Question

哪种方法应该更快？第一种方法是增加一个变量用于减少：

#pragma omp parallel private(seed, x, y, i) reduction (+:counter)
{
    seed = 25234 + 17 * omp_get_thread_num();
    nproc = omp_get_thread_num();
    #pragma omp parallel for
    for(i=0; i<prec/8; i++){
        x = (double)rand_r(&seed) / RAND_MAX;
                y = (double)rand_r(&seed) / RAND_MAX;
        if(x*x+y*y<1){
            counter++;
        } 

}

第二个是每个进程使用增量变量表，最后，该表中元素的总和是结果：

#pragma omp parallel private(seed, x, y, i , nproc)
{
    seed = 25234 + 17 * omp_get_thread_num();
    nproc = omp_get_thread_num();
    #pragma omp parallel for
    for(i=0; i<prec/8; i++){
        x = (double)rand_r(&seed) / RAND_MAX;
        y = (double)rand_r(&seed) / RAND_MAX;
        if(x*x+y*y<1){
            counter[nproc]++;
        } 

    }
}

double time = omp_get_wtime() - start_time;
int sum=0;
for(int i=0; i<8; i++){
    sum+=counter[i];

}

理论上，第二种方式应该更快，因为进程不共享一个变量，但每个进程都有自己的变量。但是当我计算执行时间时：

first approach: 3.72423 [s]

second approach: 8.94479[s]

我认为错了或我在代码中做错了什么？

Answer 1

在第二种方法中，您是false sharing的受害者。这是一个有趣的article from Intel。

当不同处理器上的线程修改时，会发生错误共享   驻留在同一缓存行上的变量。这使得无效   缓存行并强制执行内存更新以保持缓存一致性。

如果两个处理器在同一存储器中对独立数据进行操作   地址区域可存储在单行中，缓存一致性   系统中的机制可能会迫使整条线路穿过公交车或   与每次数据写入互连，另外还会导致内存停顿   浪费系统带宽

直观地说，我不认为第一种方法应该更慢您确实在每个线程上创建了一个私有副本，然后将最终结果应用于全局变量。行为在某种程度上与您的共享阵列相同，但这里的问题是即使您的访问是独立的，您也会得到错误的共享。

在C ++ OpenMP中以两种方式使用蒙特卡罗方法计算pi

1 个答案: