Question

我在通过多个线程生成随机数时遇到了性能问题。这是所有线程使用相同随机引擎的原因。然后我实现了一个包含每个线程的随机引擎的向量（在stackoverflow上的另一个帖子中找到了这个解决方案）。但我希望每秒的迭代次数随着我正在执行的线程数呈线性增长。但事实似乎并非如此。

这是一个最小的例子：

#include <random>
#include <omp.h>

const int threads = 4;

int main()
{
    std::uniform_int_distribution<uint64_t> uint_dist;
    std::vector<std::mt19937_64> random_engines;
    std::random_device rd;

    for (int i = 0;i < threads;i++)
        random_engines.push_back(std::mt19937_64((rd())));

    omp_set_num_threads(threads);

    int counter = 0;
    #pragma omp parallel for
    for (int i = 0;i < threads;++i)
    {
        int thread = omp_get_thread_num();
        while (counter < 100)
        {
            if (uint_dist((random_engines[thread])) < (1ULL << 42))
                counter++;
        }
    }
}

在使用一个活动线程执行此代码时，我的CPU平均执行时间约为4秒。将线程设置为4给我的平均执行时间约为2秒，因此线程数得到的乘数为4，最终加速为2。我想念一下吗？

Answer 1

首先，如果你有两个内核和超线程，它看起来像你的代码的四个处理器，但它不是速度的四倍，只比你幸运的两倍快一点。

其次，如果您使用所有CPU电源，计算机将升温然后降低时钟速度。

第三，您可能正在使用具有巨大状态的随机数。一个状态可以适合L1缓存，但不适用于其中四个的状态。这可能会导致巨大的放缓。

第四，你有一个变量＆＃34; counter＆＃34;在线程之间共享并在每次迭代时读取。这不会很快。

使用多个线程生成随机数的瓶颈

1 个答案: