Question

我一直在研究OpenMP，并试图弄清楚为什么在将数组保持为共享而不是私有时会出现性能下降。任何输入都会有所帮助。

当共享阵列时，运行大约需要65ms，而如果它是私有的，则在Intel Xeon E5540 CPU上大约需要38ms。以下代码是在Ubuntu上用GCC 4.4.3编译的

我认为这不是由于错误共享，因为只对数组元素执行了读操作。

#define PI 3.14159265
#define large 1000000

double e[large];

int main() {
    int i,j,k,m;
    timeval t1,t2;

    double elapsedtime;
    omp_set_num_threads(16);
    for(i=0;i<large;i++) {
        e[i]=rand();
    }

    gettimeofday(&t1, NULL);

    #pragma omp parallel for private(i) shared(e)   
//  #pragma omp parallel for private(i,e)


    for(i=0;i<large;i++) {
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
    }

    gettimeofday(&t2, NULL);
    elapsedtime = (t2.tv_sec*1000000 + t2.tv_usec) - (t1.tv_sec * 1000000 + t1.tv_usec);
    printf("%f ",elapsedtime/1000);
    return 0;
}

Answer 1

我决定摆脱全局变量。这是你的代码，在几个地方修改过。

//timings.cpp
#include <sys/time.h>
#include <cstdlib>
#include <stdio.h>
#include <math.h>
#include <omp.h>
#include <unistd.h>

#define PI 3.14159265
#define large 100000

int main() {
    int i;
    timeval t1,t2;

    double elapsedtime;
    bool b=false;

    double e[large];
    double p[large];

    omp_set_num_threads(1);
    for(i=0;i<large;i++) {
        e[i]=9.0;
    }

   /* for(i=0;i<large;i++) {
       p[i]=9.0;
    }*/

     gettimeofday(&t1, NULL);
  #pragma omp parallel for firstprivate(b) private(i) shared(e)
  //#pragma omp parallel for firstprivate(b) private(e,i)
     for(i=0;i<large;i++) {
        if (!b)
        {
            printf("e[i]=%f, e address: %p, n=%d\n",e[i],&e,omp_get_thread_num());
            b=true;
        }
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
    }

    gettimeofday(&t2, NULL);
    elapsedtime = (t2.tv_sec*1000000 + t2.tv_usec) - (t1.tv_sec * 1000000 + t1.tv_usec);
    printf("%f ",elapsedtime/1000);
    return 0;
}

我们将通过脚本“1.sh”运行它来自动测量时间，

#/bin/bash
sed -i '/parallel/ s,#,//#,g' timings.cpp
sed -i '/parallel/ s,////#,#,g' timings.cpp
g++ -O0 -fopenmp timings.cpp -o timings
> time1.txt
for loopvar in {1..10}
do
if [ "$loopvar" -eq 1 ]
then
./timings >> time1.txt;
cat time1.txt;
echo;
else
./timings | tail -1 >> time1.txt;
fi
done
echo "---------"
echo "Total time:"
echo `tail -1 time1.txt | sed s/' '/'+'/g | sed s/$/0/ | bc -li | tail -1`/`tail -1 time1.txt| wc -w | sed s/$/.0/` | bc -li | tail -1

以下是测试结果（Intel @ Core 2 Duo E8300）：

1）#pragma omp parallel for firstprivate（b）private（i）shared（e）

user@comp:~ ./1.sh
Total time:
152.96380000000000000000

我们有一些奇怪的延迟。例如。输出：

e[i]=9.000000, e address: 0x7fffb67c6960, n=0
e[i]=9.000000, e address: 0x7fffb67c6960, n=7
e[i]=9.000000, e address: 0x7fffb67c6960, n=8
//etc..

注意地址 - 所有数组都相同（因此称为共享）

2）#pragma omp parallel for firstprivate（e，b）private（i）

user@comp:~ ./1.sh
Total time:
157.48220000000000000000

我们将数据e（firstprivate）复制到每个线程例如。输出：

e[i]=9.000000, e address: 0x7ff93c4238e0, n=1
e[i]=9.000000, e address: 0x7ff939c1e8e0, n=6
e[i]=9.000000, e address: 0x7ff93ac208e0, n=4

3）#pragma omp parallel for firstprivate（b）private（e，i）

Total time:
123.97110000000000000000

不复制数据，仅分配（私有未使用）例如。输出：

 e[i]=0.000000, e address: 0x7fca98bdb8e0, n=1
 e[i]=0.000000, e address: 0x7fffa2d10090, n=0
 e[i]=0.000000, e address: 0x7fca983da8e0, n=2

这里我们有不同的地址，但所有 e 值都包含内存垃圾（nills可能是由于mmap内存页预分配）。

要看，由于复制数组，firstprivate（e）速度较慢，让我们注释掉所有计算（带有“fmodf”的行） // #pragma omp parallel for firstprivate（b）private（i）shared（e）

Total time:
9.69700000000000000000

// #pragma omp parallel for firstprivate（e，b）private（i）

Total time:
12.83000000000000000000

// #pragma omp parallel for firstprivate（b）private（i，e）

Total time:
9.34880000000000000000

由于复制数组，Firstprivate（e）很慢。由于计算线，共享（e）很慢。

使用-O3 -ftree-vectorize进行编译会略微缩短共享时间：

// #pragma omp parallel for firstprivate（b）private（i）shared（e）

user@comp:~ ./1.sh
Total time:
141.38330000000000000000

// #pragma omp parallel for firstprivate（b）private（e，i）

Total time:
121.80390000000000000000

使用schedule（static，256）并不成功。

让我们继续打开-O0选项。注释掉数组填充：// e [i] = 9.0;

// #pragma omp parallel for firstprivate（b）private（i）shared（e）

Total time:
121.40780000000000000000

// #pragma omp parallel for firstprivate（b）private（e，i）

Total time:
122.33990000000000000000

因此，“共享”的速度较慢，因为未使用未初始化的“私人”数据（正如评论者所建议的那样）。

让我们看看对线程数的依赖：

4threads
shared
Total time:
156.95030000000000000000
private
Total time:
121.11390000000000000000

2threads
shared
Total time:
155.96970000000000000000
private
Total time:
126.62130000000000000000

1thread (perfomance goes down ca. twice, I have 2-core machine)
shared
Total time:
283.06280000000000000000
private
Total time:
229.37680000000000000000

要使用1.sh进行编译，我手动取消了“parallel for”行，以便给出两个注释。

**1thread without parallel, initialized e[i]**
Total time:
281.22040000000000000000

**1thread without parallel, uninitialized e[i]** 
Total time:
231.66060000000000000000

因此，它不是OpenMP问题，而是内存/缓存使用问题。使用

生成asm代码

g++ -O0 -S timings.cpp

在两种情况下，

给出两个不同之处：一，可以忽略，在标签LC计算中，另一个，一个标签（L3）在初始化 e 时不包含1，而是5个asm行阵列：

L3:
movl    -800060(%rbp), %eax
movslq  %eax, %rdx
movabsq $4621256167635550208, %rax
movq    %rax, -800016(%rbp,%rdx,8)

（初始化发生的地方）和公共线： addl $1, -800060(%rbp)

所以，它似乎是缓存问题。

这不是答案，您可以使用上面的代码进一步研究问题，

在OpenMP中使用共享数据结构而不是私有数据结构时的性能差异

1 个答案: