Question

考虑：

    void saxpy_worksharing(float* x, float* y, float a, int N) {
      #pragma omp parallel for
      for (int i = 0; i < N; i++) {
         y[i] = y[i]+a*x[i];
      }
    }

和

    void saxpy_tasks(float* x, float* y, float a, int N) {
      #pragma omp parallel
      {
         for (int i = 0; i < N; i++) {
         #pragma omp task
         {
           y[i] = y[i]+a*x[i];
         }
      }
   }

使用任务和omp并行指令有什么区别？为什么我们可以编写递归算法，例如合并排序与任务，但不能写工作共享？

Answer 1

我建议您查看劳伦斯利弗莫尔国家实验室的OpenMP教程，here。

您的特定示例是使用OpenMP任务不的示例。第二个代码创建N次线程任务的数量（因为丢失的}旁边的代码中有错误;我稍后会再回过头来看），每个任务只执行一次简单的计算。正如你在this question的答案中所看到的，任务的开销将是巨大的。除了第二个代码在概念上是错误的。由于没有工作共享指令，所有线程都将执行循环的所有迭代，而不是N任务，N次创建任务线程数。它应该用以下方式之一重写：

单一任务制作人 - 普通模式，NUMA不友好：

void saxpy_tasks(float* x, float* y, float a, int N) {
   #pragma omp parallel
   {
      #pragma omp single
      {
         for (int i = 0; i < N; i++)
            #pragma omp task
            {
               y[i] = y[i]+a*x[i];
            }
      }
   }
}

single指令只会使循环在单个线程内运行。所有其他线程都会跳过它并在single结构的末尾点击隐式屏障。由于障碍包含隐式任务调度点，等待线程将在可用时立即开始处理任务。

并行任务制作人 - 更多NUMA友好：

void saxpy_tasks(float* x, float* y, float a, int N) {
   #pragma omp parallel
   {
      #pragma omp for
      for (int i = 0; i < N; i++)
         #pragma omp task
         {
            y[i] = y[i]+a*x[i];
         }
   }
}

在这种情况下，任务创建循环将在线程之间共享。

如果您不知道NUMA是什么，请忽略有关NUMA友好的评论。

基于任务的编程：#pragma omp task与#pragma omp parallel for

1 个答案: