Question

我是多线程的新手。我正在尝试设计一个解决稀疏矩阵的程序。在我的代码中，我将Vector Vector点积和Matix矢量积作为子程序多次调用以得出最终解。我试图使用open MP（特别是上面两个子例程）来并行化代码。我也有顺序代码，我不打算并行。

我的问题是如何处理调用子例程时创建的线程。我应该在每个子例程调用结束时设置障碍。

我应该在哪里设置线程数？

Mat_Vec_Mult(MAT,x0,rm);
#pragma omp parallel for schedule(static)
for(int i=0;i<numcols;i++)  
    rm[i] = b[i] - rm[i];

#pragma omp barrier


#pragma omp parallel for schedule(static)
for(int i=0;i<numcols;i++)  
    xm[i] = x0[i];
#pragma omp barrier


double* pm = (double*) malloc(numcols*sizeof(double));


    #pragma omp parallel for schedule(static)
for(int i=0;i<numcols;i++)  
    pm[i] = rm[i];
#pragma omp barrier
scalarProd(rm,rm,numcols);

由于

编辑：

对于标量点积，我使用以下代码：

double scalarProd(double* vec1, double* vec2, int n){
double prod = 0.0;
int chunk = 10; 
int i;
//double* c = (double*) malloc(n*sizeof(double));

omp_set_num_threads(4);

// #pragma omp parallel shared(vec1,vec2,c,prod) private(i)
#pragma omp parallel
{
    double pprod = 0.0;
    #pragma omp for
    for(i=0;i<n;i++) {
        pprod += vec1[i]*vec2[i];
    }

    //#pragma omp for reduction (+:prod)
    #pragma omp critical
    for(i=0;i<n;i++) {
        prod += pprod;
    }
}


return prod;
}

我现在已经在我的ConjugateGradient函数中添加了时间计算代码，如下所示：

start_dotprod = omp_get_wtime();
rm_rm_old = scalarProd(rm,rm,MAT->ncols);
    run_dotprod = omp_get_wtime() - start_dotprod;
fprintf(timing,"Time taken by rm_rm dot product : %lf \n",run_dotprod);

观察结果：点积所需的时间顺序版本：0.000007s并行版本：0.002110

我在Intel I7笔记本电脑上使用Linux操作系统上的gcc -fopenmp命令进行简单编译。

我目前正在使用大小为n = 5000的矩阵。

由于相同的点产品被多次调用直到达到收敛（大约80k次），因此整体速度大幅下降。

请提出一些改进建议。非常感谢任何帮助！

Answer 1

老实说，我建议在更高级别进行并行化。我的意思是尽量减少您使用的#pragma omp parallel的数量。每次尝试在线程之间拆分工作时，都会有OpenMP开销。尽可能避免这种情况。

所以在你的情况下，至少我会尝试：

Mat_Vec_Mult(MAT,x0,rm);
double* pm = (double*) malloc(numcols*sizeof(double)); // must be performed once outside of parallel region

// all threads forked and created once here
#pragma omp parallel for schedule(static)
for(int i = 0; i < numcols; i++) {
    rm[i] = b[i] - rm[i]; // (1)
    xm[i] = x0[i];        // (2) does not require (1)
    pm[i] = rm[i];        // (3) requires (1) at this i, not (2)
}  
// implicit barrier at the end of omp for
// implicit join of all threads at the end of omp parallel

scalarProd(rm,rm,numcols);

请注意我是如何证明您的循环之间实际上不需要障碍的。

如果您的大部分时间都花在了这个计算阶段，那么您肯定会看到相当大的改进。但是，我有理由相信你的大部分时间都用在Mat_Vec_Mult()，也许scalarProd()，所以你节省的时间可能很少。< / p>

** 编辑 **

根据你的编辑，我看到了一些问题。（1）在测试算法性能时，始终使用-O3进行编译。（2）你无法改善完成任务需要.000007秒的运行时间;那几乎是瞬间完成的。这可以追溯到我之前所说的：尝试并在更高级别进行并行化。 CG方法本质上是一种顺序算法，但肯定有研究论文开发详细说明并行CG。（3）您对标量积的实施并不是最优的。实际上，我怀疑你的矩阵矢量产品的实现也不是。我个人会做以下事情：

double scalarProd(double* vec1, double* vec2, int n) {
    double prod = 0.0;
    int i;

    // omp_set_num_threads(4); this should be done once during initialization somewhere previously in your program
    #pragma omp parallel for private(i) reduction(+:prod)
    for (i = 0; i < n; ++i) {
        prod += vec1[i]*vec2[i];
    }
    return prod;
}

（4）有完整的库（LAPACK，BLAS等）具有高度优化的矩阵矢量，矢量矢量等操作。必须在它们上构建任何线性代数库。因此，在您开始重新创建轮子并尝试实现自己的轮子之前，我建议使用其中一个库来执行您的两个操作。

稀疏矩阵的多线程程序

1 个答案: