Question

我正在运行一段代码来测试log（）函数是否在scale中。我在4核机器上运行它，结果显示它没有扩展。我的代码如下：

#include<iostream>
#include<cmath>
#include<omp.h>
#include<chrono>
using namespace std;

typedef std::chrono::milliseconds ms;

int main(){
        #pragma omp parallel for schedule(static)
        for(int i=0;i<4;i++){
                auto start = std::chrono::high_resolution_clock::now();

                double tmp=1.0;
                for(double j=0.0;j<10000000;j++){
                        tmp=log(j);
                }

                auto end = std::chrono::high_resolution_clock::now();
                #pragma omp critical
                {
                        cout<<"tmp="<<tmp<<endl;
                        cout<<"Thread "<<omp_get_thread_num()<<" calculated tmp, time used: "<<std::chrono::duration_cast<ms>(end - start).count() << "ms" << endl;
                }
        }

        return 0;
}

如果我使用4个线程，结果是：

Thread 1 calculated tmp, time used: 21ms
Thread 0 calculated tmp, time used: 21ms
Thread 2 calculated tmp, time used: 21ms
Thread 3 calculated tmp, time used: 21ms

如果仅使用1个线程，则结果为：

Thread 0 calculated tmp, time used: 20ms
Thread 0 calculated tmp, time used: 16ms
Thread 0 calculated tmp, time used: 16ms
Thread 0 calculated tmp, time used: 15ms

因此，当并行运行时，每个线程比顺序运行需要更长的时间。有人知道为什么它不能扩展吗？ std :: log实际上是如何工作的（可能是线程必须共享的东西）？有没有办法让log（）函数可以扩展？谢谢！

EDIT1：我将迭代次数增加到10e10次，但结果显示并行版本更慢，所以也许这不是线程创建时间在这里占主导地位。 4个主题：

Thread 0 calculated tmp, time used: 17890ms
Thread 2 calculated tmp, time used: 17890ms
Thread 1 calculated tmp, time used: 17892ms
Thread 3 calculated tmp, time used: 17892ms

1个帖子：

Thread 0 calculated tmp, time used: 15664ms
Thread 0 calculated tmp, time used: 15659ms
Thread 0 calculated tmp, time used: 15660ms
Thread 0 calculated tmp, time used: 15647ms

EDIT2：我让tmp变量最后打印出来，这样log（）就无法优化了。但结果仍然像以前一样。还有其他想法吗？

EDIT3：因此总执行时间的加速为3.5，即使迭代次数增加，它也不会再变高。我不确定它是否合理加速，因为我期待像这样的简单程序加速3.7或3.8。

Answer 1

简而言之

你完全正确。但是要全面衡量多核性能的改进，你不应该仅仅依赖于对单个线程的计时：你应该花时间测量整体执行。

多核架构似乎实现了更高的吞吐量，但是当其中几个核心处于活动状态时，每个核心略有减少。这里another benchmark（使用std::thread代替OMP）具有类似的观察结果。

所以每个单独的日志计算都没有扩展，但是oveall系统做得非常好。

其他详情

如果您要进行一些整体的端到端测量：

int main()
{
    auto common_start = std::chrono::high_resolution_clock::now();
    ... 
    auto common_end = std::chrono::high_resolution_clock::now();
    cout << "Overall calculated time : " << std::chrono::duration_cast<ms>(common_end - common_start).count() << "ms" << endl;
    return 0; 
}

您肯定会并行观察到更好的整体表现。

这是我自己的4个帖子的时间：

Thread 2 calculated tmp, time used: 269ms
Thread 3 calculated tmp, time used: 274ms
Thread 0 calculated tmp, time used: 281ms
Thread 1 calculated tmp, time used: 289ms
Overall calculated time : 296ms

并且有一个：

Thread 0 calculated tmp, time used: 218ms
Thread 0 calculated tmp, time used: 218ms
Thread 0 calculated tmp, time used: 229ms
Thread 0 calculated tmp, time used: 224ms
Overall calculated time : 903ms

正如您已经观察到的，使用一个线程，计算执行速度提高了22％。但总的来说，多线程执行相同数量的计算需要3倍的时间。

所以关于吞吐量：与多线程的135 K-iterations / ms相比，仅以44 K-iterations / ms monothread运行。

c ++ std :: log函数无法扩展

1 个答案: