令人尴尬的并行代码的低性能

Question

我有这个非常简单的并行代码，我用它来学习openmp，这是令人尴尬的并行。但是，我没有得到预期的超线性或至少线性性能增加。

#pragma omp parallel num_threads(cores) 
{
   int id = omp_get_thread_num(); 
   cblas_sgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans, row, column, column, 1.0, MatrixA1[id], column, MatrixB[id], column, 0.0, Matrixmultiply[id], column); 
} 

在Visual Studio上使用intel c ++编译器xe 15.0和计算288乘288矩阵的sgemm（矩阵乘法），我得到350microsecs for cores = 1和1177microsecs for cores = 4，这看起来像一个顺序代码。我将英特尔MKL属性设置为并行（也使用顺序测试）和语言设置以生成并行代码（/ Qopenmp）。无论如何改善这个？ 我正在运行四核心的haswell处理器

Answer 1

如果您的输入大小只需要几微秒来计算，正如您所说的那样，4个线程不会少于此。实质上，您的输入数据对于并行化而言太小，因为创建线程会产生开销。

尝试增加输入数据，以便花费一些时间并重复实验。

例如，您可能也会进行虚假共享，但此时无需考虑。

您可以采取哪些措施来提高代码矢量化的性能（但在这种情况下，您无法使用库调用，即您必须自己编写函数）。