Question

for中用于并行化的简单OpenMP循环是

    vector< double > xs; 
    vector< double > ys; 
    xs.resize(N);
    ys.resize(N);
    if(rank0) printf("Assigning points ...\n");
#pragma omp parallel for
    for(long i = 0; i < N; i++) {
        xs[i] = ((double)rand()/(double)RAND_MAX);
        ys[i] = ((double)rand()/(double)RAND_MAX);
    }

但是，当我加入#pragma omp parallel for时，这比我不需要的时间要长得多。当我没有使用正确的reduction或类似内容时，通常会看到这种情况，因此我想知道我是否还需要为此#pragma做些什么。

此for循环是否还需要#pragma中的其他内容？

请注意，此问题与使用rand()。

直接相关

Answer 1

我的直接猜测是，问题源于<frame>每次拨打rand()时使用单个种子更新的事实。这意味着即使您正在写入的数组之间没有冲突，每次调用rand()都可能会强制线程之间的同步。

有多种方法可以解决这个问题。一个显而易见的方法是使用C ++ 11中提供的新随机数生成类，每个线程都有一个单独的随机数生成器对象，如下所示：

rand()

至少在对我的系统进行快速测试时，单线程运行大约需要4秒，启用OpenMP大约需要1秒（这是在4核处理器上运行，因此接近完美缩放）。

请注意，如果您使用的是32位系统（或者至少使用生成32位代码的编译器），如果您使用std::mt19937_64 a; std::mt19937_64 b; std::uniform_real_distribution<double> da; std::uniform_real_distribution<double> db; #pragma omp parallel for private(a, b) for (long i = 0; i < N; i++) { xs[i] = da(a); ys[i] = db(b); }代替{{1}，这可能会大大加快}}。对于每个生成的数字，这将只有32位的随机性，但这可能与mt19937产生的一样多。在64位系统/编译器上，期望mt19937_64运行速度一样快，并产生更大的随机性。

另一个小注：此处我只使用了每个生成器的默认种子（rand()）。您可能希望随机生成种子，例如来自mt19937_64，并分别为每个线程的生成器播种，这样您就不会在线程之间重复数字。

Answer 2

事实证明rand不是线程安全的。对于我试图使用的内容，一个简单的替代方法是drand48_r。如下更改我的循环显示了我期望的确切加速：

#pragma omp parallel for private(ii, rBuf, trand) shared(xs,ys)
    for(ii = 0; ii < N; ii++) {
        drand48_r(&rBuf, &trand);
        xs[ii] = trand;
        drand48_r(&rBuf, &trand);
        ys[ii] = trand;
    }

使用OpenMP分配数组的特殊指令？

2 个答案: