Question

我有以下要并行化的代码：

int ncip( int dim, double R)
{   
    int i;
    int r = (int)floor(R);
    if (dim == 1)
    {   
        return 1 + 2*r; 
    }
    int n = ncip(dim-1, R); // last coord 0

    #pragma omp parallel for
    for(i=1; i<=r; ++i)
    {   
        n += 2*ncip(dim-1, sqrt(R*R - i*i) ); // last coord +- i
    }

    return n;
}

当我尝试并行化for循环时，没有openmp的程序执行时间是6.956s，我的执行时间大于3分钟（那是因为我自己结束了）。在并行化这段代码方面我做错了什么？

第二次尝试

    int ncip( int dim, double R)
{   
int i;
int r = (int)floor( R);
if ( dim == 1)
{   return 1 + 2*r; 
}


#pragma omp parallel 
{
int n = ncip( dim-1, R); // last coord 0
#pragma omp for reduction (+:n)
for( i=1; i<=r; ++i)
{   
    n += 2*ncip( dim-1, sqrt( R*R - i*i) ); // last coord +- i
}

}

return n;

}

Answer 1

你做错了！

（1）变量n中有数据竞赛。如果要并行化在同一内存区域中写入的代码，则必须使用减少（在for中），原子或 critical 避免数据危害。

（2）可能你已经启用了嵌套并行，所以每次调用函数ncip时程序都会创建一个新的并行区域。应该是这个主要问题。对于递归函数，我建议您只创建一个并行区域，然后使用pragma omp task。

请勿与#pragma omp for并行化并尝试使用#pragma omp task。看这个例子：

int ncip(int dim, double R){
    ...
    #pragma omp task
    ncip(XX, XX);

    #pragma omp taskwait
    ...
}

int main(int argc, char *argv[]) {
    #pragma omp parallel
    {
        #pragma omp single 
        ncip(XX, XX);
    } 
    return(0); 
}

<强>更新

//Detailed version (without omp for and data races)
int ncip(int dim, double R){
    int n, r = (int)floor(R);

    if (dim == 1) return 1 + 2*r; 

    n = ncip(dim-1, R); // last coord 0

    for(int i=1; i<=r; ++i){   
        #pragma omp task
        {
            int aux = 2*ncip(dim-1, sqrt(R*R - i*i) ); // last coord +- i

            #pragma omp atomic
            n += aux;
        }
    }
    #pragma omp taskwait
    return n;
}

PS：你不会从中获得加速，因为创建任务的开销大于单个任务的工作。您可以做的最好的事情是将此算法重新编写为迭代版本，然后尝试并行化。

使用OpenMP并行化C ++代码，计算实际上并行较慢

1 个答案: