我正在尝试使用多个线程组装一个大向量。每个线程都通过自己的线程向量读取并写入大向量的特定部分（索引是连续的）。
条目总数是固定数N，每个线程都会将N / numberOfThreads条目写入大向量。我做了以下实验：
//each vector contains the data that a particular thread needs to process
//and has the same length = N/numberOfThreads;
vector<vector<double> > threadVectors;
//the big vector that each thread needs to write into
vector<double> totalVector(N);
//initialize threadVectors ...
#pramga omp parallel
{
int threadId = omp_get_thread_num();
vector<double>& threadVector = threadVectors[threadId];
int globalStartId = threadId * threadVector.size();
std::copy(threadVector.begin(), threadVector.end(),
totalVector.begin() + globalStartId);
}
我正在运行并行部分的计时10次重复和N = 1e7。在我试验1-24线程后，我获得了以下加速：
线程数，时间，加速w.r.t到单线程
1：0.1797加速0.99
2：0.1362加速1.31
3：0.1430加速1.25
4：0.1249加速1.43
5：0.1314加速1.36
6：0.1446加速1.23
7：0.1343加速1.33
8：0.1414加速1.26
9：0.1370加速1.30
10：0.1387加速1.28
11：0.1434加速1.24
12：0.1344加速1.33
13：0.1299加速1.37
14：0.1303加速1.37
16：0.1362加速1.31
18：0.1341加速1.33
20：0.1384加速1.29
22：0.1319加速1.35
23：0.1303加速1.37
24：0.1298加速1.37
该机器是12核，超线程（24线程）。看起来加速很差，而算法并不涉及任何种族或锁定。
任何人都知道这个问题吗？
答案 0 :(得分：0)
由于您的线程任务非常内存密集型，将数据从一个内存块复制到另一个内存块，因此性能受内存限制。这不是可以很好地扩展的东西。添加更多内核对任何内核都无济于事，因为它们都在等待主内存中的数据。这就是为什么你的结果会有两个线程略有改进，但之后没有额外的改进。
让它运行得更快的唯一方法是加快记忆速度，但这是一个硬件问题。