个外循环迭代结束时将dummy设置为0，如果你试图将它用作某种累加器，这似乎很奇怪，这就是减少条款提示。也许你想在内循环中减少到dummy？

如果您在减少read this时遇到问题。

Answer 3

结果的差异来自内部循环变量n，它在线程之间共享，因为它是在omp pragma之外定义的。

澄清：循环变量n应该在omp pragma中声明，因为它应该是特定于线程的，例如for (int n = 0;.....)

顺序和并行版本给出了不同的结果 - 为什么？

3 个答案: