Question

我有一个带有多个For循环的c ++程序;每个运行大约500万次迭代。是否有任何命令我可以使用g ++来生成.exe将使用多个核心;即在第一个核心上运行第一个For循环，同时在第二个核心运行第二个For循环？我已经尝试过-O3和-O3 -ftree-vectorize，但在这两种情况下，我的cpu使用率仍然仅在25％左右徘徊。

编辑：这是我的代码，以防万一。我基本上只是制作一个程序来测试我的计算机的速度功能。

#include <iostream>
using namespace std;
#include <math.h>
int main()
{

float *bob = new float[50102133];
float *jim = new float[50102133];
float *joe = new float[50102133];

int i,j,k,l;
//cout << "Starting test...";
for (i=0;i<50102133;i++)
    bob[i] = sin(i); 
for (j=0;j<50102133;j++)
    bob[j] = sin(j*j);
for (k=0;k<50102133;k++)
    bob[k] = sin(sqrt(k));
for (l=0;l<50102133;l++)
    bob[l] = cos(l*l);
cout << "finished test.";
cout << "the 100120 element is," << bob[1001200];

return 0;
}

Answer 1

最明显的选择是使用OpenMP。假设您的循环是一个非常容易并行执行多个迭代的循环，您可能只需添加：

#pragma openmp parallel for

...紧接在循环之前，让它并行执行。编译时还需要添加-fopenmp。

根据循环的内容，这可能会提供近乎线性的加速，从而在某种程度上减慢代码速度。在后一种情况下（减速或最小加速），你可以用OpenMP做其他事情来帮助加快速度，但是至少不知道代码本身，你很难猜测该做什么或改进什么能够达到最大值。

您获得的其他建议（“使用线程”）可能是合适的。 OpenMP基本上是一种将线程用于特定类型的并行代码的自动方式。对于你描述的情况（并行执行循环的多次迭代），OpenMP通常是首选的 - 它实现起来相当简单，并且可能会提供更好的性能，除非你非常了解多线程和/或花费很多努力并行化代码。

编辑：

您在问题中提供的代码可能不会受益于多个线程。问题是在将结果写入内存之前，它对每个数据项执行的计算非常少。即使是单核也可以足够快地进行计算，总速度将受到内存带宽的限制。

为了从多个线程中获得一些真正的好处，您可能希望编写一些代码来执行更多计算，而不仅仅是读取和写入内存。例如，如果我们将您的计算合并在一起，并在一个项目上完成所有这些计算，那么对结果求和：

double total = 0;

for (int i = 0; i < size; i++)
    total += sin(i) + sin(i*i) + sin(sqrt(i)) + cos(i*i);

添加编译指示：

#pragma omp parallel for reduction(+:total)

...就在for循环之前，我们很有可能看到执行速度大幅提升。没有OpenMP，我会得到这样的时间：

Real    16.0399
User    15.9589
Sys     0.0156001

...但是在编译时启用了#pragma和OpenMP，我得到这样的时间：

Real    8.96051
User    17.5033
Sys     0.0468003

所以，在我的（双核）处理器上，时间从16秒减少到9秒 - 不是快两倍，但非常接近。当然，您获得的许多改进将取决于您可用的核心数量。例如，在我的另一台计算机上（使用Intel i7 CPU），我得到了相当大的改进，因为它有更多内核。

没有OpenMP：

Real    15.339
User    15.3281
Sys     0.015625

...并使用OpenMP：

Real    3.09105
User    23.7813
Sys     0.171875

为了完整性，这是我使用的最终代码：

#include <math.h>
#include <iostream>

static const int size = 1024 * 1024 * 128;
int main(){
    double total = 0;

#pragma omp parallel for reduction(+:total)
    for (int i = 0; i < size; i++)
        total += sin(i) + sin(i*i) + sin(sqrt(i)) + cos(i*i);
    std::cout << total << "\n";
}

Answer 2

编译器无法判断循环内的代码是否可以在多个内核上安全地执行。如果要使用所有核心，请使用线程。

Answer 3

C ++ 11获得了对threading的支持，但c ++编译器不会/不能自己做任何线程。

Answer 4

使用主题或进程，您可能希望查看OpenMp

Answer 5

正如其他人指出的那样，您可以手动使用线程来实现此目的。您可以查看libdispatch（aka。GCD）或Intel's TBB等库来帮助您以最少的痛苦来完成这项工作。

您提到的-ftree-vectorize选项用于定位CPU上的SIMD矢量处理器单元，例如ARM的NEON或Intel的SSE。生成的代码不是线程并行的，而是使用单个线程并行操作。

上面发布的代码示例非常适合SIMD系统上的并行性，因为每个循环的主体在前一次迭代中非常明显地没有依赖性，并且循环中的操作是线性的。

至少在某些ARM Cortex A系列系统上，您可能需要接受稍微降低的准确度才能获得全部好处。

make g ++生成一个可以使用多个内核的程序？

5 个答案: